自校正滤波器在卫星定位中的应用

设计了一种新的基于ARMA模型的自校正卡尔曼滤波器,对卫星定位误差模型参数进行分段在线估计,根据误差模型估计参数直接求取滤波增益阵.并提出了一种直接计算滤波误差方差阵的方法,对两个不同的定位系统进行信息融合.仿真结果表明,在未知噪声统计特性的情况下,自校正卡尔曼滤波器能有效过滤观测噪声,基于它的信息融合规则能够有效提高定位精度.计算过程简单,并可以在线建模.

基于时间序列方法的自校正滤波器设计

文中设计了一种新的基于ARMA模型自校正卡尔曼滤波器,从而避免了经典卡尔曼滤波器需要精确知道系统的模型参数和噪声统计特性的缺点。仿真结果表明,在未知部分模型参数和噪声统计特性的情况下,自校正卡尔曼滤波器的滤波性能,非常接近稳态最优卡尔曼滤波器。且计算过程简单,并可以在线建模,适用于部分慢时变系统。

无延时校正滤波器数字正交解调性能分析

提出了一种无延时校正滤波器的数字正交解调结构,并对其性能进行分析,重点分析了频率偏移对相位和相位差测量的影响。仿真结果表明,在频率偏移较小的情况下,采用此结构进行数字正交变换可获得较高的镜像抑制比;频率偏移较大时,可通过对多点相位求平均来减小相位差测量误差。本文所提结构具有结构简单、处理速度快、便于硬件实现等优点。将其应用于多通道数字接收机的设计,可在一定程度上减小硬件资源的占用,同时,便于满足信号的实时性处理要求。

非平稳ARMA信号自校正滤波器及其应用

本文处理带白色观测噪声的非平稳ARMA信号估计问题。应用状态空间方法和现代时间序列分析方法,基于ARMA新息模型,提出了非平稳ARMA信号自校正滤波器,推广了Hagander和Wittenmark的结果,并给出了在雷达跟踪系统和检测数据数字滤波方面的应用。仿真结果说明了本文结果的实用性和有效性。

一类新型自校正滤波器及其应用

用系统辨识方法建立系统的CARMA模型并估计参数，依据导出的时间序列模型和状态空间模型的引理，给出了系统的状态空间模型。基此提出新型的自校正滤波器，它由递推增广的最小二乘估计器、Kalman滤波器和噪声统计估值器组成。本文方案在油田系统应用中得到很好的结果，这表明了它的有效性。

时间校正滤波器的现场可编程门阵列实现技术

研究了用于软件无线电系统中的时间校正滤波器组的实现原理,给出了FIR滤波器分布式算法(DA)的串并行结构,分析了各种结构形式的优缺点,在此基础上提出了串并混合分布式(Mixed-DA)算法结构,给出了DA算法结构的现场可编程门阵列实现技术过程和结果。

广义系统信息融合稳态与自校正满阶Kalman滤波器

基于线性最小方差标量加权融合算法和射影理论,对带多个传感器和带相关噪声的广义系统,提出了分布式标量加权融合稳态满阶Kalman滤波器.推得了任两个传感器子系统之间的稳态满阶滤波误差互协方差阵,其解可任选初值离线迭代计算.所提出的稳态融合滤波器避免了每时刻计算协方差阵和融合权重,减小了在线计算负担.当系统含有未知模型参数时,基于递推增广最小二乘算法和标量加权融合算法,提出了一种两段融合自校正状态滤波器.其中第1段融合获得未知参数的融合估计;第2段融合获得分布式自校正融合状态滤波器.与局部估计和加权平均融合估计相比,所提出的标量加权融合参数估计和自校正状态估计都具有更高的精度.仿真研究验证了其有效性.

基于自校正卡尔曼滤波器的信息融合算法

设计了一种新的基于ARMA模型自校正卡尔曼滤波器及其信息融合的方法,从而避免了经典卡尔曼滤波器需要精确知道系统的模型参数和噪声统计特性的缺点。仿真结果表明,在未知部分模型参数和噪声统计特性的情况下,自校正卡尔曼滤波器的滤波性能非常接近稳态最优卡尔曼滤波器;基于自校正卡尔曼滤波器的信息融合滤波性能接近基于稳态最优卡尔曼滤波器的信息融合滤波性能。

两传感器自校正信息融合Kalman滤波器

用现代时间序列分析方法,基于自回归滑动平均(ARMA)新息模型的在线辨识,对含有未知模型参数和噪声方差的两传感器线性离散随机系统,提出了自校正信息融合Kalman滤波器。它具有渐近最优性。一个仿真例子说明了其有效性。

带未知有色观测噪声的自校正融合Kalman滤波器

对于带未知有色观测噪声的多传感器线性离散定常随机系统,未知模型参数和噪声方差的一致的融合估值器用递推增广最小二乘法(RELS)和求解相关函数方程得到.将这些估值器代入到最优解耦融合Kalman滤波器中,得出了自校正解耦融合Kalman滤波器,并用动态方差误差系统分析(DVESA)和动态误差分析(DESA)方法证明了它收敛于最优解耦融合Kalman滤波器,因而具有渐近最优性.一个带3传感器跟踪系统的仿真例子说明了其有效性.

