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．     

ARMA信号的自校正去卷平滑器

本文从时间序列分析观点处理自适应信号去卷问题.应用新息方法和射影理论,对于通过线性系统被观测的未知的ARMA信号,本文提出了两类新的自校正最优去卷平滑器,包括了一些文献中的问题和结果作为特例,可应用于数据和信号处理、通讯、语音识别等许多不同领域.仿真例子说明了本文结果的有效性.     

ARMA信号的自校正去卷平滑器

本文从时间序列分析观点处理自适应信号去卷问题.应用新息方法和射影理论,对于通过线性系统被观测的未知的ARMA信号,本文提出了两类新的自校正最优去卷平滑器,包括了一些文献中的问题和结果作为特例[1-8],可应用于数据和信号处理[1,5,7,8]、通讯[2,6]、语音识别[3]等许多不同领域.仿真例子说明了本文结果的有效性.     

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。     

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。     

单通道白噪声估值器

本文用时域上的新息分析方法提出了统一、通用的单道白噪声估值器，它可处理带相关噪声的不稳定和非最小相位系统，并可处理带未知噪声统计和非零均值的白噪声。应用领域包括油田地震勘探、通讯、雷达跟踪、信号处理和状态估计等。仿真例子说明了其有效性。     

自校正Kalman滤波、预报、去卷、平滑新方法

本文用现代时间序列分析方法，提出了基于白噪声估值器和输出预报器解决线性离散定常系统稳态最优和自校正Ｋａｌｍａｎ滤波，预报，平滑问题新方法，此方法可能应用于跟踪系统、信号处理、通讯系统等领域，仿真例子说明了新方法的有效性。     

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.     

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。     

非平稳ARMA信号自校正平滑器及其在雷达跟踪系统中的应用

本文处理带白色观测噪声的未知非平稳ARMA信号估计问题,应用现代时间序列分析方法提出了非平稳ARMA信号自校正平滑器,推广了Hagander和Wittenmark的结果,并给出了在雷达跟踪系统中的应用,仿真结果说明了其有效性。     

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。     

一种新的带白噪声估值器的固定滞后Kalman平滑器

本文基于经典Kalman滤波器和Mendel的输入白噪声估值器，应用射影理论，提 出了一种新的带白噪声估值器的最优固定滞后Kalman平滑器，且给出了平滑增益阵和平滑误 差方差阵新算法，避免了计算滤波和预报误差方差阵的逆矩阵，减少了计算负担．还提出了 相应的稳态次优固定滞后Kalman平滑器，它具有渐近稳定性．仿真例子说明了所提出的结果 的有效性．     

动态系统白噪声估值器

用现代时间序列分析方法提出了单输入单输出(SISO)动态系统的统一的和通用的白噪声估值器.它包括输入白噪声估值器和观测白噪声估值器,可处理非零均值白噪声、相关白噪声、不稳定和非最小相位系统.对于雷达跟踪系统的仿真例子说明了其有效性和可应用性.     

基于相关空间辨识迭代映射形成的混沌时间序列和白噪声

本文研究了Logist迭代映射产生的混沌和白噪声的统计特性及时频特性，指出利用统 计的方法和传统的时频仪器是无法区分噪声和混沌的．进而提出一种可区分混沌与噪声的“ 相关空间法”，基于Logist映射混沌序列是由确定的非线性方程迭代产生的，相邻迭代值必 然存在相关性；而白噪声却是由大量的偶然因素产生的，相邻值不存在相关性．因而本文首 次提出由相互关联的临近序列组成相关空间，从而区分混沌和噪声．     

基于输入匹配的广义预测自校正控制器--有色噪声情况

为随机线性系统建立了全局收敛广义预测自校正控制算法,处理的是有色噪声的情况,并给出了完整而严格的收敛性证明.在通常假设条件下使用这种算法,能使适应控制律和最优控制律之差在样本均方意义下收敛到零.     

色噪声环境下双基地MIMO雷达相干目标角度估计算法

通过研究多输入多输出(Multiple input and multiple out,MIMO)雷达的角度估计算法,针对色噪声环境下双基地MIMO雷达相干目标角度估计问题,基于双基地MIMO雷达的信号模型,利用MIMO雷达的接收数据,通过四阶累积量的计算消除了色噪声的影响,并证明得到的一组矢量包含所有目标的角度信息;然后利用得到的四阶累积量矢量构造出块Hankel矩阵,并证明该矩阵的秩等于目标总数,且不受信号相干性的影响,通过奇异值分解,结合ESPRIT算法实现了色噪声环境下对相干目标的角度估计.算法结合四阶累积量和MIMO雷达的估计性能,具有自动抑制加性高斯白噪声和色噪声的能力,实现了相干目标的有效估计和参数的自动配对,提高了抗噪能力,更利于在实际中应用.最后计算机仿真结果证实了算法的有效性和可行性.