导读:本文包含了最优滤波估计论文开题报告文献综述及选题提纲参考文献，主要关键词:弹道滤波,卡尔曼滤波,初始状态选取,多项式拟合
最优滤波估计论文文献综述
范旭,陈国光,白敦卓,朱宜家[1]（2018）在《卡尔曼弹道滤波状态初值的最优估计方法研究》一文中研究指出在弹道诸元参数最优估计获取过程中,卡尔曼滤波是一种工程应用性强,使用普遍的算法。针对滤波初始状态对卡尔曼滤波过程所造成的不利影响,提出了一种基于多项式拟合的状态初值估计方法。该方法通过对滤波前期弹道数据的选取,进行拟合估计,获得滤波状态初值。在此种估计状态初值下的滤波过程,收敛速度更快,滤波残差波动平缓。仿真结果表明,该估计方法可使最优弹道诸元参数获取时间缩短50%。(本文来源于《弹箭与制导学报》期刊2018年01期）
陈雅雯[2]（2018）在《基于卡尔曼滤波的多控制器最优状态估计策略方法研究》一文中研究指出网络化控制系统(Networked Control Systems,NCSs)是指由传感器、控制器、执行器及被控平台等,通过共享网络传输构成的实时闭环反馈控制系统。依据信息在网络中传输媒介的不同,网络化控制系统可以分为有线网络化控制系统(Wired Network Control System,WNCS)和无线网络化控制系统(Wireless Network Control System,WiNCS)。随着无线网络与通信技术的快速发展,基于无线网络的网络化控制系统由于其灵活性及可扩展性,已成为未来发展和研究的趋势,然而,由于无线网络带宽的限制以及网络不稳定等因素的影响,数据传输不可避免的会产生网络时延、数据包丢失、量化误差等众多问题,这些问题不仅仅会破坏控制系统的稳定性,而且会对WiNCS的分析与设计带来了诸多困难。目前,基于无线网络的网络化控制系统的最优控制策略的研究尚且集中在单个控制器问题上,对于基于分布式多控制器的无线网络化控制系统的研究较少。针对上述问题,本文研究了被控平台状态完全可知的情况下,基于分布式多控制器的最优控制策略设计方案。并且针对当控制器状态不能完全可知的状态下,提出了一种基于卡尔曼滤波算法的多控制器最优状态估计控制策略。本文主要研究内容具体如下:(1)基于全状态信息下的多控制器最优控制策略设计方法目前对于无线网络化控制系统的研究集中在基于单控制器的系统稳定性以及系统性能分析上,由于在网络化控制系统中引入了无线网络,因此相比于传统的点对点控制系统来说,在无线网络化控制系统中对于控制器节点位置的选择更加灵活多变。因此,本文首先提出了基于全状态信息下的分布式多控制器无线网络化控制系统最优控制策略的设计方案。通过分析控制器之间的相互制约关系,利用系统状态方程,结合矩阵论以及二次型高斯方程推导出最优控制策略。仿真结果表明,基于全状态信息的分布式多控制器无线网络化控制系统相比较于单控制器控制的无线网络化控制系统在系统稳定性上有显着提升。(2)基于卡尔曼滤波的多控制器最优状态估计控制策略设计方法由于网络带宽以及传输路径的不可靠性,使得状态信息在传递过程中难免会产生数据丢失等问题,因此本文在全状态信息最优控制策略的基础上,提出了基于卡尔曼滤波的多控制器最优状态估计控制策略设计方法。通过卡尔曼滤波算法,利用前一状态信息对当前控制状态进行估计,根据系统初始状态值,使用递推算法,可对系统任意状态进行状态估计,最后根据估计出的状态求解出最优控制策略。通过仿真实验可知,在估计状态下多控制器的系统稳定性明显高于单控制器系统,而对于多控制器的无线网路控制系统中,使用状态估计的系统相比较于全状态信息下的控制系统其抗干扰能力显着提升。(本文来源于《北京工业大学》期刊2018-06-01）