ARMA信号自校正信息融合Wiener滤波器

对于带多传感器的含有未知模型参数和噪声统计的ARMA信号,应用现代时间序列分析方法,基于ARMA新息模型的在线辨识,提出了多传感器自校正信息融合Wiener滤波器。它具有渐近最优性,且可统一处理滤波、平滑和预报问题。一个跟踪系统的仿真例子说明了其有效性。

自校正分布式观测融合Kalman滤波器

对于带未知噪声统计和带具有相同右因子的观测阵的多传感器系统,应用加权最小二乘(WLS)法可得到一个等价的融合观测方程。该文应用现代时间序列分析方法,基于新息模型参数的在线辨识,可估计未知噪声方差,进而提出了自校正加权观测融合Kalman滤波器。在新息模型参数估计是一致的和观测数据是有界的假设下,该文证明了自校正Kalman滤波器收敛于当噪声统计已知时的全局最优融合Kalman滤波器,因而它具有渐近全局最优性。最后给出了一个4传感器跟踪系统的仿真例子并验证了其有效性。

自校正解耦融合Kalman滤波器及其收敛性

对带未知噪声统计的多传感器系统,提出了基于相关方法的噪声统计在线估值器,进而提出了自校正Riccati方程和自校正Lyapunov方程。在按分量标量加权线性最小方差最优信息融合准则下,提出了自校正分量解耦融合Kalman滤波器,并用动态误差系统分析(DESA)方法证明了它收敛于最优分量解耦融合稳态Kalman滤波器,因而具有渐近最优性,它的精度比每个局部自校正Kalman滤波器精度高,且算法简单,便于实时应用。一个目标跟踪系统的仿真例子说明了其有效性。

自校正信息融合Wiener滤波器及其收敛性

对带未知噪声统计的多传感器系统,用求解相关函数矩阵方程组的方法得到噪声统计在线估值器,并提出了自校正Lyapunov方程。用现代时间序列分析方法,基于滑动平均(MA)新息模型的辨识,在按分量标量加权线性最小方差最优信息融合准则下,提出了自校正分量解耦融合Wiener滤波器,并用动态误差系统分析(DESA)的方法证明了自校正Lyapunov方程的收敛性,进而证明了自校正融合Wiener滤波器收敛于最优融合Wiener滤波器,因而具有渐近最优性。它的精度比每个局部自校正Wiener滤波器精度都高,且算法简单,便于实时应用。一个目标跟踪系统的仿真例子说明了其有效性。

MA模型参数估计的两段最小二乘法及其在自校正跟踪滤波器中的应用

提出了滑动平均(MA)模型参数估计的两段最小二乘法。首先用递推最小二乘法对MA模型拟合一个高阶自回归(AR)模型,然后再用最小二乘法解一个不相容的超定线性方程组得到MA模型参数估值。一个应用于自校正跟踪滤波器的仿真例子说明了其有效性。

带相关噪声系统的自校正观测融合Kalman滤波器

对于带有相关噪声和未知噪声统计的多传感器线性离散定常随机系统,利用相关方法,提出了噪声统计信息的在线估计器。基于ARMA新息模型,提出了自校正加权观测融合Kalman滤波器,避免了求解Lyapunov和Riccati方程,减少了计算负担,适于实时应用。利用动态误差系统分析(DESA)方法,严格证明了提出的自校正融合滤波器以概率1或按实现收敛于相应的最优融合滤波器,即具有渐近全局最优性。一个3传感器系统的仿真例子说明其有效性。

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。

带不同观测阵系统的自校正观测融合Wiener滤波器

对于带有不同观测阵、相关观测噪声和未知噪声统计的多传感器线性离散定常随机系统,利用相关方法,得到了噪声统计信息的在线辨识器。基于ARMA新息模型,提出了自校正加权观测融合Wiener滤波器,避免了求解Lyapunov和Ricca-ti方程,减少了计算负担,适于实时应用。利用动态误差系统分析(DESA)方法,严格证明了提出的自校正融合Wiener滤波器以概率1或按实现收敛于相应的最优观测融合Wiener滤波器,即具有渐近全局最优性。一个3传感器跟踪系统的仿真例子说明其有效性。

带相关观测噪声系统的自校正观测融合Kalman滤波器

对于带有相关观测噪声、未知噪声统计、不同观测阵带有相同右因子的多传感器线性离散定常随机系统,利用相关方法,提出了噪声统计信息的在线辨识器。基于ARMA新息模型,提出了自校正加权观测融合Kalman滤波器,避免了求解Lyapunov和Riccati方程,减少了计算负担,适于实时应用。利用动态误差系统分析(DESA)方法,严格证明了提出的自校正融合滤波器以概率1或按实现收敛于相应的最优融合滤波器,即具有渐近全局最优性。一个3传感器跟踪系统的仿真例子说明其有效性。

自校正信息融合Wiener滤波器在信号处理中的应用研究

多传感器信息融合已成为许多高科技领域的关键技术,目前已成为倍受人们关注的热门领域。本文对于含有未知模型参数和未知观测噪声的单通道AR信号,应用Kalman滤波方法,基于AR模型参数RIV算法的在线辨识,提出了采用状态空间模型的AR信号自校正信息融合Wiener滤波器,并在信号处理中的应用进行了研究。