导读:本文包含了多通道带乘性噪声系统论文开题报告文献综述、选题提纲参考文献及外文文献翻译，主要关键词:噪声,系统,通道,反褶积,最优,方差,广义。
多通道带乘性噪声系统论文文献综述
张玲,刘川,杨荣荣[1]（2016）在《多通道带乘性噪声2-D广义系统状态最优估计算法》一文中研究指出2-D系统及其广义系统在图像处理,电力网络等领域有着广泛的应用,本文基于多通道带乘性噪声的2-D广义Roesser模型提出一套状态最优估计算法。在以往基于2-D广义系统的研究中乘性噪声因子多假设是一维随机序列,本文的乘性噪声因子是对角矩阵,矩阵对角线上每个元素都是一维随机序列,这意味着系统不仅具有多个观测通道而且每个观测通道都受到不同乘性噪声的影响,更加符合实际情况,能够解决系统在更加复杂环境中的状态估计问题。仿真结果验证了该算法的有效性。(本文来源于《中国海洋大学学报(自然科学版)》期刊2016年07期）
吴鑫[2]（2016）在《多通道乘性噪声离散时间系统的线性最优估计方法研究》一文中研究指出带乘性噪声系统的最优估计理论一直在地下勘探、水下探测等领域具有非常重要的研究价值和实践应用。然而,在现存的大量文献作品中乘性噪声在通常情况下都会被认为是一个标量。近年来,在通讯技术广泛应用的启发下,考虑一种对角矩阵形式的乘性噪声,这种形式的乘性噪声能够做到真正意义上的多通道。本文针对多通道乘性噪声离散时间系统的线性最优估计问题进行研究,给出这类系统的最优估计算法。本文所讨论的最优估计算法均是建立在最小方差意义上的。本文的主要工作如下:(1)本文简单概述了带乘性噪声系统的最优估计理论的发展现状,在标量乘性噪声的局限性的启发下,进一步介绍多通道乘性噪声系统的最优估计理论的研究现状及研究意义。(2)本文针对多通道乘性噪声离散时间系统的最优估计问题给出最优估计算法,并且这里的乘性噪声各自出现在状态方程和估计方程中。本文拟引用矩阵Kronecker积和Hadamard积(⊙)乘法,基于投影理论,依据求解一个带有Hadamard积的形式的差分黎卡提方程和一个差分李雅普诺夫方程,从而推导出了所需的最优估计器。(3)本文针对带有时滞的多通道乘性噪声系统的最优估计问题给出了最优估计算法。首先,尝试使用了状态扩维的方法对将时滞系统转化为无时滞系统,进而将问题的求解统一为传统的多通道乘性噪声系统估计问题中去。然而,状态扩维方法在时滞很大时会带来较大的计算工作量。对比其缺点后,本文基于新息分析的方法,即通过计算一个偏差分黎卡提方程和一个李雅普诺夫方程的方法来解决,从而求得所需的估计器,此方法在时滞非常大时,能减少计算工作量。(4)最后通过数据仿真进一步验证了所提出方法的有效性。(本文来源于《山东师范大学》期刊2016-06-05）
刘川[3]（2015）在《复杂多通道带乘性噪声2-D系统最优估计算法研究》一文中研究指出本文主要研究复杂多通道带乘性噪声二维(2-D)状态空间模型的最优估计算法。所谓二维(2-D)状态空间模型指的是系统的状态是两个自变量的函数。因此,2-D模型比1-D模型更复杂,也更符合某些现实研究对象。随着现代控制理论研究范围的逐步扩大,基于2-D状态空间模型的研究成果也越来越丰富。乘性噪声较广泛地存在于基于2-D模型研究的问题中,例如图像处理领域的椒盐噪声。复杂多通道带乘性噪声系统可以描述系统多个观测通道的乘性噪声对系统观测的影响,并且不同信道之间的乘性噪声影响存在耦合,该模型更加贴近实际情况。复杂多通道带乘性噪声2-D系统最优估计算法能够解决在更加复杂环境中的系统最优估计问题。本文完成的主要工作如下：1.