转移矩阵未知时带乘性噪声系统的自适应滤波算法.pdfVIP

第 41卷 第 6期 中 国 海 洋 大 学 学 报 41(6)：l15～ 118 2011年 6月 PER10DICAIOFOCEAN UNIVERSITY OF CHINA Jun．，2011 转移矩阵未知时带乘性噪声系统的自适应滤波算法 褚东升，刘 祺，张 玲 (中国海洋大学工程学院，山东 青岛266100) 摘 要： 针对带乘性噪声系统状态转移矩阵未知的情况，提出 1种在线性最小方差意义下的系统参数和状态联合滤波 算法。以迭代方式获得模型参数和系统状态的递推估计：首先，利用之前时刻的状态估计值，根据投影定理，对系统未知 参数即系统状态转移矩阵作出估计 ；其次，利用已得到的系统参数估计值 ，获取当前时刻的状态滤波。计算机仿真结果表 明了算法的有效性。 关键词： 乘性噪声；转移矩阵；自适应滤波；线性最小方差估计 中图法分类号： TP31 文献标志码： A 文章编号： 1672—5174(2011)06—115-05 自Kalman滤波方法提出以来，在信号估计领域取 严格的证明。 得 了众多的理论成果，并在空间技术、通讯、导航等许 在带乘性噪声系统 自适应滤波的研究上，文献[6] 多领域得到了广泛应用_1]。但在使用Kalman滤波解 提出了1种参数和状态预报估计的两段互耦式算法， 决实际问题时的 1个很大限制是必须预先知道模型的 并以石油勘探领域 中的地震道模型为例，对其参数辨 参数或其统计性质，如系统初始值、各模型参数矩阵、 识方法进行了详细推导。文献[17]对带乘性噪声系统 噪声的统计特性等。而实际中这些参数往往是未知 在乘性噪声及其统计参数未知的情况下，基于极大似 的，或近似 已知的，或部分 已知的：这常常导致大的状 然准则，提出了 1种分块组合优化估计算法 。 态估计误差，甚至会使滤波器发散[13。因此，对 自适应 本文将针对带乘性噪声系统，研究状态转移矩阵 Kalman滤波的研究十分必要。另外，在许多实际观测 的递推估计方法及其系统状态滤波。 过程中，如石油地震勘探、通讯工程、语音处理等，往往 需要考虑系统的时变性、非线性畸变、能量衰减等各种 1 问题描述 复杂甚至不确定因素 。这些因素在数学上可 以近似归 对于带乘性噪声的离散随机系统，其状态空间表 结为乘性噪声_4]。此类估计 问题的难点在于，由于乘 达的一般形式是： 性噪声的引入 ，系统量测方程不再是线性的。近年来， ()=Ax(志——1)4-B (是——1) (1) 这种带乘性噪声系统的滤波问题已经引起人们的极大 z()=m (k)Cr()+v(k) (2) 关注 一引。 其中 (是)为Tl维状态向量，z(忌)为 q维观测向量， 目前，针对不带乘性噪声随机线性系统的自适应 w(志)为 h维动态噪声 ，l，(是)为 q维观测噪声。A∈ 滤波算法的理论与应用研究 已经取得 了较丰富的成 为未知状态转移矩阵，B∈ 、c∈Rq 分别为相应维 果[9 ，其中，文献[11]讨论了当系统模型矩阵、噪声方 差矩阵和初值 向量中含有未知参 向量时的线性估计。 数的常值矩阵；re(k)为一维乘性噪声。对任意整数 ≥ 文献[12]讨论了状态空间规范形式下转移矩阵与控制