广义离散随机线性系统降阶固定区间最优Kalman平滑器

利用Y-可观广义系统典范型,将广义系统状态估计问题转化为一个降阶常规系统的状态估计问题.应用Kalman滤波方法和白噪声估计理论,提出了广义离散随机线性系统降阶固定区间最优Kalman平滑器,可减少计算负担,便于实时应用,一个仿真例子说明其有效性.     

广义离散随机线性系统降阶固定区间最优Kalman平滑器

利用广义系统典范型,将广义系统状态估计问题转化为一个降阶常规系统的状态估计问题。应用Kalman滤波方法和白噪声估计理论,提出了广义离散随机线性系统降阶固定区间最优Kalman平滑器,可减少计算负担,便于实时应用。一个仿真例子说明其有效性。     

广义离散系统降阶Wiener滤波、平滑和预报

应用现代时间序列分析方法,基于Kalman滤波和白噪声估计理论,对于广义离散随机线性系统的一种典范型,提出降阶Wiener状态估值器,可统一处理滤波、平滑和预报问题,并且能减少计算负担,便于实时应用.一个仿真例子说明其有效性.     

Y可观典范型广义系统降阶Wiener状态估值器

用现代时间序列分析方法,基于ARMA新息模型和白噪声估计理论,提出了在Y可观典范型下广义系统的降阶Wiener状态估值器.它们可统一处理,滤波,平滑和预报问题且具有渐近稳定性.在计算上与非降阶的方法相比明显地减少了计算负担,同多项式方法相比避免了求解Diophantine方程.仿真例子说明了所提的理论和算法的有效性.     

基于Kalman滤波方法的多传感器信息融合最优白噪声反卷积滤波器

应用Kalman滤波方法和白噪声估计理论,在线性最小方差按矩阵加权最优信息融合准则下,提出了多传感器信息融合稳态最优白噪声反卷积滤波器,其中给出了局部滤波误差之间的协方差公式,它被用于计算最优融合加权阵.同单传感器情形相比,可提高滤波精度.它可应用于石油地震勘探信号处理.一个3传感器信息融合Bernoulli-Gaussian白噪声反卷积滤波器的仿真例子说明了其有效性.     

Kalman滤波在GPS授时中的应用

高精度的星载原子钟使得GPS授时精度得到了很大提高.针对GPS授时过程中接收机受到各种噪声的影响,利用Kalman滤波原理,建立状态方程和观测方程,对噪声进行分类和讨论,运用Kalman滤波原理对接收机钟差数据进行了分析,计算结果表明Kalman滤波可提高GPS单向授时精度.     

两传感器按对角阵加权信息融合稳态Kalman滤波器

应用现代时间序列分析方法,在按对角阵加权线性最小方差最优信息融合准则下,基于Riccati方程,提出两传感器信息融合稳态最优Kalman滤波器.与按矩阵加权最优融合.Kalman滤波器相比,可减少计算负担,与单传感器情形相比,提高了滤波精度.一个仿真例子说明其有效性.     

强跟踪滤波在车辆组合定位系统中的应用

介绍了强跟踪滤波理论,研究了强跟踪滤波在车辆GPS/DR组合定位系统中的应用,通过仿真实验,比较和分析了强跟踪滤波和扩展Kalman滤波在车辆GPS/DR组合定位系统中的定位误差,从定位误差可以看出强跟踪滤波比扩展Kalman滤波有更好的滤波性能.     

卡尔曼滤波在图象识别中的应用

最小邻域法使二维Kalman滤波技术得以在实时图象处理和识别领域中应用,这种方法的优点是既保持了Kalman滤波技术原有的性能,又大大地缩减了计算量,该方法对初值的给定范围要求不高,并且收敛速度快,滤波效果好．     

一类广义系统Kalman滤波新方法

基于矩阵理论[8]和时域上的Kalman滤波理论[5],对广义离散随机线性系统进行研究.运用矩阵约当分解,将一类广义系统化为正常系统,并利用已有的正常系统结果,给出一类广义最优Kalman滤波器,其算法简单,为递推算法,且避免了计算ARMA新息模型和白噪声估值器,便于实时应用.仿真例子说明了算法的有效性.