张士杰,岳珍梅,李艳红[3]（2014）在《基于最优导频的自适应Kalman滤波信道估计方法》一文中研究指出针对时变信道中的子载波间干扰(ICI)和噪声的统计模型不准确引起的滤波发散问题,介绍了一种基于最优导频预滤波的自适应Kalman联合算法。该算法通过使用最优导频滤除ICI,获得理想信道初始状态,然后将其作为Kalman滤波初始信息在时域上进行自适应Kalman信道估计。最后仿真实验表明,和传统的基于导频的Kalman滤波(KF)算法相比,该方法能有效抑制KF发散和改善信道估计精度。(本文来源于《电视技术》期刊2014年07期）
黄静,欧凤霞[4]（2013）在《基于卡尔曼滤波技术的医疗检测信号最优估计算法研究》一文中研究指出通过离散小波变换滤波层对医疗检测信号进行同步分解,并将分解量与卡尔曼滤波算法相融合,从而得到医疗检测信号的最优估计.(本文来源于《河南工程学院学报(自然科学版)》期刊2013年01期）
束宇翔,廖桂生,杨志伟[5]（2011）在《维纳滤波最优权修正导向矢量的SAR-GMTI动目标径向速度估计方法》一文中研究指出针对通道幅相误差和图像配准误差等非理想因素导致动目标径向速度估计性能下降问题,本文提出利用维纳滤波最优权修正导向矢量的动目标径向速度估计方法.该方法利用抑制杂波的维纳滤波最优权矢量对动目标理想导向矢量加权处理获得修正导向矢量,并采用匹配滤波算法估计动目标径向速度.仿真数据和某机载多通道SAR-GMTI实测数据处理表明,所提方法对通道幅相误差和图像配准误差稳健,在图像相邻像素存在较大相关性时仍可获得较高的动目标径向速度估计精度.(本文来源于《电子学报》期刊2011年09期）
付剑茹,张宗成[6]（2010）在《时变最优套期保值比估计及比较研究——基于卡尔曼滤波在状态空间模型中的应用》一文中研究指出运用状态空间模型并基于卡尔曼滤波方法对中国铜期货市场时变最优套期保值比进行估计.对OLS、VAR、VECM、CC-GARCH及SSPACE等模型的套期保值效率进行了比较.套期保值效率分别用方差下降百分比和夏普比下降百分比来测度.两种测度方法都表明,基于卡尔曼滤波的状态空间模型明显优于其他模型.该结论对于套期保值期限是稳定的.GARCH模型并不确定优于非时变模型.非时变模型中,VECM模型的表现最差.而VAR模型也并不明显优于简单的OLS模型.计量经济模型预测总风险由模型(误设)风险和估计风险构成.高级计量经济模型的模型(误设)风险较小,估计风险增大,总效应则不确定.卡尔曼滤波获得贝叶斯规则最优解,因而在处理估计风险方面较其他模型占优.(本文来源于《管理科学学报》期刊2010年12期）
张迎[7]（2010）在《基于粒子滤波最优估计的非线性时间序列研究》一文中研究指出本文在分析传统的非线性时间序列建模和预报方法基础上,提出利用适合于非高斯、非线性过程的粒子滤波技术,对非线性时间序列的建模和预报进行新方法研究。针对待预测数据对象在动态转移过程中发生结构性突变时,难以建立实时解析数据变化趋势模型的特点,提出利用粒子滤波技术对非线性时间序列模型进行参数估计。首先对时间序列进行初步建模,将获得的参数作为粒子,对粒子加以一定的扰动,形成粒子集,即参数集,观测值以此模型和参数进行状态转移,获得后验概率密度,根据观测值和真实值的偏差获得粒子权重,从而得出逼近最优估计的状态转移模型参数。针对数据预报实时多变的特点,本文采用非线性时间序列方法动态构建状态转移模型,并采用基于蒙特卡罗仿真的粒子滤波算法利用状态空间中的一系列加权随机样本集来近似系统状态的后验概率密度函数,对非线性时间序列残差波动率进行估计与预测。