导读:本文包含了观测白噪声论文开题报告文献综述及选题提纲参考文献,主要关键词:多传感器,不确定观测,白噪声估值器,信息融合
观测白噪声论文文献综述
王会英,丁桂娟,张腾[1](2011)在《不确定观测多传感器随机系统信息融合白噪声估值器》一文中研究指出白噪声估值器在石油勘测中有重要的应用,在实际中,由于环境的影响和不同传感器本身的性能差异,传感器的测量信息往往具有不确定性。本文对多传感器具有不同丢失率的不确定观测离散随机线性系统,应用射影理论,提出了线性最小方差集中式信息融合白噪声估值器。与基于单传感器的局部估计相比具有更高的估计精度,且具有全局最优性。仿真例子验证了算法的有效性。(本文来源于《Proceedings of 2011 International conference on Intelligent Computation and Industrial Application(ICIA 2011 V4)》期刊2011-06-18)
王会英,丁桂娟,张腾[2](2010)在《不确定观测多传感器随机系统信息融合白噪声估值器》一文中研究指出白噪声估值器在石油勘测中有重要的应用,在实际中,由于环境的影响和不同传感器本身的性能差异,传感器的测量信息往往具有不确定性。本文对多传感器具有不同丢失率的不确定观测离散随机线性系统,应用射影理论,提出了线性最小方差集中式信息融合白噪声估值器。与基于单传感器的局部估计相比具有更高的估计精度,且具有全局最优性。仿真例子验证了算法的有效性。(本文来源于《Proceedings of 2010 The 3rd International Conference on Computational Intelligence and Industrial Application(Volume 9)》期刊2010-12-04)
孙书利,张腾[3](2010)在《不确定观测线性离散随机系统白噪声估值器》一文中研究指出在网络控制系统和传感器网络中,可能的传感器观测数据丢失使得系统的观测具有不确定性。应用新息分析方法,对传感器具有数据丢失的不确定观测线性离散随机系统,提出了统一和通用的白噪声估计算法,包括输入白噪声估值器和观测白噪声估值器。可统一处理传感器具有数据丢失的白噪声的最优滤波、预报和平滑问题。同时,给出了稳态白噪声估值器和相应的Wiener白噪声估值器。当没有数据丢失时,所得的结果恰是以往基于完整观测数据的白噪声估值器。仿真研究验证了算法的有效性。(本文来源于《黑龙江大学工程学报》期刊2010年04期)
张志钢,赵洪国,焉杰[4](2009)在《观测时滞连续系统的白噪声H_2估计》一文中研究指出针对带有观测时滞的线性连续系统,研究了输入白噪声最优估计器的设计问题.基于新息重组分析理论和Hilbert空间的正交投影定理,提出了一种简便有效的新方法.采用的关键技术是将时滞观测转化为无时滞观测,从而可以通过求解与原系统同维的两个微分Riccati方程,得到白噪声的最优估计器.该方法计算简单,无须计算复杂的偏微分Riccati方程或算子Riccati方程.(本文来源于《山东大学学报(工学版)》期刊2009年03期)
张志钢,张承慧,崔鹏,焉杰[5](2009)在《有观测时滞线性系统的白噪声最优估计》一文中研究指出采用卡尔曼滤波方法,针对带有观测时滞的线性离散系统,研究了输入白噪声最优估计器的设计.通过对观测序列进行重新组织,使之成为无时滞的观测,并进一步给出重组新息序列.由Hilbert空间上的正交投影定理,通过求解与原系统同维的两个Riccati方程实现递推计算.该方法能避免状态扩维,有效地减轻了计算负担.最后通过仿真实例说明该方法的有效性.(本文来源于《山东大学学报(理学版)》期刊2009年06期)
崔崇信,邓自立[6](2009)在《多传感器观测融合单通道白噪声反卷积滤波器》一文中研究指出利用现代时间序列分析方法,基于ARMA新息模型应用加权观测融合方法,提出了多传感器加权观测融合白噪声反卷积Wiener滤波器。同集中式和分布式融合方法相比,不仅可得到全局最优白噪声融合估值器,而且可显着地减小计算负担,便于实时应用。一个两传感器Bernoulli-Gaussian白噪声加权观测融合估值器的仿真例子说明其有效性。(本文来源于《科学技术与工程》期刊2009年10期)
