排序方式: 共有37条查询结果,搜索用时 15 毫秒
1.
带乘性噪声系统由于其广泛的适用性,一直成为研究的热点。针对带乘性噪声系统状态最优估计的自适应算法进行研究,探讨在噪声服从平稳正态分布情况下,对未知动态噪声方差阵与观测噪声方差阵的辨识问题。在证明带乘性噪声系统新息在稳态时和线性系统新息有着相似稳定特性的前提下,通过对线性系统辨识方法的改进,完成对带乘性噪声系统噪声方差阵的辨识,并利用新息特性对该方法进行进一步改进,以提高辨识精度;最后通过仿真验证该方法的有效性。 相似文献
2.
针对带乘性噪声广义系统,提出1种在线性最小方差意义下的状态最优估计算法.首先,采用标准分解将系统变换为2个子系统;其次,通过估计子系统的状态,获得原系统的状态最优滤波.同时,算法还给出了动态噪声与量测噪声的估计.仿真结果表明了该算法的有效性. 相似文献
3.
针对多尺度带乘性噪声系统,在多尺度最优滤波融合的基础上,进行状态最优固定域平滑算法的研究.通过推广得到的平滑算法需要大量的局部传感器参数,而分布式多尺度滤波融合后不能保留这些信息.针对这一弊端对算法进行改进,推导出仅使用融合后的一步预测及滤波值的平滑算法.该算法在线性最小方差意义下是最优的.计算机仿真验证了算法的可行性. 相似文献
4.
针对带乘性噪声的一类非线性系统,给出了1种带单重渐消因子的强跟踪状态滤波算法。该算法将非线性系统线性化后,采用了线性最小方差估计方法来进行状态估计,通过运用正交原理和引入渐消因子,使得滤波效果具有强跟踪的优良性能。该算法扩展了卡尔曼滤波在带乘性噪声非线性系统状态估计中的应用范围。仿真结果表明了该算法的有效性。 相似文献
5.
针对多传感器观测环境下带乘性噪声系统的逆向最优滤波与反褶积融合估计问题 ,本文提出了 1种基于极大似然准则的最优融合算法。该算法中各单传感器间并行计算 ,并且融合中心与单传感器处理中心间无反向通讯 ,因而执行效率较高。仿真表明 ,该融合算法产生的逆向滤波与反褶积比单传感器处理结果有较明显提高 相似文献
6.
当网络控制系统信道中存在乘性噪声和丢包、时滞时,数据在传输中会受到干扰甚至丢失。本文针对带有乘性噪声、丢包和一步随机时滞的一类网络控制系统,通过状态增广,将信道特性转化为随机系统参数,并利用线性矩阵不等式方法推导了其H∞滤波器,使得滤波误差满足给定的H∞性能指标。本文算法将H∞滤波器设计转化为便于计算机求解的约束凸优化问题,并通过仿真和对比验证了算法的有效性。 相似文献
7.
针对水下目标跟踪和石油地震勘探等领域中传感器故障检测的必要性和复杂性,提出了一种带乘性噪声系统的传感器故障模型。并基于状态估计,给出了故障发生前后新息序列正交性变化的结论及相关证明,由此建立了故障检测指标。该方法摆脱了基于状态估计的故障检测方法中对新息需满足正态分布特性的束缚,同时显著地提高了故障诊断的精度,也在一定程度上实现了对滤波器工作性能的监测及观测数据可靠性的判断。仿真结果表明:该方法能够及时有效的识别出故障发生点。 相似文献
8.
带乘性噪声系统的极大似然最优估计算法 总被引:1,自引:1,他引:0
对带乘性噪声系统(SMN)在乘性噪声及其统计参数未知的情况下,基于极大似然准则,提出了一种分块组合优化估计算法(BCOEA)。该算法不需要事先知道乘性噪声的统计参数,可同时进行状态最优估计以及乘性噪声序列和其统计参数的最优估计。 相似文献
9.
针对多通道观测环境下带乘性噪声系统的最优滤波问题,提出了1种状态最优滤波的分部算法。分部估计方法将状态估计分解为标称滤波估计和余项估计2项相加的形式。该算法在线性最小方差意义下是最优的。仿真实例表明,分部算法的鲁棒性更强,对系统初值的改变具有更强的适应能力。 相似文献
10.
利用小波变换和多尺度分析的思想,将基于模型的动态系统分析和基于统计特性的多尺度信号变换方法相结合。提出了在线性最小方差意义下的带乘性噪声系统的多尺度最优滤波融合算法。并用计算机仿真说明了融合算法的有效性。 相似文献