基于Kalman滤波的带相关噪声系统统一的Wiener状态估值器

基于Kalman滤波和白噪声估值器,对带非零均值相关噪声系统提出了渐近稳定的统一的和通用的Wiener状态估值器。它们可统一处理滤波、平滑和预报问题,且避免了计算最优初始状态估值。它们揭示了Kalman滤波器和Wiener滤波器之间的关系.

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Wiener状态平滑器

用Kalman滤波方法,利用典范型分解对线性离散时不变广义随机系统提出了降阶Wiener状态平滑器,可明显减小计算负担,便于实时应用。一个仿真的例子说明了其有效性。

多传感器分布式信息融合Wiener状态估值器

应用现代时间序列分析方法,基于ARMA新息模型、白噪声估值器和观测预报器,在按矩阵加权、按 标量加权和按对角阵加权的线性最小方差最优信息融合规则下,提出了相应的三种最优分布式融合Wiener 状态估值器,可统一处理融合滤波、平滑和预报问题。为了计算最优加权,提出了状态估计误差方差阵和互 协方差阵的计算公式。同单传感器情形相比,可提高滤波精度。一个带四传感器目标跟踪系统的仿真例子 说明了其有效性和正确性,并说明了三种加权融合估计精度无显著差异,因而采用按标量加权融合器可显著 减小计算负担,便于实时应用。

自校正观测融合解耦Wiener状态预报器

对于带未知噪声方差和带不同观测阵的多传感器系统,应用现代时间序列分析方法,基于子系统和加权观测融合系统的滑动平均(MA)新息模型的在线辨识,提出了一类自校正加权观测融合解耦Wiener状态预报器。用动态误差系统分析方法,证明了它按实现收敛于当噪声方差已知时的最优加权观测融合解耦Wiener状态预报器,因而它具有渐近全局最优性。一个目标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。

自校正解耦信息融合Wiener状态估值器

对含未知噪声方差阵的多传感器系统,用现代时间序列分析方法,基于滑动平均(MA)新息模型的在线辨识和求解相关函数矩阵方程组,可得到估计噪声方差阵估值器,进而在按分量标量加权线性最小方差最优信息融合准则下,提出了自校正解耦信息融合Wiener状态估值器.它的精度比每个局部自校正Wiener状态估值器精度高.它实现了状态分量的解耦局部Wiener估值器和解耦融合Wiener估值器.证明了它的收敛性,即若MA新息模型参数估计是一致的,则它将收敛于噪声统计已知时的最优解耦信息融合Wiener状态估值器,因而它具有渐近最优性.一个带3传感器的目标跟踪系统的仿真例子说明了其有效性.

Y可观典范型广义系统降阶Wiener状态估值器

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,提出了在Y可观典范型下广义系统的降阶Wiener状态估值器。它们可统一处理,滤波,平滑和预报问题且具有渐进稳定性。在计算上与非降阶的方法相比明显地减少了计算负担,同多项式方法相比避免了求解Diophantine方程。仿真例子说明了所提的理论和算法的有效性。

非方广义系统降阶Wiener状态平滑器

应用时域上的现代时间序列分析方法,基于ARMA新息模型和白噪声估值器,研究了非方广义离散随机线性系统,应用射影理论和矩阵的分块理论,在假设1～3下,给出了一种渐近稳定的广义降阶Wiener状态平滑器.非方广义系统包含一般广义系统作为特例,且算法为降阶算法,避免了求解Riccati方程和Diophantine方程,因而减小了计算负担,便于实时应用.

