×

具有丢包的线性随机离散系统的输入噪声二阶滤波与平滑研究。 (英语) Zbl 1486.93022号

摘要:我们研究了具有丢包的非高斯随机离散系统的非高斯噪声二阶滤波和固定阶平滑问题。基于丢包概率分布和多项式滤波技术,提出了一种新的类卡尔曼非线性非高斯噪声估计方法。利用Kronecker积的性质,我们首先引入了一个二阶多项式扩展系统,然后分析了扩展系统噪声的Kronecer幂的均值和方差。为了以滤波和平滑的形式生成噪声估计器,我们使用了创新方法。我们给出了一个例子来说明,与传统的线性最小方差估计相比,该算法对数据包丢失具有更好的鲁棒性。

MSC公司:

93E10型 随机控制理论中的估计与检测
第93页第11页 随机控制理论中的滤波
93C55美元 离散时间控制/观测系统
93二氧化碳 控制理论中的线性系统
PDF格式BibTeX公司 XML格式引用
全文: 内政部

参考文献:

[1] 刘,S。;李,X。;Wang,H。;Yan,J.,具有不可测前提变量的T-S模糊系统的自适应故障估计,Adv.Differ。Equ.、。,2018 (2018) ·Zbl 1445.93020号 ·doi:10.1186/s13662-018-1571-5
[2] Yu,X。;Hsu,C.S。;Bamberger,R.H。;Reeves,S.J.,(H_{infty})反褶积滤波器设计及其在图像恢复中的应用,1995年声学、语音和信号处理国际会议,2611-2614(1995)
[3] Mendel,J.M.,石油勘探中地震数据处理的白噪声估值器,IEEE Trans。自动。控制,22,5,694-706(1977)·Zbl 0362.93026号 ·doi:10.1109/TAC.1977.1101597
[4] 袁伟。;林,J。;安,W。;Wang,Y。;Chen,N.,基于时频相关的语音增强噪声估计,应用。灰尘。,74, 5, 770-781 (2013) ·doi:10.1016/j.apacoust.2012.11.007
[5] Shi,F。;Patton,R.J.,线性变参数广义系统的故障估计和主动容错控制,《国际鲁棒非线性控制》,25,5,689-706(2015)·Zbl 1306.93068号 ·doi:10.1002/rnc.3266
[6] 张,Z。;Wu,Y。;张,R。;江,P。;刘,G。;艾哈迈德,S。;Dong,Z.,基于数理统计的新型变压器故障识别优化方法,数学,7(2019)·doi:10.3390/math7030288
[7] Ahlén,A。;Sternad,M.,基于多项式方法的最优反褶积,IEEE Trans。阿库斯特。语音信号处理。,37, 2, 217-226 (1989) ·数字对象标识代码:10.1109/29.21684
[8] 邓,Z.-L。;张海生。;刘世杰。;周,L.,最优和自校正白噪声估计器及其在反褶积和滤波问题中的应用,Automatica,32,2,199-216(1996)·Zbl 0847.93060号 ·doi:10.1016/0005-1098(96)85549-X
[9] 李,Y。;赵,M。;Hao,G。;李,J。;Jin,H.,多传感器分布式信息融合白噪声Wiener反卷积估计器,国际控制杂志。自动。,8, 4, 15-24 (2015) ·doi:10.14257/ijca.2015.8.4.03
[10] 刘,W.-Q。;王晓明。;邓,Z.-L.,噪声方差不确定的多传感器系统的鲁棒加权融合稳态白噪声反卷积平滑器,信号处理。,122, 98-114 (2016) ·doi:10.1016/j.sigpro.2015.11.023
[11] Wang,W。;Han,C。;He,F.,具有随机延迟和丢包的离散时间系统的白噪声估计,J.Syst。科学。复杂。,27, 3, 476-493 (2014) ·Zbl 1303.93171号 ·doi:10.1007/s11424-014-2217-7
[12] 段,Z。;宋,X。;Yan,X.,带丢包的测量延迟系统的反卷积估计问题,2016年中国智能系统会议论文集,321-334(2016),新加坡:Springer,新加坡·Zbl 1414.93181号
[13] 李,H。;Li,W.,《测量缺失的二维数字系统的被动IIR反褶积》,神经计算,179,37-43(2016)·doi:10.1016/j.neucom.2015.10.051
[14] 卡巴列罗-阿吉拉,R。;Hermoso-Carazo,A。;Linares-Pérez,J.,多传感器观测值与乘法噪声和传输相关随机延迟的融合估计,数学,5(2017)·Zbl 1383.93080号 ·doi:10.3390/math5030045
[15] 胡克。;Song,A。;Wang,W。;Zhang,Y。;Fan,Z.,具有时变延迟的非高斯随机系统的故障检测和估计,Adv.Differ。Equ.、。,2013 (2013) ·Zbl 1377.93048号 ·doi:10.1186/1687-1847-2013-22
