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

《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》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、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

2、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

3、波的量测信息利用小波阙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。关键词；乘性噪声，多尺度，最优滤波融合，状态平滑，量测预处理，小波去噪StudiesoftheMulti-scaleStateSmoothingandtheFilteringAlgorithmsBasedonMeasurementPreprocessingforSystemwithMultiplicativeNoisesABSTRACTThesystemwithmultiplicativenoises(SM

4、N)isveryimportantinmanyapplicatiomsuchaso．1seismicexploration．undenⅣa船fremotetargetsdete圮tionandtrackingetc．theresearchofit'soptimalestimationalgorithmsisdevelopedgreatly．Inthisdissertation，optimalstatefixed-intervalsmoothingproblemundermulti-scaleobservationforsystemswithmultiplic

5、ativenoiseandfilteringproblembasedonprelm)cossingusingwaveletde-noisinga糟considered．Althoughtheresearchofthestateestimationforclassicallinearstochasticsystemshasruntothecomplicatedconditionsformulti—scale(samplerate)andmulti—sensorobservation，theresearchonthesystemwithmultiplicativ

6、enoisesisnotdevelopeddeeply．Usingthewavelettransformandmulti·scaleanalysis，anoptimalstatefixed-intervalsmoothingalgorithminthesenseoflinearminimum-varianceisfurtherdevelopedbasedonmulti-scaleoptimalfilteringfusionforsystemwithmultiplicativenoises．Theoptimalfilteringforthesystemwith

7、multiplicativenoisesas．sameasthetraditionalfilteringneedstousemeasuredinformationasmuchaspossible．However,intheapplication，measuredinformationwillbedisturbedbadlybythenoiseswhenthemeasureisobservedoncertaindistinguishlevel．Theproblemofrestrainingthenoisesfrommeasuredinformationisth

8、ekeyforimprovingthefilteri