极点配置广义稳态Kalman估值器(英文)

应用时域上的现代时间序列分析方法 ,基于自回归滑动平均 (ARMA)新息模型和白噪声估值器 ,应用控制理论中的极点配置原理 ,对线性离散时间广义随机系统提出了极点配置广义稳态Kalman估值器 .它们具有全局渐近稳定性 ,且通过配置估值器的极点可按指数衰减速率使初始状态估值的影响快速消失 .它们可在统一框架下处理滤波、平滑和预报问题 .它们避免了Ric cati方程和最优初始状态估值的计算 ,因而可减小计算负担 .

广义离散随机线性系统稳态Kalman估值器统一新算法及其渐近稳定性

基于ＡＲＭＡ新息模型与白噪声估值器，提出了广义离散随机线性系统稳态Ｋａｌｍａｎ估值器统一新算法，并证明了其渐近稳定性。

带拟白噪声广义系统稳态Kalman估值器

应用时域上的现代时间序列分析方法 ,基于 ARMA新息模型 ,提出了带拟白噪声广义系统稳态 Kalman估值器 ,并且应用状态观测器原理 ,还提出了极点配置广义稳态 Kal-man估值器。它们具有全局渐近稳定性。它们可统一处理滤波、平滑和预报问题 ,且避免了解Riccati方程。仿真例子说明了其有效性。

一种统一的稳态Kalman估值器

应用白噪声估计理论和现代时间序列分析方法，对于带相关噪声和观测时滞系统，基于ＡＲＭＡ新息模型提出了一种稳态Ｋａｌｍａｎ估值器，可统一处理滤波、平滑和预报问题，且具有渐近稳定性避免了解Ｒｉｃｃａｔｉ方程。

广义系统稳态Kalman估值器

用现代时间序列分析方法，提出了广义离散线性随机系统稳态Ｋａｌｍａｎ滤波、平滑和预报的一种统一格式，给出了稳态Ｋａｌｍａｎ估值器增益新算法，避免了求解Ｒｉｃｃａｔｉ方程．为保证估值器的渐近稳定性，给出了选择初始估值的公式．仿真例子说明了所提出的结果的有效性．

带不确定方差乘性和加性噪声系统鲁棒加权融合稳态Kalman估值器

本文研究带不确定方差乘性和加性噪声和带状态相依及噪声相依乘性噪声的多传感器系统鲁棒加权融合估计问题.通过引入虚拟噪声补偿乘性噪声的不确定性,将原系统化为带确定参数和不确定加性噪声方差的系统,进而利用Lyapunov方程方法提出在统一框架下的按对角阵加权融合极大极小鲁棒稳态Kalman估值器(预报器、滤波器和平滑器),其中基于预报器设计滤波器和平滑器,并给出每个融合器的实际估值误差方差的最小上界.证明了融合器的鲁棒精度高于每个局部估值器的鲁棒精度.应用于不间断电源(uninterruptible power system,UPS)系统鲁棒融合滤波的仿真例子说明了所提结果的正确性和有效性.

带不确定协方差线性相关白噪声系统改进的鲁棒协方差交叉融合稳态Kalman估值器

对于带有不确定协方差线性相关白噪声的多传感器系统,利用Lyapunov方程提出设计协方差交叉(CI)融合极大极小鲁棒Kalman估值器(预报器、滤波器、平滑器)的一种统一方法.利用保守的局部估值误差互协方差,提出改进的CI融合鲁棒稳态Kalman估值器及其实际估值误差方差最小上界,克服了用原始CI融合方法给出的上界具有较大保守性的缺点,改善了原始CI融合器鲁棒精度.跟踪系统的仿真例子验证了所提出方法的正确性和有效性.

网络化不确定系统集中式融合鲁棒稳态估值器

对于一类在状态转移阵和系统观测阵中带相同的状态依赖乘性噪声、带噪声依赖乘性噪声、一步随机观测滞后、丢包和不确定噪声方差的多传感器网络化系统,文章研究其鲁棒集中式融合稳态滤波问题.应用增广方法将系统转换为带随机参数矩阵、相同过程和观测噪声的集中式融合系统.应用去随机化方法和虚拟噪声技术,系统进一步转化为仅带不确定噪声方差的集中式融合系统.根据极大极小鲁棒估计原理,本文提出了鲁棒集中式融合稳态Kalman估值器(预报器、滤波器和平滑器),证明了所提出的集中式融合估值器的鲁棒性,给出了鲁棒局部与集中式融合估值器之间的精度关系.本文提出了应用于多传感器多通道滑动平均(MA)信号估计的一个实例,给出了相应的鲁棒局部和集中式融合信号估值器.仿真实验验证了所提出方法的有效性和正确性.

