1) nonlinear stochastic filtering
非线性随机滤波
2) Stochastic Nonlinear Filtering
随机非线性滤波
3) nonlinear random waves
非线性随机波
1.
The second theoretical solutions for the interaction between nonlinear random waves and vertical walls have been discussed in references[1～5].
就如何应用非线性随机波及其与直墙相互作用的数学模型进行模拟计算作一叙述 ,通过近2 0种组合的波面、波压强、合压力和合力矩等运动和动力过程的模拟计算 ,并且对模拟过程进行了谱估计及统计分析 ,形成相应的“波高”、周期、极值等序列 。
4) nonlinear stochastic volatility model
非线性随机波动模型
5) non-linear filtering
非线性滤波
1.
The linear and the non-linear filtering algorithms is used to suppress narrowband interferences.
针对AR过程的窄带干扰,本文构建了DS扩频系统多窄带干扰下的信号模型,给出了统一的观测模型,并用线性、非线性滤波方法对其进行干扰抑制。
2.
In this paper, we propose a non-linear filtering algorithm, which denoises image through containing the big module coefficients in the frequency domain.
为了更好地保留图像的边缘信息,该文提出了一种保留具有较大模值的Fourier变换系数的非线性滤波方法。
3.
Then using the multiscale edge representation based on the wavelet transform,we propose a non-linear filtering method for images in the scale space.
该文首先介绍了信号小波变换的模极大值点和过零点的特性以及信号的多尺度边缘表示方法，然后介绍了一种在尺度空间基于小波多尺度边缘表示的图像非线性滤波方法。
6) Nonlinear filtering
非线性滤波
1.
Study on nonlinear filtering method for land vehicle DR navigation;
车载DR导航的非线性滤波方法研究
2.
Algorithm of edge detection based on nonlinear filtering
基于非线性滤波的边缘检测算法
3.
The propagation of the covariance matrix in those most commonly used nonlinear filtering algorithms,such as the extended Kalman filter and the unscented Kalman filter,leads to the lose of its positive definiteness in the update process and makes the filters invalid.
在主流非线性滤波算法中,诸如扩展卡尔曼滤波和Unscented卡尔曼滤波都包含状态协方差矩阵的传递,这在滤波器更新步骤经常引起协方差矩阵失去正定,从而引发滤波器失效。
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