具有随机多丢包的ARMA信号最优线性估计

研究网络环境下具有随机丢包的自回归滑动平均(ARMA)信号的估计问题,其中丢包现象通过一个满足Bernoulli分布的随机变量描述.通过ARMA模型与状态空间模型的转化,将具有丢包的ARMA信号估计问题转化为具有丢包的状态空间模型的状态和白噪声估计问题.利用射影理论分别给出线性最小方差最优线性状态估值器和白噪声估值器,进而获得ARMA信号估值器.仿真结果表明,当存在数据丢失时,所提出的算法与以往基于完整数据的最优估计算法相比具有最优性和有效性.     

广义系统ARMA最优递推状态估值器

应用现代时间序列分析方法,基于ARMA新息模型和白噪声估值器,由非递推状 态估值器的递推变形,提出了广义系统的ARMA稳态最优递推状态估值器.它们具有 Wiener滤波器形式,可处理带奇异状态转移阵和/或带相关噪声的广义系统,可统一处理滤 波、平滑和预报问题,且可统一处理广义和非广义系统状态估计问题.仿真例子说明了其有效 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 .仿真例子说明了算法的有效性     

Wiener滤波问题的一种Diophantine方程解

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,提出Wiener滤波问题的一种Diophantine方程解。它可统一处理平稳或非平稳ARMA信号的最优滤波、平滑和预报问题。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,便于实时应用 仿真例子说明了其有效性     

不带Diophantine方程的多通道最优去卷滤波器

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,分别提出 了在ARMA新息滤波器形式下和在Wiener滤波器形式下的新的渐近稳定的多通道最优去卷 滤波器.它们避免了求解Diophantine方程,可统一处理去卷滤波、平滑和预报问题.还给出了 ARMA新息滤波器和Wiener去卷滤波器之间的关系.仿真例子说明了它们的有效性.     

一类新的固定点和固定区间KALMAN平滑器

应用现代时间序列分析方法,基于ARMA新息模型和白噪声估值器,对线性定常 离散随机系统提出了两种新的固定点Kalman平滑器和两种新的正向固定区间Kalman平滑 器.它们的优点是避免了解Riccati方程,算法简单,可在线实现.为了保证它们的最优性,给 出了最优初值估值公式.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.     

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.     

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.     

单通道自校正去卷平滑器

对于单通道线性随机系统的ＡＲＭＡ输入信号，本文用现代时间序列分析方法，基于白噪声估值器提出了一种新的自校正去卷平滑器，可处理非平稳ＡＲＭＡ输入信号、不稳定和／或非最小相位系统，并给出了仿真结果．     

Time-domain approaches to multichannel optimal deconvolution

Using the modern time series analysis method, based on the autoregressive moving average (ARMA) innovation model and white noise estimators, two time-domain approaches to multichannel optimal deconvolution are presented. In the first approach, the multichannel optimal deconvolution estimators are given in the ARMA innovation filters form, where the solution of the Diophantine equations is required. Their global and local asymptotic stability is proved. In the second approach, the multichannel ARMA recursive Wiener deconvolution filters without the Diophantine equations are presented, which have asymptotic stability. The relationship between the ARMA innovation filters and ARMA Wiener deconvolution filters is discussed. Each approach can handle the deconvolution filtering, smoothing and prediction problems in a unified framework. An illustrative example and two simulation examples show their effectiveness.     

带有色观测噪声系统最优和自校正状态估计器

基于ＡＲＭＡ新息模型，通过计算白噪声估值器和输出预报器，提出了带有色观测噪声系统的一种新的最优和自校正状态估计器，可统一处理滤波、平滑和预报问题，可处理未知的非平衡有色观测噪声、不稳定系统和状态转移阵奇异的系统。一个雷达跟踪系统的仿真例子说明了其有效性。     

广义系统Wiener 滤波和Kalman 滤波新方法*

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,提出了广义系统的Ｗｉｅｎｅｒ状态估值器和急剧记Ｋａｌｍａｎ估值器。它们可统一处理最优滤波,平滑和预后问题。