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。

基于Kalman滤波的Wiener状态估值器(英文)

应用经典稳态Kalman滤波理论提出了设计Wiener状态估值器的新方法,其原理是:基于在Wiener滤波器形式下的稳态Kalman滤波器和预报器及ARMA新息模型,由稳态最优非递推状态估值器的递推变形引出Wiener状态估值器.所提出的Wiener状态估值器可统一处理状态滤波、预报和平滑问题.它们具有ARMA递推形式,且具有渐近稳定性和最优性,仿真例子说明了它们的有效性.

广义系统降阶极点配置Kalman估值器

应用现代时间序列分析方法,基于ARMA新息模型和白噪声估计理论,提出了广义系统降价极点配置Kalman状态估值器。它可统一处理滤波、平滑和预报问题,且具有渐近稳定性。在计算上与非降阶的方法相比明显地减少了计算负担。同经典降阶Kalman滤波方法相比,避免了求解Riccati方程。仿真例子说明了所提的理论和算法的有效性。

自校正多传感器观测融合Kalman估值器及其收敛性分析

对于带未知噪声方差的多传感器系统,应用加权最小二乘(WLS)法得到了一个加权融合观测方程,且它与状态方程构成一个等价的观测融合系统.应用现代时间序列分析方法,基于观测融合系统的滑动平均(MA)新息模型参数的在线辨识,可在线估计未知噪声方差,进而提出了一种加权观测融合自校正Kalman估值器,可统一处理自校正融合滤波、预报和平滑问题,并用动态误差系统分析方法证明了它的收敛性,即若MA新息模型参数估计是一致的,则它按实现或按概率1收敛到全局最优加权观测融合Kalman估值器,因而具有渐近全局最优性.一个带3传感器跟踪系统的仿真例子说明了其有效性.

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。

自校正加权观测融合Kalman估值器

对于带未知噪声统计的多传感器系统,应用现代时间序列分析方法,基于滑动平均(MA)新息模型参数的两段递推最小二乘法在线辨识,可在线估计未知噪声方差,进而提出了一种加权观测融合自校正Kalman估值器,可统一处理自校正滤波、预报和平滑问题,并证明了它的收敛性,即若MA新息模型参数估计是一致的,则它与相应的最优加权观测融合Kalman估值器的误差收敛到零,因而具有渐近全局最优性。一个带3传感器跟踪系统的仿真例子说明了其有效性。

极点配置固定滞后稳态Kalman平滑器

基于稳态Kakman预报器和白噪声估计理论 ,应用控制理论中的极点配置原理 ,提出了极点配置固定滞后稳态Kalman平滑器 .它们不仅是全局渐近稳定的 ,而且通过配置平滑器的极点可使初始平滑估值的影响按指数衰减迅速消失 .它们避免了计算最优初始平滑估值 ,可减小计算负担 .

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 .

自校正分布式观测融合Kalman估值器

对于带未知噪声统计的多传感器系统,应用加权最小二乘(WLS)法得到了一个加权融合观测方程,且它与状态方程构成一个等价的观测融合系统.应用现代时间序列分析方法,基于观测融合系统的滑动平均(MA)新息模型参数的在线辨识,可在线估计未知噪声方差,进而提出了一种加权观测融合自校正Kalman估值器,可统一处理自校正融合滤波、预报和平滑问题,并证明了它的收敛性,即若MA新息模型参数估计是一致的,则它与相应的最优加权观测融合Kalman估值器的误差收敛到零,因而具有渐近全局最优性.一个带3传感器跟踪系统的仿真例子说明了其有效性.

带有色观测噪声系统统一的Wiener状态估值器

通过对观测方程的线性变换,将带有色观测噪声系统化为带白色观测噪声的系统。基于自回归滑动平均(ARMA)新息模型,由稳态最优Kalman估值器导出了渐近稳定的Wiener状态估值器,可统一处理滤波、平滑和预报问题。一个仿真例子说明它们的有效性。

Y-可观广义系统降阶稳态Kalman融合器

对于带多传感器的Y-可观广义线性离散随机系统,通过状态线性变换,将其化为两个降阶的非广义多传感器子系统。应用Kalman滤波方法和白噪声估值器,提出了子系统和原系统的局部状态估值器及它们的误差互协方差公式。在线性最小方差按矩阵加权,按对角阵加权和按标量加权最优信息融合准则下,提出了原系统状态的三种稳态广义Kalman融合器,可统一处理融合滤波、平滑和预报问题,且可改善局部估计精度。

广义离散随机线性系统固定区间稳态Kalman平滑器

运用新息理论和射影方法，基于ＡＲＭＡ新息模型和白噪声估值器，提出了广义离散随机 线性系统正向固定区间稳态Ｋａｌｍａｎ平滑器。仿真例子说明了算法的有效性。