带白色和有色观测噪声系统解耦Wiener状态估值器

基于经典稳态Kalman滤波理论, 对带白色和有色观测噪声系统提出了设计最优Wiener状态估值器的新方法. 通过稳态Kalman滤波器建立ARMA新息模型, 由稳态最优非递推Kalman状态估值器的递推变形引出Wiener状态估值器, 可统一处理滤波、预报和平滑问题, 它们具有状态解耦的ARMA递推形式, 且具有渐近稳定性和最优性, 仿真结果表明了算法的有效性.     

统一的和通用的Wiener状态滤波器

用现代时间序列分析方法,基于ARMA新息模型提出了带拟白噪声、拟相关噪声和带 观测滞后系统的统一的通用的渐近稳定的Wiener状态滤波器,可统一处理状态滤波、平滑和预 报问题.同Kalman滤波方法和多项式方法相比,避免了求解Riccati方程和Diophantine方程. 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     

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Kalman滤波的自回归滑动平均信号信息融合Wiener滤波器

应用Kalman滤波方法,在按矩阵加权线性最小方差最优信息融合规则下,提出了带白色观测噪声的多通道ARMA信号的多传感器信息融合Wiener滤波器.它可统一处理信息融合滤波、平滑和预报问题.为了计算最优加权阵,提出了计算局部滤波误差互协方差阵的公式.同单传感器情形相比,可提高估计精度.一个带三传感器的目标跟踪系统的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.     

广义离散随机线性系统降阶Wiener滤波、平滑和预报器

应用现代时间序列方法 ,基于自回归滑动平均 (ARMA)新息模型、白噪声估值器和观测预报器 ,对于广义离散随机线性系统 ,提出了降阶Wiener状态估值器 ,可统一处理滤波、平滑和预报问题 ,并且能减少计算负担 .仿真例子说明了算法的有效性     

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.     

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滤波问题的一种Diophantine方程解

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值器,提出Wiener滤波问题的一种Diophantine方程解。它可统一处理平稳或非平稳ARMA信号的最优滤波、平滑和预报问题。仿真例子说明了其有效性。     

不带Diophantine方程的多通道最优去卷滤波器

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值器,分别提出 了在ARMA新息滤波器形式下和在Wiener滤波器形式下的新的渐近稳定的多通道最优去卷 滤波器.它们避免了求解Diophantine方程,可统一处理去卷滤波、平滑和预报问题.还给出了 ARMA新息滤波器和Wiener去卷滤波器之间的关系.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。     

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     

Wiener去卷滤波器设计新方法

应用现代时间序列分析方法,提出了多通道Wiener去卷滤波器设计的一种新的时 域方法.它的特点是基于ARMA新息模型可简单地得到渐近稳定的Wiener去卷滤波器,避 免了求解Diophantine方程,减小了计算负担,且可统一处理去卷滤波、平滑和预报问题.仿真 例子说明了其有效性.     

白噪声Wiener反卷积滤波器

应用现代时间序列分析方法,基于ARMA新息模型提出了白噪声Wiener反卷积滤波器。该滤波器可统一处理滤波、平滑和预报问题,可用ARMA递推滤波器实现,适用于石油地震勘探数据处理。同多项式方法和Kalman 滤波方法相比,避免了求解Diophantine方程和Riccati方程,减少了计算负担。Bernoulli-Gaussian白噪声反卷积的仿真例子说明了其有效性。     

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.