【摘 要】
：
信号处理问题在通信科控制领域都有广泛的应用.ARM A (autoregressive mov-ing average)信号在系统建模,时间序列分析,系统预报与反卷积等问题中有广泛的应用背景.然而实际当
论文部分内容阅读
信号处理问题在通信科控制领域都有广泛的应用.ARM A (autoregressive mov-ing average)信号在系统建模,时间序列分析,系统预报与反卷积等问题中有广泛的应用背景.然而实际当中传感器由于硬件设施老化、环境的影响及通信网络的不可靠性等诸多因素存在观测的不确性(这种每个传感器观测的不确定性可以通过一个Bernoulli分布的随机变量描述).从而导致常规的估值算法在存在观测数据丢失的情况下失去最优性.研究具有不确定观测ARMA信号的估值问题无论在理论上还是实践应用中都具有重要的意义.本文讨论了具有不确定观测多传感器ARMA信号的分布式信息融合算法,包括状态空间法分布式信息融合估计、具有不确定观测传感器观测噪声估计法分布式信息融合估计,以及非增广法分布式信息融合估计.将具有不确定观测ARMA信号模型转化成具有不确定观测状态空间模型,利用射影原理给出状态变量的局部最优估值器(滤波器、预报器和平滑器)和系统噪声的估值器(滤波器和平滑器).从而获得ARMA信号的最优估值器(滤波器、预报器和平滑器),给出任意两个不同子系统信号的估值误差互协方差阵.基于线性最小方差最优加权信息融合估计准则给出具有不确定观测多传感器ARMA信号的矩阵加权,分量按标量加权和标量加权估计.利用射影原理在状态空间模型下对于具有不确定观测的ARMA信号子系统传感器的观测噪声进行估计,通过存在数据丢失问题的观测方程直接获得ARMA信号的滤波器和平滑器,在此基础上计算任意两个不同子系统信号估值误差的互协方差阵.基于线性最小方差最优加权信息融合估计准则给出具有不确定观测多传感器ARMA信号的矩阵加权,分量按标量加权和标量加权估计.直接利用射影定理对于ARMA信号方程在具有不确定观测子传感器的观测数据所构成的线性流形上取投影.通过历史信号和系统噪声的估计获得局部滤波器.并推导任意两个不同子系统信号滤波误差的互协方差阵.基于线性最小方差最优加权信息融合估计准则给出具有不确定观测多传感器ARMA信号的矩阵加权,分量按标量加权和标量加权滤波.
其他文献
偏微分方程的高精度紧致差分格式已经越来越受到人们的重视、也是近年来重要的研究方向.本文提出了一种新的离散能量分析技巧-离散H2能量方法.在不增加光滑性要求的前提下,该
本文研究内容隶属于Brunn-Minkowski理论,主要研究Brunn-Minkowski理论中相关的几何不等式.本文主要对Lp空间中几何体序列的Lp-对偶仿射表面积、混合宽度积分、p-径向平均体
分形作为一门新兴的交叉学科,受到非线性学术界的广泛重视。分形为探讨自然界复杂事物的客观规律及其内在联系提供了新的概念和方法。在自然景观的模拟特别是植物的模拟中,分
拟Newton法是求解非线性方程组和最优化问题的一类十分有效的算法.在一定条件下,这些算法具有局部的超线性收敛性.如果采用某些线性搜索技术,在求解无约束最优化问题时,大多
本文首先介绍了Dirichlet-to-Neumann映射的定义及一些简单的性质，给出了关于Steklov特征值的经典例子。关于单连通平面区域上，在[17]中Hersch，Payne和Schiffer提出了Steklov特
最优化问题是在多种策略中寻找最佳策略的问题，它广泛应用于许多学科领域.因而构造最优化问题的算法、研究算法的性质和算法的数值试验结果，具有重要的价值和意义.
本文着
本文利用Lyapunov函数和不等式方法讨论了两类带有时滞的神经网络模型：具有时滞的忆阻Bidirectional Associative Memory（BAM）神经网络模型和具有时滞的脉冲忆阻BAM神经网络模型
This paper focuses on overall and sub-process supply chain efficiency evaluation using a network slacks-based measure model and an undesirable directional dista
近年来,随着信息时代特别是数字时代的来临,医学影像存储与通信系统(Picture Archiving and Communication System, PACS)迅速发展,数字影像诊断模式成为医生诊断和治疗的重
应用Landweber正则化方法解决线性不适定问题
时，Landweber，Friedman，Bialy将方程改写成下列形式
其迭代格式为：
该迭代法实际上是求解二次泛函极小值的以步长为a