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     

自校正信息融合Wiener反卷积滤波器

对于含有未知模型参数和噪声统计的多传感器信号反卷积系统,应用现代时间序列分析方法,基于自回归滑动平均（ARMA）新息模型参数的在线辨识,可在线估计噪声方差,进而提出了自校正信息融合Wiener反卷积滤波器。证明了它的渐近最优性,即若ARMA新息模型参数估计是一致的,则它收敛于当噪声方差已知时的最优融合Wiener反卷积滤波器。同单传感器情形相比,它可提高滤波精度。一个带三传感器的反卷积系统的仿真例子说明了其有效性。     

一种新的尖峰信号盲反卷积方法

介绍一种新的盲反卷积方法，以解决尖峰信号的盲卷积问题，该方法不需知道信号和噪声的先验知识。基于尖峰信号高斯混合模型，给出一个自适应反卷积滤波器和一个自适应零记忆非线性估计器，以实现信号的恢复。将进化计算和梯度算法相结合，对反卷积滤波器和零记忆非线性估计器进行参数寻优，从而获得良好的信号恢复效果。最后给出计算机仿真结果。     

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。     

多传感器全局最优观测融合白噪声反卷积滤波器

白噪声反卷积问题在石油地震勘探中具有重要的应用背景。利用Kalman滤波方法提出了多传感器最优观测加权融合白噪声反卷积Wiener滤波器。同集中式和分布式融合方法相比,不仅可得到全局最优白噪声融合估值器,而且可显著地减小计算负担,便于实时应用。一个四传感器Bernoulli-Gaussian白噪声加权观测融合估值器的仿真例子说明了其有效性。     

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。     

多传感器加权观测融合Wiener反卷积滤波器

基于Kalman滤波方法,应用加权观测融合方法,提出了全局最优观测融合Wiener反卷积滤波器。同集中式观测融合方法和分布式状态融合方法相比,不仅可获得全局最优Wiener反卷积滤波器,而且明显减小计算负担,便于实时应用。一个四传感器加权观测融合仿真例子说明了其有效性。     

一种快速反卷积方法及其实现

从逆滤波器推导出基于频域的反卷积滤波器表达式,阐明了反卷积滤波器宽与其参数（项数Ｌ,比例常数Ｃ）的关系以及选取方法,得到反卷积精度对于滤波器的截取项数Ｌ具有不敏感的结论,从而省去了耗费大量的时间进行参数优化的过程,使算法具有快速特性。给出了用ＰＣ和由ＤＳＰ构成的高速卷积板实现该算法的过程。     

两传感器信息融合最优白噪声反卷积Wiener滤波器

应用现代时间序列分析方法和白噪声估计理论,提出了两传感器最优信息融合白噪声反卷积Wiener滤波器,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。一个仿真例子说明了其有效性。     

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。     

用于信号盲提取的最大三阶相关峭度反卷积算法

传统的低阶自适应滤波器难以抑制或消除激光位移信号的高阶统计噪声,且在微位移测量条件下,基于最大熵或自然梯度的盲源分离方法的收敛速度和信噪比会急剧降低.为此,文中利用混合信号的峭度变化特性,提出了最大三阶相关峭度反卷积算法,设计了反卷积逆滤波器,分析了最大三阶相关峭度反卷积算法的收敛性和稳定条件,并构建了实验平台进行盲提取实验.结果表明,最大三阶相关峭度反卷积算法可有效地盲提取激光位移信号和多重反射信号,较FastICA算法具有更快的收敛速度和更高的信噪比.     

自适应Wiener反卷积滤波的OFDM接收算法

为改进正交频分复用(OFDM)系统在多径衰落信道下的解调性能,提出了基于自适应Wiener反卷积滤波反馈环路的接收算法,对多径衰落信道进行白化处理,使处理后的信道噪声接近于加性高斯噪声(AWGN)。该文推导了OFDM系统中反卷积滤波器抽头系数的估计算法及其在非时变和时变信道中的自适应迭代算法,并且讨论了系统中定时估计、载波频率估计和信道估计算法(它们都是在AWGN信道环境下的算法)的使用方法。仿真表明:该算法可以有效地降低多径衰落的影响,得到优良的解调性能。     

两传感器自校正信息融合白噪声Wiener反卷积滤波器

应用现代时间序列分析方法,基于自回归滑动平均(ARMA)新息模型,对于带未知模型参数和噪声方差的两传感器反卷积系统,提出了自校正信息融合白噪声Wiener反卷积滤波器。它具有渐近最优性。一个Bernoulli-Gaussian白噪声反卷积的仿真例子说明了其有效性。     

噪声相关时多通道带乘性噪声系统最优滤波

针对多通道乘性噪声系统问题的实际需要,推广Rajasekaran滤波算法,利用线性最小方差的概念和投影公式,导出含有乘性噪声统计特性参数阵特殊乘法运算的新息协方差矩阵,并利用这个中间矩阵,在观测为多通道,且各个通道的乘性噪声不同,以及系统的动态噪声和观测噪声同时刻相关的情况下,导出状态递推滤波算法,该算法在线性最小方差意义下是最优的。并对该算法进行仿真研究,仿真结果表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。     

统一和通用的白噪声信息融合反卷积估值器

对于带不同局部动态模型的多传感器线性离散时变随机控制系统,应用Kalman滤波方法,在按标量加权最优融合准则下,提出了统一和通用的最优信息融合白噪声反卷积估值器,并对定常系统提出了稳态最优信息融合白噪声反卷积估值器。它们可统一处理白噪声反卷积融合滤波、平滑和预报问题。为了计算最优加权,提出了输人白噪声局部估计误差互协方差计算公式。它们在石油、地震勘探领域中有重要的应用背景。     

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。     

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。     

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.