共查询到10条相似文献,搜索用时 104 毫秒
1.
2.
广义系统Wiener 滤波和Kalman 滤波新方法* 总被引:5,自引:0,他引:5
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。 相似文献
3.
广义系统Wiener状态滤波新算法 总被引:1,自引:0,他引:1
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,由一种新的非递推最优状态估值器的递推变形,提出了广义系统Wiener状态滤波的一种新算法,它可统一处理滤波、平滑和预报问题,且具有渐近稳定性。同某些算法相比,它避免了求解Riccati方程和Diophantine方程,且避免了计算伪逆,因而减小了计算负担。仿真例子说明了其有效性。 相似文献
4.
5.
极点配置广义稳态Kalman估值器 总被引:1,自引:0,他引:1
应用时域上的现代时间序列分析方法,基于自回归滑动平均(ARMA)新息模型和白噪
声估值器,应用控制理论中的极点配置原理,对线性离散时间广义随机系统提出了极点配置广义
稳态Kalman估值器.它们具有全局渐近稳定性,且通过配置估值器的极点可按指数衰减速率使
初始状态估值的影响快速消失.它们可在统一框架下处理滤波、平滑和预报问题.它们避免了Riccati
方程和最优初始状态估值的计算,因而可减小计算负担.一个仿真例子说明了它们的有效性. 相似文献
6.
7.
本文研究了状态空间描述的离散广义系统最优预测器的设计问题,该系统带有即时和延时观测,所有观测中带有乘性噪声.论文在两个基本假设条件下采用标准的奇异值分解方法给出了受限等价时滞系统,对于此类系统没有采用状态增广方法,而是采用新息重组分析理论给出了多步预测器.因为延时观测的存在,所给出的多步预测器包含了两套递推的广义系统黎卡提方程.本文给出了一个数学算例验证了所提方法的正确性和有效性,并给出了四幅图片,根据算例可以看出一般情况下预测的步数越少,预测的结果越好.本文方法可以进一步来研究更复杂的一些问题,如延时广义系统的H_∞滤波和控制问题. 相似文献
8.
9.
10.
带多层融合结构的广义系统 Kalman 融合器 总被引:2,自引:0,他引:2
对带多传感器的线性离散随机广义系统, 用奇异值分解将其化为两个降阶耦合子系统, 应用现代时间序列分析方法, 基于自回归滑动平均 (Autoregressive moving average, ARMA) 新息模型和白噪声估计理论, 提出了带三层融合结构的分布式稳态 Kalman 融合器, 它由两个加权融合器和两个复合融合器组成. 第一层给出子系统状态融合器, 实现了每个子系统分量解耦融合; 第二层给出变换后状态融合器, 实现了两个子系统的解耦融合; 第三层给出原始状态融合器, 它可统一处理状态融合滤波、平滑和预报问题. 为计算最优加权阵, 给出了计算局部估计误差互协方差阵公式, 证明了它的精度比每个局部估值器精度高. Monte Carlo 的仿真实例说明了其有效性. 相似文献