广义系统降阶Wiener状态估值器

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,利用奇异值分解,提出了广义系统降阶Wiener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。同多项式方法相比避免了求解Diophantine方程。仿真例子说明了其有效性。

带白色和有色观测噪声系统解耦Wiener状态估值器

基于经典稳态Kalman滤波理论,对带白色和有色观测噪声系统提出了设计最优Wiener状态估值器的新方法。通过稳态Kalman滤波器建立ARMA新息模型,由稳态最优非递推Kalman状态估值器的递推变形引出Wiener状态估值器,可统一处理滤波、预报和平滑问题,它们具有状态解耦的ARMA递推形式,且具有渐近稳定性和最优性,仿真结果表明了算法的有效性。

广义离散随机线性系统降阶Wiener滤波、平滑和预报器

应用现代时间序列方法 ,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 ,对于广义离散随机线性系统 ,提出了降阶Wiener状态估值器 ,可统一处理滤波、平滑和预报问题 ,并且能减少计算负担 .

快速次优固定区间Wiener平滑器算法

为了克服带相关噪声控制系统的最优固定区间Kalman平滑算法要求较大计算负担的缺点,应用Kalman滤波方法,基于CARMA新息模型,由稳态最优Kalman平滑器导出了带相关噪声控制系统的最优固定区间Wiener递推状态平滑器,它带有系数阵指数衰减到零的高阶多项式矩阵.用截断系数矩阵近似为零的项的方法提出了相应的快速次优固定区间Wiener平滑算法.它显著地减少了计算负担,便于实时应用,还给出了截断误差公式和选择截断指标的公式.仿真例子说明了快速平滑算法的有效性.

广义系统Wiener状态滤波新算法

应用时域上的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 ,由一种新的非递推最优状态估值器的递推变形 ,提出了广义系统 Wiener状态滤波的一种新算法 ,它可统一处理滤波、平滑和预报问题 ,且具有渐近稳定性。同某些算法相比 ,它避免了求解 Riccati方程和 Diophantine方程 ,且避免了计算伪逆 ,因而减小了计算负担。

信息融合超前k步稳态最优Kalman预报器和Wiener预报器

应用Kalman滤波方法,基于Riccati方程,在线性最小方差信息融合准则下,提出了两传感器信息融合超前k步稳态最优Kalman预报器和Wiener预报器,给出了最优加权阵和最小融合误差方差阵.同单传感器情形相比,可提高预报精度.一个雷达跟踪系统的仿真例子说明了其有效性.

多传感器信息融合Wiener滤波器和平滑器

应用现代时间序列分析方法,基于ARMA新息模型和增广状态空间模型,应用标量加权最优融合准则,对于带白色和有色观测噪声的ARMA信号,提出了多传感器分布式最优信息融合Wiener滤波器和平滑器,其中给出了计算局部平滑误差方差和互协方差的计算公式,它们可被用于计算最优加权系数。同单传感器情形相比,可提高平滑器的精度。一个三传感器目标跟踪系统的仿真例子说明其有效性。

广义离散系统降阶Wiener滤波、平滑和预报

应用现代时间序列分析方法,基于Kalman滤波和白噪声估计理论,对于广义离散随机线性系统的一种典范型,提出降阶Wiener状态估值器,可统一处理滤波、平滑和预报问题,并且能减少计算负担,便于实时应用.一个仿真例子说明其有效性.

随机非线性系统鲁棒自适应控制的模块化设计

将线性系统中基于估计的模块化设计思想推广到随机非线性系统的控制设计之中,基于Ito∧微分规则和自适应B ackstepp ing算法,设计了全局依概率渐近稳定的输入状态稳定控制器.根据无源性定理,设计了无源辨识器模块,并确保扰动是有界的.仿真结果表明了该控制算法的有效性.

基于least-squares算法的随机非线性系统自适应控制的模块化设计

线性系统中基于估计的模块化设计就是任意镇定的控制器能够和任意标准的辨识器结合在一起,将这种设计思想推广到不确定随机非线性系统的鲁棒自适应控制设计中,设计一个输入状态稳定控制器模块,该控制器具有很强的参数鲁棒稳定性.根据Swapping技术设计辨识器模块,它由两个滤波器组成,将动态参数模型转化为静态模型,基于最小二乘(least-squares,LS)算法设计参数自适应律,并与梯度算法的设计结果进行比较研究,仿真结果验证了该算法的有效性.