时变系统的统一和通用的最优白噪声估值器

对带相关噪声的时变系统 ,基于Kalman滤波提出了统一和通用的最优白噪声估值器 ,它包括观测白噪声估值器和输入白噪声估值器两者 .提出了统一的固定点和固定区间最优白噪声平滑器 .特别对时不变系统提出了统一的稳态白噪声估值器 .它们为解决状态或信号估计和反卷积问题提供了新的途径和工具 ,且可应用于石油地震勘探数据处理 .一个Bernoulli_Gaussian白噪声的仿真例子说明了它们的有效性 .

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。

动态系统白噪声估值器

用现代时间序列分析方法提出了单输入单输出（ＳＩＳＯ）动态系统的统一的和通用的白噪声估值器。它包括输入白噪声估值器和观测白噪声估值器，可处理非零均值白噪声、相关白噪声、不稳定和非最小相位系统。对于雷达跟踪系统的仿真例子说明了其有效性和可应用性。

一种新的带白噪声估值器的固定滞后Kalman平滑器

本文基于经典 Kalm an滤波器和 Mendel的输入白噪声估值器 ,应用射影理论 ,提出了一种新的带白噪声估值器的最优固定滞后 Kalm an平滑器 ,且给出了平滑增益阵和平滑误差方差阵新算法 ,避免了计算滤波和预报误差方差阵的逆矩阵 ,减少了计算负担 .还提出了相应的稳态次优固定滞后 Kalm an平滑器 ,它具有渐近稳定性 .仿真例子说明了所提出的结果的有效性 .

时变系统的统一和通用的最优噪声估值器

对于带相邻及同一时刻相关噪声的时变系统,基于Kalman滤波理论提出了统一和通用的最优噪声估值器,包括观测噪声估值器和输入噪声估值器,提出了统一和通用的固定点和固定区间的最优噪声平滑器,它们为解决状态和信号估计问题提供了新的工具.一个仿真算例说明了其有效性.

基于Kalman滤波的稳态白噪声估值器

基于 Kalman 滤波,对带非零均值的相关噪声系统提出了统一的稳态白噪声估值器,可统一处理白噪声滤波、平滑和预报问题。它们包括稳态输入白噪声估值器和观测白噪声估值器,且包括白噪声新息滤波器和 Wiener 滤波器。一个 Bernoulli-Gaussian 白噪声的仿真例子说明了它们的有效性。

不确定观测线性离散随机系统白噪声估值器

在网络控制系统和传感器网络中,可能的传感器观测数据丢失使得系统的观测具有不确定性。应用新息分析方法,对传感器具有数据丢失的不确定观测线性离散随机系统,提出了统一和通用的白噪声估计算法,包括输入白噪声估值器和观测白噪声估值器。可统一处理传感器具有数据丢失的白噪声的最优滤波、预报和平滑问题。同时,给出了稳态白噪声估值器和相应的Wiener白噪声估值器。当没有数据丢失时,所得的结果恰是以往基于完整观测数据的白噪声估值器。仿真研究验证了算法的有效性。

单通道白噪声估值器

本文用时域上的新息分析方法提出了统一、通用的单通道白噪声估值器，它可处理带相关噪声的不稳定和非最小相位系统，并可处理带未知噪声统计和非零均值的白噪声。应用领域包括油田地震勘探、通讯、雷达跟踪、信号处理和状态估计等。仿真例子说明了其有效性。

带次优无偏噪声估值器的KF短期负荷预测

卡尔曼滤波原理用于电力系统短期负荷预测通常是针对线性定常系统,其噪声协方差是定常的,由于噪声协方差直接影响模型的增益矩阵,进而直接影响到模型的追踪能力和预测的精确度。考虑了电力系统负荷变化具有范围性、波动性的特点,根据9天的历史负荷数据建立预测模型。利用最小二乘法辨识模型转移矩阵,采用Hankel矩阵法辨识模型的阶,运用改进的时变次优无偏噪声估值器对噪声协方差进行自适应估计,用预测方程预测次日负荷。

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,提出了输入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。

基于Kalman滤波的通用和统一的白噪声估计方法

用射影理论,基于Kalman滤波提出了通用和统一的白噪声估计方法,可统一解决带非零均值相关噪声的线性离散时变随机控制系统的白噪声滤波、平滑和预报问题.提出了输入白噪声估值器和观测白噪声估值器,最优和稳态白噪声估值器,固定点、固定滞后和固定区间白噪声平滑器,白噪声新息滤波器和Wiener滤波器.它可应用于石油地震勘探信号处理和状态估计,为解决信号和状态估计问题,提供了新的途径和工具.关于Bernoulli-Gaussian白噪声估值器的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。

基于Kalman滤波的白噪声估计理论的推广

应用Kalman滤波方法和射影理论,将现行的白噪声估计理论推广到一般的随机系统,其中系统噪声在相邻时刻是相关的,且系统噪声和观测噪声在相同和相邻时刻也是相关的。提出了统一的最优和稳态白噪声和拟白噪声估值器。一个仿真例子说明了其有效性。

多传感器最优信息融合白噪声反卷积滤波器

基于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,提出了带相关噪声系统多传感器信息融合白噪声反卷积滤波器.提出了各传感器滤波误差之间的协方差阵计算公式,可用于计算最优融合加权阵.同单传感器情形相比,可提高融合滤波精度.它可减少在线计算负担,便于实时应用.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.

多传感器分布式融合白噪声反卷积滤波器

基于Kalman滤波方法和白噪声估计理论,在按矩阵加权线性最小方差最优融合准则下,提出了带ARMA有色观测噪声系统的多传感器分布式融合白噪声反卷积滤波器,其中推导出用Lyapunov方程计算最优加权的局部估计误差互协方差公式。与单传感器情形相比,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。一个三传感器分布式融合Bernoulli-Gauss白噪声反卷积平滑器的仿真例子说明了其有效性。

白噪声Wiener反卷积滤波器

应用现代时间序列分析方法 ,基于 ARMA新息模型提出了白噪声 Wiener反卷积滤波器。该滤波器可统一处理滤波、平滑和预报问题 ,可用 ARMA递推滤波器实现 ,适用于石油地震勘探数据处理。同多项式方法和 Kalman滤波方法相比 ,避免了求解 Diophantine方程和 Riccati方程 ,减少了计算负担。Bernoulli- Gaussian白噪声反卷积的仿真例子说明了其有效性。

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.

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.

带输入加速度估计的自校正去卷跟踪平滑器

处理了雷达跟踪系统中带输入加速度估计的问题．用现代时间序列分析方法［８］，基于ＡＲＭＡ新息模型，提出用白噪声平滑估值器计算带输入加速度估计的自校正会卷跟踪平滑器的新方法，并用仿真例子说明新方法的有效性．