[16] 阿萨迪,H。;Seyfe,B.,使用特征值熵估计的高斯和非高斯噪声中的信号枚举,数字。信号处理。,78, 163-174 (2018) ·doi:10.1016/j.dsp.2018.03.005
[17] 李,L。;斯特勒,L。;曹,Z。;Davis,A.,《用于处理数据同化中非高斯性的迭代法核系综平滑器》,J.Hydrol。,567, 759-766 (2018) ·doi:10.1016/j.jhydrol.2018.01.038
[18] Braccesi,C。;西亚内蒂,F。;帕尔米耶里,M。;Zucca,G.,非高斯随机激励下振动系统动态行为对响应的重要性,Proc。结构。国际,12224-238(2018)
[19] Kulikov,G.Yu。;Kulikova,M.V.,非高斯噪声存在下机动目标的估计:协调转弯案例研究,信号处理。,145, 241-257 (2018) ·doi:10.1016/j.sigpro.2017.12.012
[20] 徐,H。;谢伟。;袁,H。;Duan,K。;刘伟。;Wang,Y.,具有未知时变非高斯测量噪声的定点迭代高斯和滤波估计器,信号处理。,153, 132-142 (2018) ·doi:10.1016/j.sigpro.2018.07.017
[21] 科贝塔,M。;斯巴鲁法蒂,C。;Giglio,M。;Todd,M.D.,非线性、非高斯贝叶斯滤波在单调退化过程诊断和预测中的优化,机械。系统。信号处理。,104, 305-322 (2018) ·doi:10.1016/j.ymssp.2017.11.012
[22] 朱,B。;Chang,L。;徐,J。;查·F。;Li,J.,基于Huber的非高斯测量噪声自适应无迹卡尔曼滤波器,电路系统。信号处理。,37, 9, 3842-3861 (2018) ·Zbl 1425.93292号 ·doi:10.1007/s00034-017-0736-x
[23] 耿,H。;王,Z。;Cheng,Y。;Alsaadi,F.E。;Dobaie,A.M.,非高斯Lévy和时间相关加性传感器噪声下的状态估计:一种改进的Tobit Kalman滤波方法,信号处理。,154, 120-128 (2019) ·doi:10.1016/j.sigpro.2018.08.005
[24] Carravetta,F。;Germani,A。;Raimondi,M.,线性离散时间非高斯系统的多项式滤波,SIAM J.控制优化。,34, 5, 1666-1690 (1996) ·Zbl 0856.93094号 ·doi:10.1137/S0363012993252899
[25] 赵,H。;Zhang,C.,线性离散时变系统的非高斯噪声二次估计,神经计算,174921-927(2016)·doi:10.1016/j.neucom.2015.10.15
[26] Carravetta,F。;Germani,A。;Raimondi,M.,带乘性状态噪声的离散随机线性系统的多项式滤波,IEEE Trans。自动。控制,42,8,1106-1126(1997)·Zbl 0888.93058号 ·数字对象标识代码:10.1109/9.618240
[27] Germani,A。;Manes,C。;Palumbo,P.,多项式扩展卡尔曼滤波器,IEEE Trans。自动。控制,50,12,2059-264(2005)·Zbl 1365.93503号 ·doi:10.1109/TAC.2005.860256
[28] 卡巴列罗-阿吉拉,R。;Hermoso-Carazo,A。;Linares-Pérez,J.,使用具有相关不确定性的多个传感器的不确定观测值进行线性和二次估计,信号处理。,91, 2, 330-337 (2011) ·Zbl 1203.94024号 ·doi:10.1016/j.sigpro.2010.07.013
[29] 斯林科,V。;Tunç,C.,抽象线性切换脉冲微分方程的稳定性,Automatica,107433-441(2019)·Zbl 1429.93272号 ·doi:10.1016/j.automatica.2019.06.001
[30] Tunç,O。;Tunç,C.,关于二阶随机微分时滞方程解的渐近稳定性,J.Taibah大学。,13, 1, 875-882 (2019) ·doi:10.1080/16583655.2019.1652453
此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配,可能包含数据转换错误。在某些情况下,zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献,而不要求完整或完全匹配。