分享到:

线性离散随机系统最优和稳态Kalman平滑器

对于带非零均值相关噪声的线性离散随机系统,基于Kalman 滤波器和射影理论,提出了新的最优固定点、固定区间和固定滞后 Kalman 平滑  (本文共5页) 阅读全文>>

黑龙江大学
黑龙江大学

不确定系统鲁棒融合Kalman滤波与反卷积

Kalman滤波方法是处理状态估计问题的基本工具。经典Kalman滤波方法要求系统的模型参数和噪声方差是精确已知的。然而,在实际应用中,由于未建模动态和随机扰动等原因,系统模型中往往存在着不确定性,包括模型参数不确定性和噪声方差不确定性,而参数不确定性又包括范数有界参数不确定性和随机参数不确定性(乘性噪声)。此外,由于传感器故障导致的丢失观测现象也经常发生。当系统模型中存在不确定性时,Kalman滤波器的性能会变坏甚至会引起滤波器的发散。这推动了在鲁棒Kalman滤波器设计上的许多研究。所谓的鲁棒Kalman滤波器是指针对由不确定性所形成的一族系统模型设计一个滤波器,使得对于所有容许的不确定性,它的相应的实际滤波误差方差阵被保证有最小上界。针对模型参数不确定但噪声方差已知的系统,设计鲁棒Kalman估值器的两种基本方法是Riccati方程方法和线性矩阵不等式(LMI)方法;针对噪声方差不确定但模型参数已知的系统,设计鲁棒Kalm...  (本文共301页) 本文目录 | 阅读全文>>

黑龙江大学
黑龙江大学

最优和自校正多传感器信息融合白噪声反卷积估值器

随着信息时代的到来,多传感器信息融合因其能有效地提高和优化基于单传感器的估计、识别或决策(控制)性能而得到了日趋广泛的重视和应用,其应用领域遍及军事和民用领域的方方面面。作为其中的一个分支,最优和自校正信息融合滤波理论分别是针对模型参数和/或噪声统计已知和未知两种情况下的多传感器系统的状态或信号的融合估计问题研究。系统的输入白噪声信号估计问题即白噪声反卷积估计问题在石油地震勘探和通信系统有重要应用背景。本文应用Kalman滤波方法和现代时间序列分析方法两种方法论,基于多传感器加权状态融合和加权观测融合两种融合方法,结合系统辨识方法,分别进行最优和自校正多传感器信息融合白噪声反卷积估值器的研究。主要工作包括以下四个方面:首先,应用Kalman滤波方法,基于Riccati方程,对带不同局部模型和带相关噪声多传感器系统给出统一的加权融合最优和稳态最优白噪声反卷积估值器。为了计算最优加权,给出了计算局部估计误差互协方差的两种公式。其次,...  (本文共339页) 本文目录 | 阅读全文>>

《经济学动态》2016年02期
经济学动态

消费平滑理论研究新进展

消费理论一直是微观经济理论与实践研究的热点问题,消费平滑作为其中一个较为新兴的领域引起学术界的广泛关注。本文对消费平滑研究进行系统梳理发现,家庭通过跨期消费(持有金融资产)、风险分担(利用家庭间的转移支付)和...  (本文共13页) 阅读全文>>

《意林》2015年18期
意林

然后

...  (本文共1页) 阅读全文>>

权威出处: 《意林》2015年18期
《中国摄影家》2003年10期
中国摄影家

《平滑的描述》

~~《平...  (本文共1页) 阅读全文>>

《摩托车技术》1993年05期
摩托车技术

有关摩托车磨合的知识

摩托车运行的最初1.600km,在整个摩托车寿命中占有重要的地位。在这...  (本文共1页) 阅读全文>>