孙小君,王佳伟,邓自立[7](2006)在《时变系统全局最优加权观测融合白噪声反卷积估值器》一文中研究指出白噪声反卷积或输入白噪声估计问题在石油地震勘探中有重要的应用背景。对带多传感器和带不相关噪声的线性离散时变随机系统,应用Kalman滤波方法,基于加权最小二乘法,提出了全局最优加权观测融合白噪声反卷积估值器,可统一处理输入白噪声融合滤波、平滑和预报问题。一个Bernoulli-Gaussian输入白噪声融合平滑器的Monte Carlo仿真例子说明了其有效性。(本文来源于《第25届中国控制会议论文集(上册)》期刊2006-08-01)
孙小君,邓自立[8](2006)在《时变系统全局最优加权观测融合白噪声反卷积平滑器》一文中研究指出白噪声反卷积或输入白噪声估计问题在石油地震勘探中有重要的应用背景。对带多传感器和带不相关噪声的线性离散时变随机系统,应用Kalman滤波方法,基于加权最小二乘法,提出了全局最优加权观测融合白噪声反卷积平滑器。一个Bernoulli-Gaussian输入白噪声融合平滑器的Monte Carlo仿真例子说明了其有效性。(本文来源于《科学技术与工程》期刊2006年05期)
邓自立,崔崇信[9](2005)在《多传感器全局最优观测融合白噪声反卷积滤波器》一文中研究指出白噪声反卷积问题在石油地震勘探中具有重要的应用背景。利用Kalman滤波方法提出了多传感器最优观测加权融合白噪声反卷积Wiener滤波器。同集中式和分布式融合方法相比,不仅可得到全局最优白噪声融合估值器,而且可显着地减小计算负担,便于实时应用。一个四传感器Bernoulli-Gaussian白噪声加权观测融合估值器的仿真例子说明了其有效性。(本文来源于《科学技术与工程》期刊2005年05期)
观测白噪声论文开题报告
(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:
白噪声估值器在石油勘测中有重要的应用,在实际中,由于环境的影响和不同传感器本身的性能差异,传感器的测量信息往往具有不确定性。本文对多传感器具有不同丢失率的不确定观测离散随机线性系统,应用射影理论,提出了线性最小方差集中式信息融合白噪声估值器。与基于单传感器的局部估计相比具有更高的估计精度,且具有全局最优性。仿真例子验证了算法的有效性。
(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。
观测白噪声论文参考文献
[1].王会英,丁桂娟,张腾.不确定观测多传感器随机系统信息融合白噪声估值器[C].Proceedingsof2011InternationalconferenceonIntelligentComputationandIndustrialApplication(ICIA2011V4).2011
[2].王会英,丁桂娟,张腾.不确定观测多传感器随机系统信息融合白噪声估值器[C].Proceedingsof2010The3rdInternationalConferenceonComputationalIntelligenceandIndustrialApplication(Volume9).2010
[3].孙书利,张腾.不确定观测线性离散随机系统白噪声估值器[J].黑龙江大学工程学报.2010
[4].张志钢,赵洪国,焉杰.观测时滞连续系统的白噪声H_2估计[J].山东大学学报(工学版).2009
[5].张志钢,张承慧,崔鹏,焉杰.有观测时滞线性系统的白噪声最优估计[J].山东大学学报(理学版).2009
[6].崔崇信,邓自立.多传感器观测融合单通道白噪声反卷积滤波器[J].科学技术与工程.2009
[7].孙小君,王佳伟,邓自立.时变系统全局最优加权观测融合白噪声反卷积估值器[C].第25届中国控制会议论文集(上册).2006
[8].孙小君,邓自立.时变系统全局最优加权观测融合白噪声反卷积平滑器[J].科学技术与工程.2006
[9].邓自立,崔崇信.多传感器全局最优观测融合白噪声反卷积滤波器[J].科学技术与工程.2005