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.     

稳态Kalman去卷滤波器及其应用

应用现代时间序列分析方法,基于非递推状态估计理论和ARMA新息模型,提出了含多重观测滞后系统的稳态Kalman去卷滤波器,并给出了它在跟踪系统中的仿真应用例子。     

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.     

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。     

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     

应用Diophantine方程的多通道最优去卷

应用时域上的现代时间序列分析方法,提出了具有ARMA新息滤波器形式的多通 道最优去卷估值器.它要求解一个Diophantine方程,可处理非平稳输入信号,且可统一处理 最优去卷滤波、平滑和预报问题.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.