带乘性噪声广义系统的观测噪声最优估计算法

研究带乘性噪声广义系统的观测噪声最优估计问题。在假设系统正则的情况下,针对乘性噪声为一般随机矩阵即各观测通道乘性噪声同时刻相关的情况,通过受限等价变换和状态扩维的方法,给出了线性最小方差意义下的观测噪声最优滤波算法和最优平滑估计算法。数字仿真结果表明了算法的有效性。     

通道特性相关时带乘性噪声系统观测噪声的最优估计

研究在较弱的乘性噪声条件下系统观测噪声的最优估计问题,就乘性噪声为一般随机矩阵且各观测通道乘性噪声在同时刻相关的情形,给出了在线性最小方差意义下的观测噪声最优滤波算法和最优平滑算法。针对这些算法进行了仿真研究,仿真结果表明算法有较好的估计效果。     

多通道带乘性噪声系统的最优固定域平滑算法

在以往的乘性噪声系统的观测模型中 ,由于假定各通道的乘性噪声是完全相同的 ,因此并不是真正的多通道系统。而本文则考虑各通道乘性噪声不同的情况 ,即真正意义上的多通道带乘性噪声系统。在褚东升等“噪声相关时多通道带乘性噪声系统最优滤波”的基础上 ,进一步给出了固定域平滑算法。该算法在线性最小方差意义下为最优的。通过仿真计算 ,说明了该算法的有效性     

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。     

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     

带乘性噪声系统的最优反褶积

针对高分辨率石油地震勘探问题,研究一种带乘性噪声随机系统的最优反褶积估计方法。通过建立逆向运行的在线性最小方差意义下最优的状态滤波公式,推导出一种随机输入序列的单向最优固定域递推算法。该方法离线运算的存储最小,有助于提高地层反射序列提取的分辨率。     

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.     

带乘性噪声系统在加性噪声相关时的最优固定域平滑及反褶积算法

最优平滑及最优反褶积在石油地震勘探、通讯工程、语音处理等应用领域都具有十分重要的意义。以往的带乘性噪声系统的平滑及反褶积大都对系统模型的噪声特性有着较强的限制条件 ,要求动态噪声及观测噪声互相独立或只能在同时刻相关。该文给出了一种在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下带乘性噪声系统的固定域平滑及反褶积算法 ,该算法在线性最小方差意义下是最优的。通过仿真计算 ,说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。     

通道特性相关时带乘性噪声系统的最优滤波

针对石油地震勘探、通讯工程、水声探测等许多实际应用领域 ,该文研究 1种在更弱的乘性噪声限制条件下系统的最优状态滤波 ,就乘性噪声矩阵为一般随机矩阵且各观测通道乘性噪声在同时刻相关的情形 ,给出了在线性最小方差意义下的状态最优滤波算法。针对该算法还进行了仿真研究 ,仿真结果表明了该算法的有效性。     

海水中铜离子对氨基酸—粘土体系液—固界面作用的影响

用Ｅ（％）－ｐＨ曲线法实验研究了海水中三元表面络合物的形成和构型。通过海水中金属铜离子对氨基酸—粘土界面作用的Ｅ（％）－ｐＨ曲线影响的研究,发现曲线具有“单向上移”的规律,表明甘氨酸、天冬氨酸—铜离子—高岭土三元体系在实验条件下主要形成（Ⅰ）型三元表面络合物即≡Ｓ—Ｏ—Ｍ—Ｌ。该系列论文另一部分已研究氨基酸对金属离子—粘土体系的影响,证明可形成（Ⅱ）型三元表面络合物即≡Ｓ—Ｏ—Ｌ—Ｍ。据此可以推测（Ⅰ）型和（Ⅱ）型在某一条件下可以转变构型,其中间构型可能即是Ｌｅｃｋｉｅ等提出的环形三元表面络合物。     

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最优固定域平滑算法

研究 1种在更弱的乘性噪声限制条件下系统的状态最优估计算法。在最优滤波算法的基础上 ,进一步给出了在线性最小方差意义下最优的固定域平滑算法。针对该算法所进行的仿真研究已表明该算法的有效性     

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.