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.     

ARMA信号的自校正去卷平滑器

本文从时间序列分析观点处理自适应信号去卷问题.应用新息方法和射影理论,对于通过线性系统被观测的未知的ARMA信号,本文提出了两类新的自校正最优去卷平滑器,包括了一些文献中的问题和结果作为特例,可应用于数据和信号处理、通讯、语音识别等许多不同领域.仿真例子说明了本文结果的有效性.     

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。     

ARMA信号的自校正去卷平滑器

本文从时间序列分析观点处理自适应信号去卷问题.应用新息方法和射影理论,对于通 过线性系统被观测的未知的ARMA信号,本文提出了两类新的自校正最优去卷平滑器,包括 了一些文献中的问题和结果作为特例[1-8],可应用于数据和信号处理[1,5,7,8]、通讯[2,6]、语音识 别[3]等许多不同领域.仿真例子说明了本文结果的有效性.     

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.     

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。     

应用于地震数据去卷的自校正白噪声估值器

本文把地震数据去卷问题处理为估计带观测噪声的ARMA模型的白噪声问题,应用时间 序列分析方法提出了不同于Mendel的新的稳态最优白噪声估值器,文章基于两个ARMA新 息模型的在线辨识,进一步给出了自校正白噪声估值器.     

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。     

多变量ARMA信号自校正最优去卷平滑估计方法及其渐近稳定性*

本文讨论信号去卷估计问题。运用新息理论和射影方法，基于ＡＲＭＡ新息模型设计多变量ＡＲＭＡ信号最优去卷平滑器，讨论了平滑器的渐近稳定性。在信号模型及噪声统计未知时，通过在线辨识ＡＲＭＡ新息模型提出了ＡＲＭＡ信号自校正去卷平滑器。     

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.     

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.     

A new information fusion white noise deconvolution estimator

The white noise deconvolution or input white noise estimation problem has important applications in oil seismic exploration, communication and signal processing. By the modern time series analysis method, based on the autoregressive moving average （ARMA） innovation model, a new information fusion white noise deconvolution estimator is presented for the general multisensor systems with different local dynamic models and correlated noises. It can handle the input white noise fused filtering, prediction and smoothing problems, and it is applicable to systems with colored measurement noises. It is locally optimal, and is globally suboptimal. The accuracy of the fuser is higher than that of each local white noise estimator. In order to compute the optimal weights, the formula computing the local estimation error cross-covariances is given. A Monte Carlo simulation example for the system with Bernoulli-Gaussian input white noise shows the effectiveness and performances.     

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。     

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。     

非平稳ARMA信号自校正去卷滤波器

本文用现代时间序列分析方法[1],对于通过已知线性系统被观测的未知非平稳ARMA输 入信号,提出了一种新的自校正递推去卷滤波器,它可用ARMA新息滤波器形式表示,适用 于非最小相位和不稳定的线性观测系统.仿真例子说明了其有效性.