统一的快速次优固定区间白噪声Wiener平滑算法

对带相关噪声的线性离散随机控制系统,应用Kalman滤波方法,基于CARMA新息模型导出了统一的最优固定区间白噪声递推Wiener平滑器,它带有系数阵指数衰减到零的高阶多项式矩阵.进一步用截断方法提出了相应的快速次优固定区间自噪声Wiener平滑算法,它显著地减小了计算负担.给出了平滑误差公式和选择截断指数的公式.一个Bernoulli-Gaussian白噪声的仿真例子说明了所提出的结果的有效性.     

极点配置固定区间Kalman平滑器和Wiener平滑器

基于稳态Kalman滤波器和白噪声估值器,根据控制理论中的极点配置原理,提出了极点配置固定区间稳态Kalman平滑器和Wiener平滑器.它们避免了计算最优平滑初值,且通过配置平滑器的极点,可快速消除初始平滑估值的影响,因而它们具有在有限固定区间上的实用稳定性,仿真例子说明了它们的有效性.     

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.     

固定区间Kalman平滑新算法

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,提出了一种正向固定区间稳态Ｋａｌｍａｎ平滑新算法和两种反向固定区间稳态Ｋａｌｍａｎ平滑新算法,并给出了保证算法最优性的最优初值公式。算法简单,便于实时应用。仿真例子说明了它们的有效性。     

U-D分解的前向固定区间平滑新算法

本文提出了两种前向固定区间平滑新算法以解决工程问题.为了确保算法的数值稳定性并提高计算效率,两种算法中的协方差矩阵传播均使用了U-D分解形式.计算量分析结果表明,两种新算法与Keigo Watanabe前向平滑算法相比较,计算量减少40%以上;状态维数较高时,计算效率提高3倍以上.     

固定区间平滑新算法及其在飞行试验中的应用

本文根据Kalman滤波和Rauch-Tung-Striebel固定区间平滑公式,提出了信息滤波--固定区间平滑的新算法,并给出了算法的U-D分解形式.由于改变了算法结构,使整个算法的数值稳定性好、可靠性高,而且平滑算法计算量和平滑所需滤波计算量均大为减少.计算量分析结果表明,新算法与Bierman序列滤波和固定区间平滑算法.Keigo. Watanabe前向平滑方法相比较,计算量减少40%以上;当状态转移阵中各元素用K的函数表示时,计算量减少50%以上.本文将此平滑算法用于实际飞机飞行试验的数据处理中,得到了令人满意的结果.     

一类新的固定点和固定区间KALMAN平滑器

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,对线性定常离散随机系统提出了两种新的固定点Kalman平滑器和两种新的正向固定区间Kalman平滑器.它们的优点是避免了解Riccati方程,算法简单,可在线实现.为了保证它们的最优性,给出了最优初值估值公式.仿真例子说明了其有效性.     

U－D分解的前向固定区间平滑新算法

本文提出了两种前向固定区间平滑新算法以解决工程问题．为了确保算法的数值稳定性并提高计算效率，两种算法中的协方差矩阵传播均使用了Ｕ－Ｄ分解形式．计算量分析结果表明，两种新算法与ＫｅｉｇｏＷａｔａｎａｂｅ前向平滑算法相比较，计算量减少４０％以上；状态维数较高时，计算效率提高３倍以上．     

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.     

一类新的固定点和固定区间KALMAN平滑器1)

Using the modern time series analysis method,based on the autoregressive moving average (ARMA)innovation model and white noise estimators,this paper presents two new fixed-point Kalman smoothers and two new forward fixed-interval Kalman smoothers for linear discrete time-invariant stochastic systems.Their advantages are that the solution of the Riccati equation is avoided,and that the algorithms are simple and can be implemented on line.The optimal initial estimate formulas are given in order to ensure the optimality of the proposed smoothers.A simulation example shows their usefulness.     

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     

Identification by a combined smoothing nonlinear programming algorithm

An offline algorithm is developed for identification of parameters of linear, stationary, discrete, dynamic systems with known control inputs and subjected to process and measurement noise with known statistics. Results of the algorithm include estimates of the parameters and smoothed estimates of the state and process noise sequences. The problem is stated as the minimization of a quadratic performance index. This minimization problem is then converted to a nonlinear programming problem for determining the optimum parameter estimates. The new algorithm is shown to be cost competitive with the currently popular filtering-sensitivity function method. A third order example with simulated data is presented for comparison.     

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.     

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。     

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.     

基于维纳滤波和快速独立分量分析的P300提取方法

应用维纳滤波和快速独立分量分析技术(FastICA)，提出一种诱发电位(EP)P300分量的少次提取算法。首先由少次刺激平均后的EP和具体一次刺激信号构造维纳滤波器，对滤波后的结果进行叠加平均得到新的EP，然后利用FastICA实现EP与伪迹噪声的盲分离，最后通过人工或自动的方式识别出伪迹分量，将该分量移去进行算法的重新映射，提取出信噪比较高的P300。实验结果表明，本文算法能取得较好的EP提取效果，同时由较少的刺激次数就可获得易于辨识和测量的P300，避免了过多刺激导致的神经疲劳及波形失真。