单通道自校正白噪声去卷平滑器

本文用现代时间序列分析方法，基于ＡＲＭＡ新息模型提出了带有色观测噪声的单通道自校正白噪声去卷平滑器，可处理含有未知噪声均值、方差和模型参数的不稳定和非最小相位系统，可应用于油田地震勘探、通讯、信号处理等许多领域。仿真例子说明了其有效性。     

带有色观测噪声的多变量自校正去卷滤波器

本文运用新息理论和射影的方法，通过在线辨识ＡＲＭＲ新息模型提出了多变量非平稳ＡＲＭＡ信号自校正去卷滤波器。     

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．     

多通道最优和自校正去卷估值器

基于白噪声估计理论，对于通过带有观测噪声的线性系统被观测的多变量ＡＲＭＡ输入信号，本文提出了最优和自校正去卷新方法，可统一处理去卷滤波，预报和平滑问题，可处理非平稳ＡＲＭＡ输入信号及不稳定和／或非最小校位系统，仿真例子说明了其有效性。     

单通道最优和自校正去卷平滑器及其应用

基于白噪声估计理论，本文提出了单通道ＡＲＭＡ信号的一种新的最优和自校正去卷滤波器和平滑器，可处理非平稳ＡＲＭＡ输入信号及不稳定和非最小相位系统，并给出了在雷达跟踪系统中的仿真应用例子。     

多变量自校正递推去卷滤波器

本文用时域上的新息分析方法，对于线性多变量系统的输入信号，提出了一种新的自校正递推去卷滤波器，它具有ＡＲＭＡ新息滤波器形式，可处理多变量非平稳ＡＲＭＡ输入信号、不稳定和／或非最小相位系统。仿真例子说明了其有效性。     

用时域方法设计多通道Wiener去卷滤波器

基于ＡＲＭＡ 新息模型和Ｗｉｅｎｅｒ状态估值器,提出多通道Ｗｉｅｎｅｒ去卷滤波器设计的一种新的时域方法,给出了渐近稳定的递推Ｗｉｅｎｅｒ去卷滤波器,可统一处理去卷滤波、平滑和预报问题。同频域上的多项式方法相比,避免了求解Ｄｉｏｐｈａｎｔｉｎｅ方程,且便于实时应用。仿真例子说明了其有效性     

用时域方法设计多通道Wiener去卷滤波器

基于ＡＲＭＡ新息模型和Ｗｉｅｎｅｒ状态估值器,提出多通道Ｗｉｅｎｅｒ去卷滤波器设计的一种新的时域方法,给出了渐近稳定的递推Ｗｉｅｎｅｒ去卷滤波器,可统一处理去卷滤波、平滑和预报问题。同频域上的多项式方法相比,避免了求解Ｄｉｏｐｈａｎｔｉｎｅ方程,且便于实时应用。仿真例子说明了其有效性。     

多通道非平稳ARMA信号自校正去卷滤波器

对于通过一个已知的线性系统被观测的多通道非平稳ＡＲＭＡ信号，本文用现代时间序列分析方法［１］，基于ＡＲＭＡ新息模型，提出了自校正去滤波新方法。仿真例子说明了其有效性。     

Wiener滤波新方法

基于ＡＲＭＡ新息模型提出Ｗｉｅｎｅｒ滤波的一种新的时域方法。对带状态空间模型的线性离散随机系统，提出一种Ｗｉｅｎｅｒ状态估计器，可统一处理最优滤波、平滑和预报问题，且具有渐近稳定性，避免了求解Ｄｉｏｐｈａｎｔｉｎｅ方程和Ｒｉｃｃａｔｉ方程。仿真例子说明了其有效性。     

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.     

Wiener状态去卷滤波器

应用现代时间序列分析方法,基于ARMA新息模型提出了一类带多重观测滞后和带滑动平均（MA）有色观测噪声系统的Wiener状态去卷滤波器,它具有渐近稳定性和ARMA递推形式,可统一处理滤波、平滑和预报问题,且可用于解决带ARMA有色观测噪声系统状态估计和信号Wiener滤波与反卷积问题,二个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.     

Pole-assignment fixed-interval Kalman smoother with an exponential stability

Using the innovation analysis method in the time domain, based on the autoregressive moving average (ARMA) innovation model and white noise estimators, a pole-assignment fixed-interval steady-state Kalman smoother is presented for discrete-time linear stochastic systems. It avoids the computation of the optimal initial smoothing estimate, and can rapidly eliminate the effect of arbitrary initial smoothing estimate by assigning the poles of the smoother, with an exponentially decaying rate. Several simulation examples show its effectiveness.     

Wiener去卷滤波器设计新方法

应用现代时间序列分析方法,提出了多通道Wiener去卷滤波器设计的一种新的时 域方法.它的特点是基于ARMA新息模型可简单地得到渐近稳定的Wiener去卷滤波器,避 免了求解Diophantine方程,减小了计算负担,且可统一处理去卷滤波、平滑和预报问题.仿真 例子说明了其有效性.