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。     

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.     

信息融合超前k步稳态最优Kalman预报器和Wiener预报器

应用Kalman滤波方法,基于Riccati方程,在线性最小方差信息融合准则下,提出了两传感器信息融合超前k步稳态最优Kalman预报器和Wiener预报器,给出了最优加权阵和最小融合误差方差阵.同单传感器情形相比,可提高预报精度.一个雷达跟踪系统的仿真例子说明了其有效性.     

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.     

广义系统降阶极点配置Kalman估值器

应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,提出了广义系统降价极点配置Kalman状态估值器.它可统一处理滤波、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.同经典降阶Kalman滤波方法相比,避免了求解Riocati方程.仿真例子说明了所提的理论和算法的有效性.     

多传感器信息融合白噪声去卷Wiener滤波器和平滑器

应用现代时间序列分析方法和白噪声估计理论,在线性最小方差最优信息融合准则下,提出了多传感器最优信息融合白噪声去卷W iener滤波器和平滑器,其中给出了局部滤波误差之间的协方差公式,它可被用于计算最优融合加权系数.同单传感器情形相比,可提高融合估值器精度.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白噪声去卷滤波器的仿真例子说明了其有效性.     

一种新的固定滞后最优Kalman平滑器

基于带相关噪声系统的一种最优Kalman滤波算法,应用白噪声估计理论和射影理论,提出了一种带白噪声估值器的固定滞后最优Kalman平滑器。它可递推实现,一个仿真例子说明了其有效性。     

广义离散随机线性系统固定区间稳态Kalman平滑器

运用新息理论和射影方法,基于ARMA新息模型和白噪声估值器,提出了广义离散随机线性系统正向固定区间稳态Kalman平滑器。仿真例子说明了算法的有效性。     

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.     

相关噪声系统固定区间最优Kalman平滑器

基于带相关噪声系统的一种Kalman滤波器,应用射影理论,提出了一种固定区间最优Kalman平滑器,它可用反向递推形式实现,算法简单,但于实时应用.推广了带不相关噪声系统的一个现有结果.一个仿真例子说明了其有效性.     

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.