实验表明,基于粒子滤波的非线性时间序列预报算法比单纯使用时间序列建模方法更准确。本文将基于粒子滤波最优估计的非线性时间序列预报方法应用到目标跟踪领域,以目标模板作为粒子滤波观测值,以粒子所在图像区域获得的像素信息作为状态值,使用非线性时间序列自适应实时建模方法,挖掘目标运动轨迹规律,实现粒子状态转移,再根据粒子滤波重采样技术,对粒子权值信息进行加权求和,获得粒子滤波状态转移后的下一时刻的目标信息。实验表明,基于粒子滤波的时间序列预报算法相对于传统的交互式模型算法在跟踪性能上表现出了一定的优势,跟踪速度快,精度高,实时性好。(本文来源于《天津理工大学》期刊2010-12-01）
肖筱南[8]（2010）在《智能控制中一类随机信号的检测滤波与最优估计》一文中研究指出在智能控制中,研究了一类随机动态广义二维扩散非平稳Markov过程(θ_t,ξ_t),0≤t≤T的随机信号检测滤波与最优估计问题,深入搜索、挖掘了广义非平稳过程中一系列很有价值的有用信号,得到了此类广义非平稳过程的最佳非线性滤波与最优估计方程,从而为满意地解决此类随机信号的检测滤波与最优估计提供可靠的理论依据和一种有效的数学处理手段与方法。(本文来源于《第十二届现代数学和力学会议论文集》期刊2010-08-10）
张轲,金鑫,吴毅雄[9]（2009）在《基于卡尔曼滤波的焊缝偏差实时最优估计》一文中研究指出建立了基于卡尔曼滤波的焊缝偏差实时最优估计算法.以焊缝中心位置为特征矢量,建立焊缝位置检测的状态方程和测量方程,并依据最小均方差原则建立了卡尔曼滤波最优估计的递推算法.测量噪声协方差由传感器测量误差的统计值得到,假定过程噪声是由于加速度变化引入,通过两点法确定焊缝中心位置的初值.在焊接过程中,应用卡尔曼滤波消除噪声干扰,实现焊缝位置的实时精确预测.计算机仿真和试验结果表明,焊缝偏差信号经过卡尔曼滤波处理后,消除了偶然因素和随机噪声的影响,提高了跟踪精度以及系统工作的稳定性,适合实际工程应用.(本文来源于《焊接学报》期刊2009年12期）
占荣辉,辛勤,万建伟[10]（2008）在《基于最优采样函数的粒子滤波算法与贝叶斯估计》一文中研究指出传统粒子滤波器(PF)直接根据状态演化方程产生新的粒子,由于没有考虑新近观测对状态估计的影响,这种滤波器性能较差,即便在粒子数目很大的情况也是如此。为此,本文提出一种基于序贯重要采样(SIS)的改进粒子滤波算法,该算法采用集成了新近观测量的最优采样(或重要密度)函数指导粒子的生成,使粒子权值的方差最小化,能有效减轻粒子退化问题;同时。在粒子重采样之后增加了马尔科夫链蒙特卡洛(MCMC)过程,消除了重采样引起的粒子贫化的负面影响,从而使粒子的多样性得以保持。对非线性系统的状态估计和只测角跟踪的仿真实例均表明,本文所提出的算法比传统估计算法如EKF,UKF具有更高的精度和更强的鲁棒性;与标准PF相比,其性能也有较大的提高,并可以在相同的估计精度下大大减少所需的粒子数目,是一种有效的非线性滤波算法。(本文来源于《信号处理》期刊2008年02期）
最优滤波估计论文开题报告
（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：
