多通道带乘性噪声系统的观测噪声估计及状态融合估计算法研究

摘要

随机信号处理的重要课题之一是某种意义下的信号最优估计,即从受到噪声污染的观测信号中提取有用信息.该文主要针对多通道带乘性噪声系统的观测噪声最优估计算法和状态最优融合估计算法展开进一步研究.同时,该课题由国家自然科学基金数学天元基金(A0324676)及教育部科学技术研究重点项目(02131)资助.目前针对多通道带乘性噪声系统的研究还不够完善.在噪声估计方面,以往的研究仅限于动态噪声估计,即系统的反褶积估计,然而估计系统的观测噪声有助于识别不同的噪声源,为有效消除噪声提供指导.同时,在石油地震勘探的噪声压制问题中也需要对观测噪声进行估计.因此,研究观测噪声的最优估计问题同样具有重要的理论价值和实际意义.该文主要针对乘性噪声为一般矩阵这种真正意义下的多通道带乘性噪声系统在各种噪声条件下对观测噪声的最优估计算法做了深入的研究探讨.此外,随着科学技术尤其是电子计算机技术的飞速发展,多传感器信息融合技术由于其高精度和高可靠性在各个领域日益得到广泛的应用.因此,该文在前人工作的基础上,还针对多传感器观测下的多通道带乘性噪声系统对其最优估计融合算法做了进一步研究探讨.该文的主要研究工作如下:第一,该文利用Hilbert空间理论中的正交投影定理及新息序列的性质就独立白噪声情形和动态噪声一步相关并与观测噪声在同时刻和过去相邻时刻也相关的复杂情形分别推导出了在线性最小方差意义下的多通道带乘性噪声系统的观测噪声最优滤波估计算法和最优平滑估计算法,进一步丰富了多通道带乘性噪声系统的噪声估计理论.第二,该文针对多传感器观测下的多通道带乘性噪声系统,在乘性噪声为一般矩阵且各个传感器的观测噪声分别与系统的动态噪声同时刻相关的条件下给出了状态最优滤波融合算法、最优固定域平滑算法及最优固定域反褶积算法.根据融合策略的不同,该文还提出了集中式和分布式两种滤波融合算法,其中分布式融合算法又分为带反馈与不带反馈两种实现形式.第三,该文进行了大量仿真研究,仿真结果表明上述算法有较好的估计效果.

目录

文摘

英文文摘

第一章 绪论

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估计理论的发展及研究现状

1.4本文所做的主要工作

第二章多通道带乘性噪声系统的观测噪声最优估计

2.1概述

2.2独立白噪声情形下观测噪声的最优估计

2.2.1观测噪声最优滤波算法

2.2.2观测噪声最优平滑算法

2.3复杂噪声条件下观测噪声的最优估计

2.3.1观测噪声最优滤波算法

2.3.2观测噪声最优固定域平滑算法

2.4本章小结

第三章多传感器观测下多通道SMN的最优融合算法

3.1背景及数学模型

3.2最优滤波融合算法

3.2.1集中式最优滤波融合算法

3.2.2分布式最优滤波融合算法

3.3最优固定域平滑算法

3.4最优固定域反褶积算法

3.5算法流程

3.6本章小结

第四章仿真

4.1多通道带乘性噪声系统的观测噪声最优估计算法仿真

4.2多传感器观测下的多通道SMN最优融合算法仿真

第五章结论

参考文献

致谢

作者攻读硕士学位期问所发表的论文