基于Kalman滤波的Wiener状态估值器

应用经典稳态Kalman滤波理论提出了设计Wiener状态估值器的新方法,其原理是: 基于在Wiener滤波器形式下的稳态Kalman滤波器和预报器及ARMA新息模型,由稳态最优非 递推状态估值器的递推变形引出Wiener状态估值器.所提出的Wiener状态估值器可统一处理状 态滤波、预报和平滑问题.它们具有ARMA递推形式,且具有渐近稳定性和最优性,仿真例子说 明了它们的有效性.     

时域Wiener状态滤波新方法

基于稳态Kalman滤波器和射影理论,提出了统一和通用的时域Wiener状态滤波新方法,用它得到带非零均值相关噪声线性随机系统的渐近稳定的Wiener状态估值器和解耦Wiener状态估值器.它可统一处理状态滤波、预报和平滑问题.发现了Kalman滤波器和Wiener滤波器之间的变换关系,Wiener状态估值器可由Kalman估值器通过自回归滑动平均(ARMA)新息模型得到.一个仿真例子说明了其有效性.     

广义系统ARMA最优递推状态估值器

应用现代时间序列分析方法,基于ARMA新息模型和白噪声估值器,由非递推状 态估值器的递推变形,提出了广义系统的ARMA稳态最优递推状态估值器.它们具有 Wiener滤波器形式,可处理带奇异状态转移阵和/或带相关噪声的广义系统,可统一处理滤 波、平滑和预报问题,且可统一处理广义和非广义系统状态估计问题.仿真例子说明了其有效 性.     

Wiener 状态滤波器设计新方法

基于经典稳态Kalman滤波理论，应用射影理论，对完全可观完全可控的系统提出了设计Wiener状态滤波器的新方法，可统一处理稳定或不稳定系统的最优预报，滤波和平滑问题，估值器具有ARMA递推形式，且具有渐近稳定性，仿真例子说明了该算法的有效性。     

基于Kalman滤波的带相关噪声系统统一的Wiener状态估值器

基于Kalman滤波和白噪声估值器, 对带非零均值相关噪声系统提出了渐近稳定的统一的和通用的Wiener状态估值器. 它们可统一处理滤波、平滑和预报问题, 且避免了计算最优初始状态估值. 它们揭示了Kalman滤波器和Wiener滤波器之间的关系.一个仿真例子说明其有效性.     

固定区间Wiener平滑器及其实用稳定性

应用稳态Kalman滤波理论,提出了一种固定区间Wiener平滑器,由稳态最优非递推固定区间Kalman平滑器的递推变形引出固定区间Wiener平滑器.该平滑器具有一种在有限区间上的实用稳定性,即当原系统Kalman滤波器的所有特征值远离单位圆周时,对任意选取的平滑初值该平滑器能快速消除其影响而具有快速收敛性.当有接近单位圆周的特征值时,为消除其不良影响,给出了平滑初值的选取方法.仿真例子说明了其有效性.     

基于Kalman滤波的通用和统一的白噪声估计方法

用射影理论,基于Kalman滤波提出了通用和统一的白噪声估计方法,可统一解决带非零均值相关噪声的线性离散时变随机控制系统的白噪声滤波、平滑和预报问题.提出了输入白噪声估值器和观测白噪声估值器,最优和稳态白噪声估值器,固定点、固定滞后和固定区间白噪声平滑器,白噪声新息滤波器和Wiener滤波器.它可应用于石油地震勘探信号处理和状态估计,为解决信号和状态估计问题,提供了新的途径和工具.关于Bernoulli-Gaussian白噪声估值器的仿真例子说明了其有效性.     

快速次优固定区间Wiener平滑器算法

为了克服带相关噪声控制系统的最优固定区间Kalman平滑算法要求较大计算负担的缺点,应用Kalman滤波方法,基于CARMA新息模型,由稳态最优Kalman平滑器导出了带相关噪声控制系统的最优固定区间Wiener递推状态平滑器,它带有系数阵指数衰减到零的高阶多项式矩阵.用截断系数矩阵近似为零的项的方法提出了相应的快速次优固定区间Wiener平滑算法.它显著地减少了计算负担,便于实时应用,还给出了截断误差公式和选择截断指标的公式.仿真例子说明了快速平滑算法的有效性.     

广义系统Wiener状态滤波新算法

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。     

基于Kalman滤波的统一的Wiener状态滤波器

对于带相关噪声系统 ,基于稳态Kalman滤波器和自回归滑动平均 (ARMA)新息模型 ,提出了统一的渐近稳定的Wiener状态滤波器 ,可统一处理状态滤波 ,平滑和预报问题 .它们构成了一种新的时域Wiener滤波算法 .揭示了Kalman滤波器与Wiener滤波器之间的关系 .一个目标跟踪系统的仿真例子说明了它们的有效性     

广义系统Wiener 滤波和Kalman 滤波新方法*

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。     

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.     

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     

New approach to information fusion steady-state Kalman filtering

By the modern time series analysis method, based on the autoregressive moving average (ARMA) innovation model, a unified and general information fusion steady-state Kalman filtering approach is presented for the general multisensor systems with different local dynamic models and correlated noises. It can handle the filtering, smoothing, and prediction fusion problems for state or signal. The optimal fusion rule weighted by matrices is re-derived as a weighted least squares (WLS) fuser, and is reviewed. An optimal fusion rule weighted by diagonal matrices is presented, which is equivalent to the optimal fusion rule weighted by scalars for components, and it realizes a decoupled fusion. The new algorithms of the steady-state Kalman estimator gains are presented. In order to compute the optimal weights, the formulas of computing the cross-covariances among local estimation errors by Lyapunov equations are presented. The exponential convergence of the iterative solution of Lyapunov equation is proved. It is proved that the optimal fusion estimators under three weighted fusion rules are locally optimal, but are globally suboptimal. The proposed steady-state Kalman fusers can reduce the on-line computational burden, and are suitable for real-time applications. A simulation example for the 3-sensor steady-state Kalman tracking fusion estimators shows their effectiveness and correctness, and gives the accuracy comparison of the fusion rules.