1) Optimal recursive filtering
最优递推滤波
1.
Using the innovation theory and projection method, this paper presents the optimal recursive filtering, prediction and smoothing estimation algorithm for the singular discrete stochastic systems, and proves the asymptotic stability of the estimate algorithm under certain condition.
运用新息理论和射影的方法［１］，提出了广义离散随机线性系统最优递推滤波、预报和平滑估计算法，在一定条件下证明了最优递推估计的渐近稳定性。
2) recursive minimum-maximum
递推最小最大值滤波
3) recursive filter
递推滤波
1.
In order to improve the alignment accuracy and reduce the alignment time,a new approach based on position observation and parameter estimation was brought forward by means of Markov recursive filter.
为提高惯导系统在动基座上的对准精度及对准快速性,设计了基于位置信息观测及递推滤波参数估计的对准方案,通过开路粗对准及舒拉调谐闭路估计精对准,实现游移方位惯导系统在动基座上的平台调平、航向确定及陀螺漂移测定,车载试验结果表明,所设计的方案,达到了较好的效果。
2.
The actual size parameters can be estimated by means of Markov recursive filter.
通过速度信息观测采用马尔科夫递推滤波器估计杆臂参数,仿真结果表明通过10min的测量可达到0。
4) the least square recurrence filter
递推最小二乘滤波
1.
The principle of the least square recurrence filter (LSM) method is introduced.
在简要介绍递推最小二乘滤波原理的基础上,利用MATLAB软件,通过编写M文件S函数,实现用递推最小二乘滤波对船摇位置进行滤波的仿真。
5) Recurrence method of wave least squares
递推最小二乘滤波方法
6) optimal filtering
最优滤波
1.
And then based on the optimal filtering theory of structure stochastic jump system,a new algorithm for infrared system distance estimation was proposed.
针对机动飞行的空中点目标,利用测量目标红外辐照度变化的测距原理,建立了具有Markov跳变参数的红外系统距离估计模型,基于结构随机跳变系统最优滤波理论,提出了一种新的红外系统距离估计算法。
2.
But there are few papers describing modeling-building,optimal filtering algorithms for this kind of systems.
本文研究了一类离散时间乘性随机系统,基于卡尔曼滤波算法的思想,分别给出此类系统不含输入项及含有输入项的递推最优滤波算法,得到的结果便于实际应用。
3.
In this paper,an optimal filtering method based on the Singular Value Decomposition (SVD)technique for Multi-Channel Systems with Multiplicative Noise is proposed.
提出 1种基于奇异值分解 (SVD)的多通道带乘性噪声系统的最优滤波方法。
补充资料：递推估计算法
利用时刻t上的参数估计孌(t)、存储向量嗘(t)与时刻 t+1上测量的输入和输出值u(t+1)和y(t+1)计算新参数值孌(t+1),再根据孌(t+1)计算出新参数值孌(t+2)，直到获得满意的参数值为止。这种算法的每一步计算量都比较小，能够使用小型计算机进行离线或在线参数估计，可以估计时变参数，也可以实时估计适应控制器的参数（见适应控制系统）。20世纪60年代，递推估计算法得到迅速发展，到了70年代产生了许多不同的方法，例如，有离线方法的各种变形、卡尔曼滤波法、随机逼近方法和模型参考适应参数递推估计法等。递推估计算法的各种方法可以用一个统一的公式来描述：
给孌(t),F(t),嫓(t)和w(t)不同的值就得到各种不同的方法：①递推最小二乘法；②递推增广最小二乘法；③递推近似极大似然法；④递推辅助变量法；⑤递推广义最小二乘法；⑥卡尔曼滤波参数估计；⑦随机逼近法；⑧模型参考适应法；⑨时变参数递推估计法。
参考书目
Lennart Ljung，Torsten Soderstrom， Theory and Practice of Recursive Identification，MIT Press., Combridge, Mass., 1983.
给孌(t),F(t),嫓(t)和w(t)不同的值就得到各种不同的方法：①递推最小二乘法；②递推增广最小二乘法；③递推近似极大似然法；④递推辅助变量法；⑤递推广义最小二乘法；⑥卡尔曼滤波参数估计；⑦随机逼近法；⑧模型参考适应法；⑨时变参数递推估计法。
参考书目
Lennart Ljung，Torsten Soderstrom， Theory and Practice of Recursive Identification，MIT Press., Combridge, Mass., 1983.
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