基于复杂多通道带乘性噪声的2-D FM-Ⅱ状态空间模型,利用正交投影定理推导了该模型的状态最优滤波算法。该算法具有递推结构,采用逐行状态滤波的顺序,克服了之前方法中存在的“维数灾难”问题,计算量较小,便于在计算机上实现。2.基于复杂多通道带乘性噪声的2-D FM-Ⅱ状态空间模型,利用正交投影定理推导了该模型观测噪声的最优估计算法。在观测噪声滤波算法的基础上,继续利用投影定理可以得到该状态空间模型观测噪声在单指标变化下的固定域平滑算法。3.对于复杂多通道带乘性噪声的广义2-D Roesser模型,首先利用等价变换将其变换为两个降阶的子系统,其中一个子系统是复杂多通道带乘性噪声的2-DFM-Ⅱ状态空间模型,它的系统噪声和观测噪声可在二维平面同一坐标点上统计相关;另一个子系统由原系统的系统噪声组成。利用正交投影定理推导两个子系统的状态滤波算法,然后利用之前的变换关系可得到复杂多通道带乘性噪声的广义2-D Roesser模型的状态滤波算法。4.上述估计算法在线性最小方差意义下是最优的,作者对所提算法进行了仿真,其有效性得到了验证。(本文来源于《中国海洋大学》期刊2015-05-30）
褚东升,吴昊罡,于春晓[4]（2007）在《一类带乘性噪声多通道非线性系统的平滑算法》一文中研究指出在各通道乘性噪声不同的情况下,针对多通道带乘性噪声非线性系统的状态估计问题,提出1种状态平滑算法。该算法运用扩展卡尔曼滤波方法先根据全部观测数据对状态进行滤波估计,并存储一步预测估计值和一步预测估计误差的方差,利用存储的数据进行递推运算,得到状态的固定域平滑估计。仿真结果表明平滑算法较滤波算法精确性更高,稳定性更强。(本文来源于《中国海洋大学学报(自然科学版)》期刊2007年04期）
吴昊罡[5]（2007）在《带乘性噪声多通道非线性系统的状态估计及反褶积算法研究》一文中研究指出带乘性噪声系统在石油地震勘探、水下目标探测、通讯工程和语音处理等诸多应用领域中都有重要应用。此类系统的状态估计、信号的反褶积估计等问题都具有重要的理论研究价值和工程应用价值。本文针对一类带乘性噪声多通道非线性系统,研究推导了状态滤波、平滑以及随机输入信号的反褶积估计算法。在工程实际中描述系统的数学模型往往是非线性的。本文基于扩展卡尔曼滤波的方法对这一类带乘性噪声非线性系统进行了近似线性化处理,并考虑到在实际工程中系统存在动态噪声和观测噪声相关的情况,对多通道带乘性噪声非线性系统的状态滤波、平滑估计以及随机输入信号的反褶积估计等问题进行了进一步的探讨。主要有以下工作:一、根据多通道带乘性噪声非线性系统的实际需要,基于投影定理,在系统动态噪声与观测噪声相关的情况下,推导出一类多通道带乘性噪声非线性系统滤波估计递推算法,使其具有更为广泛的应用范围。二、在多通道带乘性噪声非线性系统的滤波算法基础上,应用新息序列的性质和投影定理,推导出一套乘性噪声为多通道情况下的固定域状态次优平滑估计的直接算法和间接算法。间接算法通过引入中间变量的递推表达,减少了运算量,使算法更加实用。在此基础上,进一步针对系统动态噪声与观测噪声相关的情况给出一套间接平滑算法。叁、在系统动态噪声与观测噪声不相关的情况下,以滤波和平滑算法为基础,推导出多通道带乘性噪声非线性系统的随机输入信号固定域反褶积和固定点反褶积算法。四、通过进行计算机仿真实验,验证了各估计算法的有效性。(本文来源于《中国海洋大学》期刊2007-04-01）
