广义离散随机线性系统自校正状态估计

本文运用现代时间序列分析的观点（１）研究广义离散随机线性系统的状态估计，提出了广义系统自校正最优滤波，平滑，预报。     

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。     

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。     

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。     

带有色观测噪声系统最优和自校正状态估计器

带有色观测噪声系统最优和自校正状态估计器黑龙江大学应用数学研究所邓自立，马灵洁基于ＡＲＭＡ新息模型，通过计算白噪声估值器和输出预报器，提出一种带有色观测噪声系统的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，可处理未知的非平稳有色观测噪...     

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。     

自校正α-β跟踪滤波器

本文用现代时间序列分析方法对雷达跟踪系统提出了一种新的自校正α-β跟踪滤波器, 它有如下优点:1)可处理带未知噪声统计和含未知模型参数的跟踪系统;2)基于ARMA新 息模型的在线辨识,可简单地计算α-β滤波器的参数;3)避免解稳态Riccati方程;4)具有渐 近最优(自校正)性.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。     

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．     

多变量自校正滤波器和平滑器

本文用状态空间方法提出了多变量自回归滑动平均(ARMA)过程的自校正滤波器,运用 时间序列分析方法,提出了多变量ARMA过程的自校正滤波器和自校正平滑器,并且用这两 种方法提出的自校正滤波器是一致的,推广了对于单变量ARMA过程的Hagander和Wittenmark 的结果[3].     

Exact finite-dimensional nonlinear filters

A new nonlinear filter is derived for continuous-time processes with discrete-time measurements. The filter is exact, and it can be implemented in real time with a computational complexity that is comparable to the Kalman filter. This new filter includes both the Kalman filter and the discrete-time version of the Benes filter as special cases. Moreover, the new theory can handle a large class of nonlinear estimation problems that cannot be solved using the Kalman or discrete-time Benes filters. A simple approximation technique is suggested for practical applications in which the dynamics do not satisfy the required conditions exactly. This approximation is analogous to the so-called "extended Kalman filter" [10], and it represents a generalization of the standard linearization method.     

基于二维Otsu阈值修正的图像分割新方法

首先采用对二维直方图斜分割和查表的方法,解决了传统二维Otsu方法分割图像计算耗时,难以实时实现的缺点。其次基于灰度统计的思想,针对二维Otsu法处理小目标图像难以实现正确分割的缺点,提出了一种在实现过程中采用迭代的阈值修正新方法。最后设计了一种新型滤波器对分割后的图像进行滤波降噪处理。实验结果表明,阈值修正后的二维Otsu改进算法对小目标图像分割效果明显,而且新型滤波器对滤除散布在目标与背景中的噪声非常有效。将阈值修正法和新型滤波器结合使用,不仅快速,而且准确,取得了良好的分割效果。     

自适应Kalman滤波器及其应用

对于带未知噪声统计的单输出系统,本文提出了一种新的自适应Kalman滤波器.应用 现代时间序列分析方法,基于ARMA新息模型的滑动平均(MA)参数的在线辨识,提出了 稳态最优Kalman滤波器增益估计的一种新算法,比Mehra的算法简单.同时还提出了辨 识滑动平均(MA)模型参数的一种新的自适应Kalman滤波算法.此外,给出了在雷达跟 踪系统中的应用,且仿真结果说明了本文算法的有效性.     

一种新型均值滤波器及在压力分布中的应用

提出了一种加入时间窗的时空自适应窗体中心加权的中值均值滤波算法,在自适应的时空滤波窗体内采用中心加权的中值选取并结合加权均值算法滤除压力分布中混合噪声。实验证明：该方法对于受椒盐噪声、高斯噪声污染比较严重的压力分布数据有较好的滤波效果,与小波、维纳滤波等其他线性滤波算法相比计算量要小得多。     

Iterative Image Restoration Combining Total Variation Minimization and a Second-Order Functional

A noise removal technique using partial differential equations (PDEs) is proposed here. It combines the Total Variational (TV) filter with a fourth-order PDE filter. The combined technique is able to preserve edges and at the same time avoid the staircase effect in smooth regions. A weighting function is used in an iterative way to combine the solutions of the TV-filter and the fourth-order filter. Numerical experiments confirm that the new method is able to use less restrictive time step than the fourth-order filter. Numerical examples using images with objects consisting of edge, flat and intermediate regions illustrate advantages of the proposed model. This work has been supported by the Research Council of Norway.     

离散系统的鲁棒最小方差滤波新算法及分析

提出了一种线性离散不确定系统鲁棒最小方差滤波新算法.当离散系统含有不确定 项时,能保证滤波误差的方差有界且最小.同已有算法相比,该算法只需要求解两个相互独立 的离散Riccati方程,可大大降低鲁棒滤波的计算和分析难度.通过对算法稳定性和设计参数 取值范围的分析表明,为了保证这种鲁棒滤波器存在,只要求离散系统中受不确定项影晌的 子系统二次稳定即可.实际算例显示了算法的有效性.     

Suboptimal filter for continuous‐time linear systems with unknown parameters

The filtering problem for continuous‐time linear systems with unknown parameters is considered. A new suboptimal filter is herein proposed. It is based on the optimal mean‐square linear combination of the local Kalman filters. In contrast to the optimal weights, the suboptimal weights do not depend on current observations; thus, the proposed filter can easily be implemented in real‐time. Examples demonstrate high accuracy and efficiency of the suboptimal filter. Copyright © 2008 John Wiley and Sons Asia Pte Ltd and Chinese Automatic Control Society     

单输出系统最优自校正滤波新方法及其在跟踪系统中的应用

对于带未知噪声统计且含未知模型参数的单输出系统,本文用现代时间序列分析方法提出了一种新的自校正滤波方法,给出了具有渐近最优性的自校正滤波器,新方法的特点是基于ARMA新息模型通过计算自校正输出预报器和自校正观测噪声滤波器就可得到自校正状态滤波器,文中给出了在跟踪系统中的应用例子,仿真结果说明了新方法的有效性。     

Real-time self-tuning deconvolution filter and smoother†

A new self-tuning deconvolution filter/smoother is presented. The algorithm runs in real time on a TMS32010 microprocessor. The filter/smoother employs a moving average of the innovations sequence to estimate the required signal. An application to speech processing and to the channel equalization problem is described.     

高斯渐进贝叶斯滤波器

渐进贝叶斯方法将先验分布到后验分布的演化描述为一阶动态系统,通过在伪时间上连续地引入观测信息实现后验状态估计.该方法的一般形式解,即动态系统的时间导数,是难以得到的.本文提出一种高斯型渐进贝叶斯滤波器.首先在线性高斯条件下推导了时间导数的解析解;然后证明了在该条件下,由该解析解确定的一阶动态系统与常量状态估计的Kalman-Bucy滤波器是一致的,且由此导出的高斯渐进贝叶斯滤波器与卡尔曼滤波器是一致的.最后利用一阶Taylor展开推导了滤波器在非线性高斯条件下的近似解表达式,并采用Monte Carlo方法给出了具体实现方法.通过若干仿真算例表明,新滤波器具有较高的精度,且在一定精度条件下的时间复杂度低于一般粒子滤波器.