自校正Riccati方程的收敛性

对带未知噪声方差的线性离散定常随机系统,基于噪声方差的在线一致估计,提出了自校正Riccati方程新概念.用动态误差系统分析(DESA)方法和Kalman滤波器稳定性理论证明了自校正Riccati方程的解收敛于稳态Riccati方程的解.这个结果将引出一种新的自校正Kalman滤波算法,并为解决自校正Kalman滤波器收敛性问题提供了重要的理论基础.一个数值仿真例子说明了所提出的结果的正确性.     

时变系统全局最优加权观测融合白噪声反卷积平滑器

白噪声反卷积或输入白噪声估计问题在石油地震勘探中有重要的应用背景。对带多传感器和带不相关噪声的线性离散时变随机系统,应用Kalman滤波方法,基于加权最小二乘法,提出了全局最优加权观测融合白噪声反卷积平滑器。一个Bernoulli—Gaussian输入白噪声融合平滑器的Monte Carlo仿真例子说明了其有效性。     

多模型多传感器信息融合稳态白噪声反卷积估值器

对于带不同局部动态模型(多模型)的多传感器线性定常随机控制系统,应用现代时间序列分析方法,在按标量加权最优融合准则下,提出了最优信息融合稳态白噪声反卷积估值器.可统一处理白噪声反卷积融合滤波、平滑和预报问题.它的精度高于每个局部估值器的精度.为了计算最优加权,提出了局部估计误差互协方差计算公式.一个Bernoulli-Gussian白噪声反卷积融合器的仿真例子证明其有效性.