褚东升,史政,王璐[6]（2005）在《复杂多通道带乘性噪声系统的逆向滤波及单向反褶积算法》一文中研究指出针对石油地震勘探、水下目标探测和语音处理等许多实际应用领域,在乘性噪声为一般随机矩阵的情形下,给出了在线性最小方差意义下的逆向最优滤波及单向最优反褶积算法。并对该算法进行了仿真研究,仿真结果表明了该算法的有效性。(本文来源于《中国海洋大学学报(自然科学版)》期刊2005年05期）
褚东升,李莉,陈萌[7]（2005）在《多通道带乘性噪声系统的分部滤波算法》一文中研究指出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。(本文来源于《中国海洋大学学报(自然科学版)》期刊2005年03期）
史政[8]（2005）在《复杂多通道带乘性噪声系统的逆向滤波及单向反褶积算法研究》一文中研究指出带乘性噪声系统普遍存在于石油地震勘探、水下目标探测、通讯工程和语音处理等诸多应用领域。关于这类系统的最优估计,如动态系统的状态估计、信号反褶积估计及参数辨识估计等问题是十分重要的。其中,反褶积估计理论在石油地震勘探、信号处理等领域有着重大意义,基于逆向滤波的反褶积估计具有离线处理和存储量小等优点从而更加实用。本文主要针对复杂多通道带乘性噪声系统的逆向滤波及单向反褶积算法做进一步研究。 多通道带乘性噪声系统的研究目前还不够完善,在观测模型中,多是假定乘性噪声为一维随机序列,即当观测为多维(多通道)时,各通道的乘性噪声是完全相同的,这种假设往往不符合实际情况。本文所讨论的复杂多通道带乘性噪声系统的逆向滤波及单向反褶积算法,将乘性噪声推广到了一般随机矩阵的情形,刻画了一种更复杂的通道特性,从而更加符合实际情形。另外随着计算机技术的飞速发展,高度复杂的数据处理已成为可能,带乘性噪声系统的最优估计算法的稳定性问题及多传感器信息融合问题在众多领域受到了人们的广泛关注。因此,本文还分别针对基于奇异值分解的复杂多通道带乘性噪声系统的逆向滤波及单向反褶积算法和多传感器观测下的复杂多通道带乘性噪声系统的逆向滤波及单向反褶积融合算法做了进一步的研究探讨。 本文的主要研究工作如下: 第一,考虑到复杂多通道乘性噪声系统问题的真实情况,假定在各个通道的乘性噪声同时刻相关,且加性噪声同时刻相关的情况下,推导出了逆向滤波及单向反褶积算法。该算法在线性最小方差意义下是最优的。 第二,为了保证数值计算的稳定性,进一步建立了一套基于奇异值分解的逆向滤波及单向反褶积算法。该算法保持了线性最小方差意义下是最优的特点,同时提高了数值鲁棒性。 第叁,针对多传感器观测下的复杂多通道带乘性噪声系统,给出了逆向滤波及单向反褶积融合算法,其中,根据融合策略的不同,分别提出了集中式和分布式两种融合算法,而针对分布式融合算法又分别给出带反馈和不带反馈两种实现形式。 第四,本文通过大量的仿真实例,表明了上述各算法的有效性。(本文来源于《中国海洋大学》期刊2005-05-01）
褚东升,陈萌,王璐[9]（2004）在《基于奇异值分解的多通道带乘性噪声系统的最优滤波算法》一文中研究指出提出 1种基于奇异值分解 (SVD)的多通道带乘性噪声系统的最优滤波方法。该方法基于多通道带乘性噪声系统的最优滤波理论[1] ,利用奇异值分解作为工具 ,将原算法中的协方差矩阵P进行奇异值分解 ,可以在一定程度上避免在递推过程中 ,由于计算误差和舍入误差的积累而引起的协方差矩阵P失去对称性 ,因而导致算法失效的问题。在保证算法在线性最小方差意义下为最优的同时 ,具有很好的数值稳定性和鲁棒性。仿真中对改进后算法和原算法估计效果做了对比 ,仿真结果证明了本文方法的有效性。(本文来源于《中国海洋大学学报(自然科学版)》期刊2004年05期）
