噪声相关时多通道带乘性噪声系统最优滤波

针对多通道乘性噪声系统问题的实际需要 ,推广 Rajasekaran滤波算法 ,利用线性最小方差的概念和投影公式 ,导出含有乘性噪声统计特性参数阵特殊乘法运算的新息协方差矩阵 ,并利用这个中间矩阵 ,在观测为多通道 ,且各个通道的乘性噪声不同 ,以及系统的动态噪声和观测噪声同时刻相关的情况下 ,导出状态递推滤波算法 ,该算法在线性最小方差意义下是最优的。并对该算法进行仿真研究 ,仿真结果表明了该算法的有效性     

转移矩阵未知时带乘性噪声系统的自适应滤波算法

针对带乘性噪声系统状态转移矩阵未知的情况,提出1种在线性最小方差意义下的系统参数和状态联合滤波算法。以迭代方式获得模型参数和系统状态的递推估计:首先,利用之前时刻的状态估计值,根据投影定理,对系统未知参数即系统状态转移矩阵作出估计;其次,利用已得到的系统参数估计值,获取当前时刻的状态滤波。计算机仿真结果表明了算法的有效性。     

带乘性噪声的一类非线性系统的滤波算法

针对带乘性噪声的一类非线性系统,给出了1种带单重渐消因子的强跟踪状态滤波算法。该算法将非线性系统线性化后,采用了线性最小方差估计方法来进行状态估计,通过运用正交原理和引入渐消因子,使得滤波效果具有强跟踪的优良性能。该算法扩展了卡尔曼滤波在带乘性噪声非线性系统状态估计中的应用范围。仿真结果表明了该算法的有效性。     

带乘性噪声系统在加性噪声相关时的最优滤波

针对石油地震勘、通讯工程、语言处理等应用领域 ,该文研究一种在更弱的噪声限制条件下带乘性噪声系统的状态最优滤波 ,就动态噪声为有色噪声及动态噪声和量测噪声在有限时间段上相关的情形 ,给出了线性最小方差意义下的状态最优滤波算法 ,并对此算法作了仿真计算 ,获得满意的结果     

多通道带乘性噪声系统的分部滤波算法

针对多通道观测环境下带乘性噪声系统的最优滤波问题,提出了1种状态最优滤波的分部算法。分部估计方法将状态估计分解为标称滤波估计和余项估计2项相加的形式。该算法在线性最小方差意义下是最优的。仿真实例表明,分部算法的鲁棒性更强,对系统初值的改变具有更强的适应能力。     

基于约当分解的带乘性噪声广义系统状态最优滤波算法

运用矩阵约当分解,将一类带乘性噪声广义离散随机线性系统转化为带乘性噪声正常系统,并给出其在线性最小方差意义下的状态最优滤波算法。仿真结果验证该算法的有效性。     

一类具有等式约束的带乘性噪声系统的最优滤波算法

针对动态数据处理领域观测方程中存在乘性噪声的情况,提出在乘性噪声系统中状态附等式约束的一套滤波算法。该算法首先通过把观测向量进行扩维,然后基于投影定理进行滤波求解得到基于线性最小方差的最优滤波算法。通过与基于最优化理论的方法求解得到的算法进行对比分析及仿真对比验证了该算法的有效性。     

带乘性噪声广义系统状态最优估计算法

针对带乘性噪声广义系统,提出1种在线性最小方差意义下的状态最优估计算法.首先,采用标准分解将系统变换为2个子系统;其次,通过估计子系统的状态,获得原系统的状态最优滤波.同时,算法还给出了动态噪声与量测噪声的估计.仿真结果表明了该算法的有效性.     

一类带乘性噪声2-D奇异系统的滤波算法

针对一类带乘性噪声2-D奇异系统的Roesser模型,提出了一种状态滤波算法。该算法首先对无跳跃模的2-D奇异Roesser模型进行等价变换,变换为2个降阶的子系统,其中子系统一可继续变换为易于处理的动态噪声和量测噪声在同一坐标点相关的非奇异带乘性噪声FM-Ⅱ模型;然后基于正交投影定理,得到了带乘性噪声2-D奇异Roesser模型的状态滤波算法,同时得到了带乘性噪声2-D FM-Ⅱ模型的状态滤波算法。上述算法在线性最小方差意义下是最优的,仿真验证了算法的有效性。     

带乘性噪声广义系统多传感器最优滤波融合算法

研究带乘性噪声广义系统的多传感器信息融合状态估计问题。在系统正则的假设条件下,通过受限等价变换将广义系统变换为2个降阶子系统,进而将针对原系统的信息融合状态估计转化为2个耦合的非广义子系统的多传感器信息融合状态估计,然后分别推导出集中式与分布式滤波融合算法,这2种算法在数学上完全等价,均在线性最小方差意义下最优。考虑到分布式滤波融合算法的优点,重点讨论了该算法,仿真实验验证了该融合算法的有效性。     

一类带乘性噪声多通道非线性系统的平滑算法

在各通道乘性噪声不同的情况下,针对多通道带乘性噪声非线性系统的状态估计问题,提出1种状态平滑算法。该算法运用扩展卡尔曼滤波方法先根据全部观测数据对状态进行滤波估计,并存储一步预测估计值和一步预测估计误差的方差,利用存储的数据进行递推运算,得到状态的固定域平滑估计。仿真结果表明平滑算法较滤波算法精确性更高,稳定性更强。     

基于奇异值分解的多通道带乘性噪声系统的最优滤波算法

提出 1种基于奇异值分解 (SVD)的多通道带乘性噪声系统的最优滤波方法。该方法基于多通道带乘性噪声系统的最优滤波理论[1] ,利用奇异值分解作为工具 ,将原算法中的协方差矩阵P进行奇异值分解 ,可以在一定程度上避免在递推过程中 ,由于计算误差和舍入误差的积累而引起的协方差矩阵P失去对称性 ,因而导致算法失效的问题。在保证算法在线性最小方差意义下为最优的同时 ,具有很好的数值稳定性和鲁棒性。仿真中对改进后算法和原算法估计效果做了对比 ,仿真结果证明了本文方法的有效性。     

复杂多通道带乘性噪声系统的逆向滤波及单向反褶积算法

针对石油地震勘探、水下目标探测和语音处理等许多实际应用领域,在乘性噪声为一般随机矩阵的情形下,给出了在线性最小方差意义下的逆向最优滤波及单向最优反褶积算法.并对该算法进行了仿真研究,仿真结果表明了该算法的有效性.