《多传感器信息融合Wiener反卷积平滑器》PDF+DOC

📙 相关资料

1. 《分布式信息融合Wiener反卷积平滑器》PDF+DOC 应用现代时间序列分析方法，基于ARMA新息模型和增广的状态空间模型，提出了按标量加权多传感器最优信息融合Wiener反卷积平滑器，给出了局部平滑器误差方差和互协方差的计算公式，它们可被用于计算最优加权系数。同单传感器情形相比，可提高融合平滑器的精度。一个仿真例子说明其有效性。...
2. 《信息融合WIENER信号滤波器》PDF+DOC 利用现代时间序列分析方法，基于ARMA新息模型和增广的状态空间模型，提出了两传感器最优信息融合WIENER信号滤波器，给出了计算局部滤波器误差方差和局部滤波器之间协方差的计算公式，它们可被用于计算最优加权系数．同单传感器情形相比，可提高滤波器的精度．一个仿真例子说明其有效性．...
3. 《多传感器信息融合Wiener滤波器和平滑器》PDF+DOC 应用现代时间序列分析方法，基于ARMA新息模型和增广状态空间模型，应用标量加权最优融合准则，对于带白色和有色观测噪声的ARMA信号，提出了多传感器分布式最优信息融合Wiener滤波器和平滑器，其中给出了计算局部平滑误差方差和互协方差的计算公式，它们可被用于计算最优加权系数。同单传感器情形相比，可提高......
4. 《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。...
5. 《多传感器单通道信息融合Wiener滤波器》PDF+DOC 应用现代时间序列分析方法，对于带白色观测噪声的单通道ARMA信号，基于ARMA新息模型，提出了多传感器线性最小方差最优信息融合Wiener滤波器，可统一处理滤波、平滑和预报问题。同单传感器情形相比，可提高滤波精度、算法简单、便于实时应用。一个跟踪系统的仿真例子说明了其有效性。...
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......
8. 《多传感器ARMA信号自校正加权信息融合Wiener滤波器》PDF+DOC 本文对于含有未知模型参数和噪声统计的ARMA模型信号，运用现代时间序列分析方法，在递推增广最小二乘法的基础上，对ARMA新息模型参数进行在线辨识，辨识得到未知模型参数。噪声统计的在线估计是通过求解相关矩阵方程组的方法来完成的。基于按标量加权最优融合准则，本文推导出了ARMA模型信号分布式自校正加权信......
9. 《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......
10. 《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......