网络化控制系统(Networked Control Systems,NCSs)是指由传感器、控制器、执行器及被控平台等,通过共享网络传输构成的实时闭环反馈控制系统。依据信息在网络中传输媒介的不同,网络化控制系统可以分为有线网络化控制系统(Wired Network Control System,WNCS)和无线网络化控制系统(Wireless Network Control System,WiNCS)。随着无线网络与通信技术的快速发展,基于无线网络的网络化控制系统由于其灵活性及可扩展性,已成为未来发展和研究的趋势,然而,由于无线网络带宽的限制以及网络不稳定等因素的影响,数据传输不可避免的会产生网络时延、数据包丢失、量化误差等众多问题,这些问题不仅仅会破坏控制系统的稳定性,而且会对WiNCS的分析与设计带来了诸多困难。目前,基于无线网络的网络化控制系统的最优控制策略的研究尚且集中在单个控制器问题上,对于基于分布式多控制器的无线网络化控制系统的研究较少。针对上述问题,本文研究了被控平台状态完全可知的情况下,基于分布式多控制器的最优控制策略设计方案。并且针对当控制器状态不能完全可知的状态下,提出了一种基于卡尔曼滤波算法的多控制器最优状态估计控制策略。本文主要研究内容具体如下:(1)基于全状态信息下的多控制器最优控制策略设计方法目前对于无线网络化控制系统的研究集中在基于单控制器的系统稳定性以及系统性能分析上,由于在网络化控制系统中引入了无线网络,因此相比于传统的点对点控制系统来说,在无线网络化控制系统中对于控制器节点位置的选择更加灵活多变。因此,本文首先提出了基于全状态信息下的分布式多控制器无线网络化控制系统最优控制策略的设计方案。通过分析控制器之间的相互制约关系,利用系统状态方程,结合矩阵论以及二次型高斯方程推导出最优控制策略。仿真结果表明,基于全状态信息的分布式多控制器无线网络化控制系统相比较于单控制器控制的无线网络化控制系统在系统稳定性上有显着提升。(2)基于卡尔曼滤波的多控制器最优状态估计控制策略设计方法由于网络带宽以及传输路径的不可靠性,使得状态信息在传递过程中难免会产生数据丢失等问题,因此本文在全状态信息最优控制策略的基础上,提出了基于卡尔曼滤波的多控制器最优状态估计控制策略设计方法。通过卡尔曼滤波算法,利用前一状态信息对当前控制状态进行估计,根据系统初始状态值,使用递推算法,可对系统任意状态进行状态估计,最后根据估计出的状态求解出最优控制策略。通过仿真实验可知,在估计状态下多控制器的系统稳定性明显高于单控制器系统,而对于多控制器的无线网路控制系统中,使用状态估计的系统相比较于全状态信息下的控制系统其抗干扰能力显着提升。
（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。
最优滤波估计论文参考文献
[1].范旭,陈国光,白敦卓,朱宜家.卡尔曼弹道滤波状态初值的最优估计方法研究[J].弹箭与制导学报.2018
[2].陈雅雯.基于卡尔曼滤波的多控制器最优状态估计策略方法研究[D].北京工业大学.2018
[3].张士杰,岳珍梅,李艳红.基于最优导频的自适应Kalman滤波信道估计方法[J].电视技术.2014
[4].黄静,欧凤霞.基于卡尔曼滤波技术的医疗检测信号最优估计算法研究[J].河南工程学院学报(自然科学版).2013
[5].束宇翔,廖桂生,杨志伟.维纳滤波最优权修正导向矢量的SAR-GMTI动目标径向速度估计方法[J].电子学报.2011
[6].付剑茹,张宗成.时变最优套期保值比估计及比较研究——基于卡尔曼滤波在状态空间模型中的应用[J].管理科学学报.2010
[7].张迎.基于粒子滤波最优估计的非线性时间序列研究[D].天津理工大学.2010
[8].肖筱南.智能控制中一类随机信号的检测滤波与最优估计[C].第十二届现代数学和力学会议论文集.2010
[9].张轲,金鑫,吴毅雄.基于卡尔曼滤波的焊缝偏差实时最优估计[J].焊接学报.2009
[10].占荣辉,辛勤,万建伟.基于最优采样函数的粒子滤波算法与贝叶斯估计[J].信号处理.2008