只龙江大学自然科学学报
第8卷
第1期
J OU R N A L ,
C呀
.
N AT U R A L
S C IE N C E
. V o 8 NO 3 f .
199 1年 9月
C呀 H E IL O N G IA N G J
U N IV E R S IT Y
S e e币b f 19 9 1 t P e,
l基于白噪声估值器的嗓声统计辨识和自适应 K a m 邓自立 应 (用橄学研究所 )
an
滤波
摘要
本文处理带未知嗓声统计承统的自适应 K a俪 a滤波问题 n , .
.
墓于白嗓声佑位器 , 。
,
s r本文提出新的嗓声统计递推佑位器比 S卿和 H u a J的嗓声统计佑位器精度高并改进了 J u a h m a s i r和 S o d I的结果两个仿真例子说明了本丈结果的有效性] 2 e o Y
关键词
l n自适应 K a爪 a浦波
嗓声统计佑值器
次优无偏极大后验 (M A尸 )估计
1
问题提出 考虑动态系统 x
(k
+ 1= O )
( y 其中 x k )〔R (噪声: Ew n,
k ,
)= H
( y
k
)e R气矩阵中 (k ) ,
(1 ) (k ) x+ v k ) H (k ) (k ) ( (2 ) w (k )和 ( k是带未知噪声统计的独立的高斯白已知 v ) w .
(k ) x (k )+ ,
= q (k r
) ,,
co v
w〔 (k )
,
w
E v (k ,
)=
(k )
eo v
[ v (k ) a n
,
( )] j v ( )] j
=
、 Q(k )占 。 (k )占
飞‘ IJ 4 J
、J、
= R
l周知当噪声统计已知时系统 ( 1 ) (2的 K a m ) k k又 k+ 1}+ 1 )=又 k+ 1} ( (
J 3滤波为[
)
+ K
(k )
+ 1 ) e (k+ 1 )
又 k+ 1} k ( e
)
=
叫
k )又 k !k (
)+ q (k
(
k+ 1 )= y(k+ 1 )一H P (k+ 1】) H k H T
(
k+ 1)父 k+ 1 I k ( + 1[H )
)
一r
(k+
1)
(5 ) (6 ) (7 ) 、 .了产且一、 U .了城
K
( k+ 1 )= + 1
(k
(k
+ 1 ) P (k+ 1} k
) Q
( T
k+ 1)+ R
(k+ T
1 )] +
一‘
P (k
k} )
=功 (K
k ) P (k} )小 (k )
Q (k )
收稿日期 19 1一 5
一
0 1

基于Kalman滤波的稳态白噪声估值器_IT/计算机_专业资料。基于Kalman滤波,对带非零均值的相关噪声系统提出了统一的稳态白噪声估值器,可统一处理白噪声滤波、平滑和...
自适应Kalman滤波在多传感器数据融合中应用_专业资料。文中介绍基于白噪声滤波器和平滑器的改进的Sage和Husa噪声统计估值器及相应的拿适应Kalman滤波器,可处理未知常...
摘 要 : 文中介绍基于白噪声滤波器和平滑器的改进的 Sage 和 Husa 噪声统计估值器及相应的自 适应 Kalman 滤波器 ,可处理未知常的和时变的噪声统计估计问题 ...
1 传统 Kalman 滤波公式 Kalm an 滤波器一种是线性、 无偏、 最小方差的 统计估值方法, 它是根据时变随机信号的统计特性, 对信 号的 未来 值做 出 尽可 ...
将这些估值器代入到最优解耦融合Kalman滤波器 中, ... 未知有色观测噪声; 辨识; 自校正Kalman滤波器; ... 但噪声统计 和有色噪声模型参数均已知时, 用标量...
Kalman滤波是一种线性无偏最小方差估计,要求系统模型准确的建立和系统噪声、观测噪声统计 特性先验已知[1],然而在实际情况中,噪声的随机特性主要是受量测器件以及...
第九章 系统辨识与Kalman滤波_数学_自然科学_专业...? 19 最小二乘算法的统计学特性 ? 无偏性 ? ...1 ? ? ai z ?1 n ?1 引入白噪声滤波器 i ...
3.2.7 系统噪声或观测噪声是有色噪声的卡尔曼滤波 在前面推导 Kalman 滤波方程时,都是假定 w (k ) 和 v(k ) 都是白噪声。而实际上,多 数情况下,w ...
和噪声 Sage-Husa 自适应滤波 采取的方法是在滤波...一 Kalman 滤波器,式(6 )构成了噪声统计估值器。...最优状态估 计与 系统 辨识 [M]. 西安 :西北 ...
k- 1 + Qk ) Pk = R -1 k 但是 , 当 ek 和 W k 并不是统计特性已知的零均值 高斯白噪声时 , 标准 Kalman 滤波算法很难获得 可靠的状态参数估值 ...
热门文档