綦声波,张玲,王璐[10]（2004）在《复杂多通道带乘性噪声系统的最优固定域平滑算法》一文中研究指出研究 1种在更弱的乘性噪声限制条件下系统的状态最优估计算法。在最优滤波算法的基础上 ,进一步给出了在线性最小方差意义下最优的固定域平滑算法。针对该算法所进行的仿真研究已表明该算法的有效性(本文来源于《中国海洋大学学报(自然科学版)》期刊2004年04期）
多通道带乘性噪声系统论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
带乘性噪声系统的最优估计理论一直在地下勘探、水下探测等领域具有非常重要的研究价值和实践应用。然而,在现存的大量文献作品中乘性噪声在通常情况下都会被认为是一个标量。近年来,在通讯技术广泛应用的启发下,考虑一种对角矩阵形式的乘性噪声,这种形式的乘性噪声能够做到真正意义上的多通道。本文针对多通道乘性噪声离散时间系统的线性最优估计问题进行研究,给出这类系统的最优估计算法。本文所讨论的最优估计算法均是建立在最小方差意义上的。本文的主要工作如下:(1)本文简单概述了带乘性噪声系统的最优估计理论的发展现状,在标量乘性噪声的局限性的启发下,进一步介绍多通道乘性噪声系统的最优估计理论的研究现状及研究意义。(2)本文针对多通道乘性噪声离散时间系统的最优估计问题给出最优估计算法,并且这里的乘性噪声各自出现在状态方程和估计方程中。本文拟引用矩阵Kronecker积和Hadamard积(⊙)乘法,基于投影理论,依据求解一个带有Hadamard积的形式的差分黎卡提方程和一个差分李雅普诺夫方程,从而推导出了所需的最优估计器。(3)本文针对带有时滞的多通道乘性噪声系统的最优估计问题给出了最优估计算法。首先,尝试使用了状态扩维的方法对将时滞系统转化为无时滞系统,进而将问题的求解统一为传统的多通道乘性噪声系统估计问题中去。然而,状态扩维方法在时滞很大时会带来较大的计算工作量。对比其缺点后,本文基于新息分析的方法,即通过计算一个偏差分黎卡提方程和一个李雅普诺夫方程的方法来解决,从而求得所需的估计器,此方法在时滞非常大时,能减少计算工作量。(4)最后通过数据仿真进一步验证了所提出方法的有效性。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
多通道带乘性噪声系统论文参考文献
[1].张玲,刘川,杨荣荣.多通道带乘性噪声2-D广义系统状态最优估计算法[J].中国海洋大学学报(自然科学版).2016
[2].吴鑫.多通道乘性噪声离散时间系统的线性最优估计方法研究[D].山东师范大学.2016
[3].刘川.复杂多通道带乘性噪声2-D系统最优估计算法研究[D].中国海洋大学.2015
[4].褚东升,吴昊罡,于春晓.一类带乘性噪声多通道非线性系统的平滑算法[J].中国海洋大学学报(自然科学版).2007
[5].吴昊罡.带乘性噪声多通道非线性系统的状态估计及反褶积算法研究[D].中国海洋大学.2007
[6].褚东升,史政,王璐.复杂多通道带乘性噪声系统的逆向滤波及单向反褶积算法[J].中国海洋大学学报(自然科学版).2005
[7].褚东升,李莉,陈萌.多通道带乘性噪声系统的分部滤波算法[J].中国海洋大学学报(自然科学版).2005
[8].史政.复杂多通道带乘性噪声系统的逆向滤波及单向反褶积算法研究[D].中国海洋大学.2005
[9].褚东升,陈萌,王璐.基于奇异值分解的多通道带乘性噪声系统的最优滤波算法[J].中国海洋大学学报(自然科学版).2004
[10].綦声波,张玲,王璐.复杂多通道带乘性噪声系统的最优固定域平滑算法[J].中国海洋大学学报(自然科学版).2004
论文知识图
