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。

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。

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。

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

多传感器最优信息融合白噪声反卷积滤波器

应用现代时间序列分析方法和白噪声估计理论,基于线性最小方差意义下按标量加权最优信息融合准则,对于带白色和有色观测噪声的多传感器单通道系统,提出了分布式融合白噪声反卷积滤波器.它由局部白噪声反卷积滤波器加权构成.可统一处理融合滤波、平滑和预报问题.给出了计算局部滤波误差互协方差公式,可用于计算最优加权.同单传感器情形相比,可提高融合滤波器精度.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Bernou lli-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。

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.

多传感器观测融合单通道白噪声反卷积滤波器

利用现代时间序列分析方法,基于ARMA新息模型应用加权观测融合方法,提出了多传感器加权观测融合白噪声反卷积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。一个两传感器Bernoulli-Gaussian白噪声加权观测融合估值器的仿真例子说明其有效性。

多传感器信息融合稳态最优Wiener反卷积滤波器

应用现代时间序列分析方法,基于ARMA新息模型和Lyapunov方程,提出了单通道ARMA信号的多传 感器信息融合稳态最优Wiener反卷积滤波器。它避免了Riccati方程,可用于设计含未知模型参数和含未知噪声方 差系统的自校正信息融合滤波器。一个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。

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.

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。

单通道ARMA信号信息融合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、白噪声估值器和观测预报器,在线性最小方差最优加权信息融合准则下,对单通道ARMA信号提出了多传感器分布式融合Wiener反卷积滤波器,可统一处理融合滤波、平滑和预报问题。为了计算最优加权,提出了局部估计误差互协方差的计算公式。同单传感器情形相比,可提高滤波精度。一个仿真例子说明了其有效性和正确性。

多通道ARMA信号加权观测融合反卷积Wiener滤波器

应用现代时间序列与状态空间方程的转换定理,将带观测时滞的ARMA信号转换为状态空间模型。本文描述存在时滞的系统和噪声的方法是用自回归滑动平均模型(ARMA),通过ARMA信号与状态空间模型的转换来完成模型的转换,在转换过程中将时滞巧妙的嵌入到状态转移矩阵Φ中,从而得到信息滤波器形式的Kalman滤波器。提出了加权融合反卷积Wiener滤波器。一个仿真例子说明其有效性。

带不同时滞的单通道ARMA信号加权融合反卷积Wiener滤波器

对带不同的时滞、不同的有色观测噪声和白噪声的ARMA信号,文章根据模型转换算法,推导出相应的反卷积Wiener滤波器,通过计算互协方差阵得到加权阵,采用标量加权得到单通道ARMA信号的最优标量加权融合反卷积Wiener滤波器。通过仿真例子说明,按标量加权融合算法的精度高于每个局部滤波器的精度,验证了算法的正确性。

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。

不确定系统鲁棒稳态白噪声反卷积平滑器

对于带不确定噪声方差的线性离散时不变随机系统,根据极大极小鲁棒估计原理,基于带噪声方差保守上界的最坏情形保守系统,应用Kalman滤波和最优白噪声估计理论,提出了一种鲁棒稳态白噪声反卷积平滑器。对于所有容许的不确定噪声方差,保证它的实际平滑误差方差阵有一个最小上界。基于Lyapunov方程方法证明了它的鲁棒性和鲁棒精度关系。一个数值仿真例子验证了所提出结果的正确性和有效性。

时变系统全局最优加权观测融合白噪声反卷积平滑器

白噪声反卷积或输入白噪声估计问题在石油地震勘探中有重要的应用背景。对带多传感器和带不相关噪声的线性离散时变随机系统,应用Kalman滤波方法,基于加权最小二乘法,提出了全局最优加权观测融合白噪声反卷积平滑器。一个Bernoulli-Gaussian输入白噪声融合平滑器的Monte Carlo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。