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。该文研究了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。     

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。     

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是最优的。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。     

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量最估固定域递推算法，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。     

乘性噪声系统滤波问题研究

考虑状态和输出均受乘性和加性高斯噪声干扰的随机系统,通过极小化均方误差给出动态系统最优状态估计的递推算法,包括最优预测、滤波以及平滑问题。仿真结果表明,状态估计能较好的反映系统的真实状态,估计器品质良好。     

带乘性噪声系统的极大似然最优估计算法

对带乘性噪声系统（ＳＭＮ）在乘性噪声及其统计参数未知的情况下,基于极大似然准则,提出了一种分块组合优化估计算法（ＢＣＯＥＡ）。该算法不需要事无知道乘性噪声的统计参数,可同时进行状态最优估计以及乘性噪声序列和其统计参数的最优估计。     

基于多传感器观测下的带乘性噪声系统的最优滤波融合算法

多传感器系统由于具有较高的精度及可靠性日益受到研究者的重视。本文针对多传感器观测下的带乘性噪声系统，分别给出了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，在线性最小方差意义上均是最优的。但对于工程实际问题，分布式的融合策略在计算、可靠性、故障的检测与隔离等方面更具有优势。文中举例验证了这2种融合算法的有效性。     

带有色乘性噪声随机系统的逆向最优反卷积算法

通过建立状态和乘性色噪声的逆向Markov模型，推导出了带有色乘性噪声随机系统的逆向最优状态滤波器。基于该滤波器给出了节省存储空间的逆向固定区间最优反卷积算法。仿真实例证明了该反卷积算法的有效性。     

最优加权最小二乘估计与线性无偏最小方差估计性能比较

在给定的线性模型下,讨论了最优加权最小二乘估计与线性无偏最小方差估计性能比较,在噪声方差矩阵可逆条件下,可算出线性无偏最小方差估计与最优加权最小二乘估计方差的差表达式,并在一定条件下,两者趋于一致。     

多传感器观测下带乘性噪声系统的逆向滤波与反褶积融合算法

针对多传感器观测环境下带乘性噪声系统的逆向最优滤波与反褶积融合估计问题，本文提出了1种基于极大似然准则的最优融合算法。该算法中各单传感器间并行计算，并且融合中心与单传感器处理中心间无反向通讯，因而招待效率较高。仿真表明，该融合算法产生的逆向滤波与反褶积比单传感器处理结果有较明显提高。     

基于Kalman滤波的信息融合白噪声最优反卷积滤波器

应用Kalman滤波方法 ,基于Riccati方程 ,在线性最小方差最优信息融合准则下 ,提出了两传感器最优信息融合白噪声反卷积滤波器。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     

乘性噪声作用下线性模型中的随机共振

随机共振是指在一定噪声强度和外部激励的共同作用下,动力学系统的输出响应达到最大值的一种非线性现象。本文研究了乘性噪声作用下线性模型的随机共振现象。根据噪声的特性和线性系统理论,得到了系统输出幅度增益的精确表达式。研究发现,输出幅度增益是激励信号频率以及系统参数的非单调函数,即出现了随机共振现象。输出幅度增益随噪声强度、自相关率的增大而单调地增大。选择适当的参数,系统输出幅度增益可以大于1,即有噪声时的系统输出平均幅度可以大于无噪声时的输出幅度增益。该结果对于微弱信号检测有一定的意义,对于传统的线性系统理论是一个有益的补充。     

关于Gauss-Markov估计在噪声方差矩阵不可逆时的化简

讨论了Gauss-Markov(简记为)估计与最优加权最小二乘估计之间的关系,证明了即使模型噪声方差阵不可逆,在一定条件下GM估计与最优加权最小二乘估计仍可以是统一的.     

任意噪声相关异类传感器非线性系统状态矢量融合

基于线性无偏最小方差估计理论，提出了一种任意相关噪声异类传感器非线性系统状态矢量融合算法．该算法考虑了过程噪声和测量噪声以及测量噪声之间的相关性和传感器系统结构的不同性，增加了描述多传感器融合系统的信息量，通过局部估计的组合构造新的变量以去除局部状态之间的相关性，采用顺序滤波的方法减小了异类多传感器融合系统全局状态估计的计算量．仿真结果表明，由于考虑了过程噪声和测量噪声以及测量噪声之间的相关性，状态矢量融合算法比噪声不相关融合算法具有更好的跟踪性能，航迹跟踪的精度得到了改善．     

基于Kalman滤波的带相关噪声系统最优白噪声估值器

基于 Kalman 滤波,提出了带相关噪声定常系统的统一的白噪声估值器。它们由输入白噪声估值器和观测白噪声估值器组成,且可统一处理白噪声滤波、平滑和预报问题,可用于石油地震勘探信号处理和状态估计。一个 Bernoulli-Gaussian 白噪声平滑器的仿真例子说明它们的有效性。     

乘性与信号调制噪声在线性模型中的随机共振

研究了乘性噪声和信号调制噪声作用下一阶线性模型的随机共振现象.根据线性系统理论,利用噪声的统计特性,得到了系统输出幅度增益的解析表达式.研究发现,输出幅度增益是激励信号频率和系统参数的非单调函数,即出现了"真实的"随机共振和广义的随机共振现象;另外,输出幅度增益是噪声强度和噪声相关率的单调函数:随噪声强度的增大而增大,随噪声相关率的增大而减小.     

广义离散随机非线性系统的最优滤波

讨论了一类广义离散随机非线性系统的状态估计 ,在系统干扰噪声与测量噪声为非零均值白噪声 ,且其互为相关的情形下 ,给出了系统的最优滤波递推算法     

合成孔径雷达图像的最小均方误差线性最优滤波

针对常用于合成孔径雷达(SAR)图像降噪的Lee滤波和Kuan滤波误差较大的问题,提出了基于最小均方误差(MMSE)准则的线性最优滤波.线性最优滤波通过把斑点噪声的乘性模型同时展开为一阶和二阶泰勒级数,然后使用MMSE准则获得线性滤波的统一模型,最后再对该统一模型使用MMSE准则而获得.线性最优滤波在所有的线性滤波中具有最低的滤波误差,因而具有最高的滤波精度.对某乡村和城区SAR图像的降噪实验表明:线性最优滤波对边缘细节的保留能力强于Kuan滤波,它对斑点噪声的滤除能力强于Lee滤波;与最大后验概率(MAP)滤波相比,线性最优滤波虽然具有较弱的边缘细节保留能力,但它对斑点噪声的滤除能力却强于MAP滤波.     

带乘性噪声系统双滤器平滑及反褶积算法

在带乘性噪声系统（ＳＭＮ）间接平滑算法的基础上，通过构造一种新的ＳＭＮ逆向信息滤波算法，建立了ＳＭＮ的双滤器平滑和反褶积算法；为解决ＳＭＮ最优估计问题提供了新的方法。