《多传感器ARMA信号自校正加权信息融合Wiener滤波器》PDF+DOC

📙 相关资料

1. 《多传感器信息融合稳态最优Wiener反卷积滤波器》PDF+DOC 应用现代时间序列分析方法，基于ARMA新息模型和Lyapunov方程，提出了单通道ARMA信号的多传 感器信息融合稳态最优Wiener反卷积滤波器。它避免了Riccati方程，可用于设计含未知模型参数和含未知噪声方 差系统的自校正信息融合滤波器。一个仿真例子说明了其有效性。...
2. 《ARMA信号自校正信息融合Wiener滤波器》PDF+DOC 对于带多传感器的含有未知模型参数和噪声统计的ARMA信号，应用现代时间序列分析方法，基于ARMA新息模型的在线辨识，提出了多传感器自校正信息融合Wiener滤波器。它具有渐近最优性，且可统一处理滤波、平滑和预报问题。一个跟踪系统的仿真例子说明了其有效性。...
3. 《自校正信息融合Wiener反卷积滤波器》PDF+DOC 对于含有未知模型参数和噪声统计的多传感器信号反卷积系统，应用现代时间序列分析方法，基于自回归滑动平均(ARMA)新息模型参数的在线辨识，可在线估计噪声方差，进而提出了自校正信息融合Wiener反卷积滤波器。证明了它的渐近最优性，即若ARMA新息模型参数估计是一致的，则它收敛于当噪声方差已知时的最优融......
4. 《多通道ARMA信号信息融合Wiener滤波器》PDF+DOC 应用Kalman滤波方法，基于白噪声估计理论，在线性最小方差最优信息融合准则下，提出了多通道ARMA 信号的两传感器信息融合稳态最优Wiener滤波器、平滑器和预报器；给出了最优加权阵和最小融合误差方差阵。与单传感器情形相比，可提高滤波精度。一个雷达跟踪系统的仿真例子说明了其有效性。...
5. 《单通道ARMA信号信息融合Wiener反卷积滤波器》PDF+DOC 应用现代时间序列分析方法，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，在线性最小方差最优加权信息融合准则下，对单通道ARMA信号提出了多传感器分布式融合Wiener反卷积滤波器，可统一处理融合滤波、平滑和预报问题。为了计算最优加权，提出了局部估计误差互协方差的计算公式。同单传感......
6. 《两传感器自校正信息融合白噪声Wiener反卷积滤波器》PDF+DOC 应用现代时间序列分析方法，基于自回归滑动平均(ARMA)新息模型，对于带未知模型参数和噪声方差的两传感器反卷积系统，提出了自校正信息融合白噪声Wiener反卷积滤波器。它具有渐近最优性。一个Bernoulli-Gaussian白噪声反卷积的仿真例子说明了其有效性。...
7. 《多传感器ARMA信号观测融合Wiener滤波器》PDF+DOC 利用现代时间序列分析方法，基于ARMA新息模型，提出了多传感器加权观测融合Wiener信号滤波器。可统一处理信号融合预报、滤波和平滑问题。同集中式观测融合方法和分布式状态融合方法相比，不仅可得到全局最优Wiener信号滤波器，而且可显著地减小计算负担，便于实时应用。一个两传感器位置跟踪系统的仿真例子......
8. 《两传感器信息融合最优白噪声反卷积Wiener滤波器》PDF+DOC 应用现代时间序列分析方法和白噪声估计理论，提出了两传感器最优信息融合白噪声反卷积Wiener滤波器，其中给出了局部滤波误差之间的协方差公式，它可被用于计算最优融合加权系数。一个仿真例子说明了其有效性。...
9. 《自校正信息融合Wiener滤波器及其收敛性》PDF+DOC 对带未知噪声统计的多传感器系统，用求解相关函数矩阵方程组的方法得到噪声统计在线估值器，并提出了自校正Lyapunov方程。用现代时间序列分析方法，基于滑动平均(MA)新息模型的辨识，在按分量标量加权线性最小方差最优信息融合准则下，提出了自校正分量解耦融合Wiener滤波器，并用动态误差系统分析(DE......
10. 《多通道ARMA信号加权观测融合反卷积Wiener滤波器》PDF+DOC 应用现代时间序列与状态空间方程的转换定理，将带观测时滞的ARMA信号转换为状态空间模型。本文描述存在时滞的系统和噪声的方法是用自回归滑动平均模型(ARMA)，通过ARMA信号与状态空间模型的转换来完成模型的转换，在转换过程中将时滞巧妙的嵌入到状态转移矩阵Φ中，从而得到信息滤波器形式的Kalman滤波......