1) stochastic H∞ filtering
随机H∞滤波
2) random filtering
随机滤波
3) H∞/H-filtering
H∞/H-滤波
4) Noise Filter
随机噪声滤波
1.
Noise Filtering of Laser Scanned Data by Use of 3D Neighbors;
基于3D邻域激光扫描数据随机噪声滤波
5) quantum stochastic filters
量子随机滤波器
1.
Principles and performances of quantum stochastic filters are studied for nonlinear time-domain filtering of communication signals.
针对通信信号的非线性时域滤波问题,研究了量子随机滤波器的原理和性能。
6) random-walk filtering
随机徘徊滤波
补充资料：随机过程的滤波
随机过程的滤波
tochastic processes, filtering of lie filtration of stochastic processes
随机过程的滤波【st诫as血碑鱿esses，川忱r吨of或fil妞山。n of stOChastie Proc已弼己;e几洲浦“以npo”eceoa中“月‘TPa明“”」 给定与一随机过程(stochastic process)Z(t)有关的另一随机过程的过去值，估计Z(t)在当前t时的值的问题.例如，给定与一平稳过程Z(t)平稳关联的平稳过程的值X(s)(、(t)来估计Z(t)(例如，见走1〕).通常考虑极小化均方误差E{z(t)一Z(t)}’的估计量Z(t).“滤波”一词的采用，源于从一个信号与随机噪声的“混合体”中分离出信号的问题.它的一个重要情形是如下的最优滤波问题:这时Z(t)与X(t)之间的联系由随机微分方程(stoch-astic djfl飞rezltial闪Uation) dX(t)=Z(t)dr+dy(t)，t>t。所描述，其中假定噪声与z(t)独立，且由标准Wiener过程(Wie二rp氏兀ess)Y(r)给出. 一个广泛使用的滤波方法是Ka加祖n一Bucy法(Kal-~一BuCy Ineth(对)，它适用于由线性随机微分方程所描述的过程Z(t).例如，如果在上述情形中， dZ(r)=a(r)Z(r)dr+dy、(t)，其中标准Wiener过程Yl(t)与Y(O是独立的，且有零初始条件，则有“(:)一丁。(。，、)、x(、)，其中权函数c(t，、)从如下方程组获得: 去。(:，5卜。·(‘卜““，，·“，占，，r>‘ e(s，、)=b(s)， d 贪“(亡)一“a(亡)”(亡)一[”(亡)]’+’， t>t。，b(t。)=0. 此方法对非线性方程的推广称为一般随机滤波问题或非线性滤波问题(见〔21). 在 z(:)二艺e*z*(t) k一沪依赖于未知参数c、，…，c。的情形下，可以由给定X(s)(、成t)来估计这些参数而求得其内插估计Z(t)，最小二乘估计及其推广可用于此(例如，见【31).从观测y的过去:{y(。‘)::’<。}，求得:(门的最优最小二乘估计.最优估计量牙(t)将由下述卷积式给出: :(。)一fG(。一。，)，(:‘)己‘’.卷积核由如下积分方程确定: 丁G(:·)，，，(:一:·)‘。尹一尺:，(:)，:>o， (!其中R，，，(‘)=E{，(‘)，丁(0)}，R:，(‘)=E{z(亡)·y‘(0)} 这个积分方程就是所谓的Wi。犯r.H句才方程(Wiener一Hopf equation)，G是由R，，与R:，确定的函数.解它的最有效的方法是随机函数的谱分解(spec-阅山沈。
说明：补充资料仅用于学习参考，请勿用于其它任何用途。
参考词条