带乘性噪声系统多尺度状态平滑及基于量测预处理的滤波算法研究

摘要

带乘性噪声系统在石油地震勘探、水下目标探测和跟踪等问题中都有重要应用，其最优估计算法研究已有了很大进展。本文进一步研究带乘性噪声系统状态在多尺度观测下的最优固定域平滑估计问题，以及利用小波去噪进行量测预处理的滤波问题。 经典线性随机系统的状态估计研究已经发展到针对多传感器观测下的多尺度(多采样率)的复杂情况，但带乘性噪声系统的相关研究尚不够深入。本文利用小波变换和多尺度分析的思想，在带乘性噪声系统的多尺度最优滤波融合的基础上，进一步研究了其线性最小方差意义下的状态最优固定域平滑算法。带乘性噪声系统的最优滤波同经典滤波一样，本质上需要最大限度地利用量测信息，然而在实际工程应用中，当假设量测是在某一分辨级上获得时，量测信息往往被噪声严重干扰，如何有效地抑制量测噪声是提高滤波精度和可靠性的关键。本文将小波阈值去噪方法与带乘性噪声系统滤波方法相结合，提出了一种基于量测预处理的带乘性噪声系统最优滤波算法。 本文的主要工作如下： 第一，针对不同尺度多传感器带乘性噪声系统，在多尺度分布式最优滤波融合的基础上，研究了其线性最小方差意义下的状态最优固定域平滑算法。提出了不需要利用滤波融合后局部参数而仅使用一步预测及滤波值的简化最优固定域平滑算法。 第二，对进入带乘性噪声系统滤波的量测信息利用小波阈值方法进行了去噪处理，从而降低了量测信息中噪声对滤波的影响，提高了滤波精度。 第三，进行了仿真研究，通过实例验证了上述各算法的有效性。

目录

文摘

英文文摘

独创声明及学位论文版权使用授权书

1引言

1.1选题的意义

1.2带乘性噪声系统的特点及应用背景

1.2.1带乘性噪声系统的特点

1.2.2带乘性噪声系统的应用背景

1.3带乘性噪声系统最优状态估计理论的发展及研究现状

1.4本文所做的主要工作

2多尺度多传感器观测下的最优固定域平滑算法

2.1概述

2.2系统模型

2.3多尺度分布式滤波

2.4最优固定域平滑算法

2.5算法流程图

2.6本章小结

3基于小波量测预处理的最优滤波算法

3.1背景及数学模型

3.2量测信息的小波预处理

3.2.1小波去噪原理

3.2.2阈值的选取和量化

3.2.3MATLAB中的小波去噪

3.3去噪后的多通道带乘性噪声最优滤波算法

3.4本章小结

4仿真研究

4.1基于多尺度滤波融合的最优固定域平滑算法仿真

4.2基于量测预处理的最优滤波算法仿真

4.3基于量测预处理的多尺度最优固定域平滑算法仿真

4.4本章小结

5结论

参考文献

致谢

作者攻读硕士学位期间所发表的论文