多尺度系统建模、估计与融合方法研究
多尺度系统论文 多尺度模型论文 马尔可夫性论文 多尺度估计和数据融合论文 多尺度动态递归论文
论文详情
多尺度系统理论的提出和发展,为更全面、更精确地描述复杂大系统提供了新的思想和方法。本文将多尺度分析方法与动态系统的卡尔曼滤波、线性系统理论相结合,提出了一套体系较为完整的多尺度系统建模、估计与融合方法。在此基础上得到的实时算法可以给出多个层次(尺度)观测数据的最优综合,或在任一层次(尺度)上利用全局信息对局部信号进行最优估计。论文的主要贡献如下:1.以小波逆变换为基础在无限网格上建立了多尺度模型,网格被严格定义为二 叉树形式,用移动算子来表示尺度之间的递推关系。这样建立的多尺度模型 已经不只局限在小波变换的范畴,而是具有更广泛的意义,它可以描述信号 在某一尺度上的一般随机过程特征;2.将时间离散随机过程的马尔可夫性推广到多尺度随机系统,提出了多尺度树 上的马尔可夫性这一新概念。研究了多尺度模型的内部实现和外部实现方法, 给出了选取内部矩阵的基本原则,并着重分析了为马尔可夫自由场建立内部 模型的方法;3.将Kalman滤波和Rauch-Tung-Striebel平滑算法推广到多尺度状态空间,给出 了多尺度估计与融合算法。这个算法具有很好的并行计算特性,扩展到2-D 数据时计算复杂度增加不多;4.提出了一种多尺度动态递归估计算法,将尺度动态方程与时间动态方程相结 合,建立了尺度框架下的动态系统。与传统的动态估计方法比较,在解决大 型系统的估计问题时,计算量大大减少;5.与时间动态系统的状态空间分析相对照,定义了多尺度状态空间的能达性、 能控性、能观性和可重构性,并给出了各自的相应条件。分析了最优多尺度 估计算法的误差协方差特性,研究了误差的动态方程和黎卡提方程的稳定性 和渐近稳定性。6.提出了一种与前面形式不同的动态系统多尺度估计和融合新算法,它无需建 立多尺度模型,在最小估计误差方差意义下具有最优性。随后,进一步对算 法的实时性进行了改进。特别是给出了在某些尺度观测数据残缺的情况下, 构造等效观测方程和等效观测值的方法,使该算法更具实用价值。
第一章 绪 论 | 第8-15页 |
1.1 引言 | 第8页 |
1.2 国外发展概况 | 第8-13页 |
1.2.1 多尺度模型 | 第8-9页 |
1.2.2 多尺度算法 | 第9-10页 |
1.2.3 多尺度分析理论的应用 | 第10-13页 |
1.3 国内发展概况 | 第13页 |
1.4 本论文的主要安排 | 第13-14页 |
1.5 本章小结 | 第14-15页 |
第二章 小波分析理论 | 第15-29页 |
2.1 引言 | 第15-16页 |
2.2 小波变换的种类 | 第16-20页 |
2.2.1 连续小波变换 | 第17-18页 |
2.2.2 半离散小波变换:二进小波 | 第18-19页 |
2.2.3 离散却可能冗余的变换:框架 | 第19页 |
2.2.4 正交离散小波变换 | 第19-20页 |
2.3 小波变换与傅立叶变换、短时傅立叶变换的异同 | 第20-21页 |
2.4 多尺度分析 | 第21-23页 |
2.5 正交小波基 | 第23-25页 |
2.6 快速算法 | 第25-27页 |
2.7 双正交紧支撑小波 | 第27页 |
2.8 二维小波 | 第27-28页 |
2.9 本章小结 | 第28-29页 |
第三章 多尺度系统理论 | 第29-41页 |
3.1 前言 | 第29页 |
3.2 多尺度表示和二叉树上的系统 | 第29-32页 |
3.3 多尺度系统理论和系统实现 | 第32-34页 |
3.3.1 二叉树上的系统 | 第32-33页 |
3.3.2 状态空间的实现 | 第33-34页 |
3.4 稳定的因果和非因果系统以及随机过程 | 第34-39页 |
3.4.1 同态树 | 第35-36页 |
3.4.2 树上的移动 | 第36-38页 |
3.4.3 稳定系统和稳定的随机过程 | 第38-39页 |
3.5 结论 | 第39-41页 |
第四章 多尺度系统模型 | 第41-53页 |
4.1 引言 | 第41页 |
4.2 信号的多尺度表示 | 第41-43页 |
4.3 无限网络上的多尺度随机过程 | 第43-50页 |
4.4 二叉树上的多尺度模型 | 第50-52页 |
4.5 结论 | 第52-53页 |
第五章 多尺度模型的实现 | 第53-71页 |
5.1 引言 | 第53页 |
5.2 多尺度实现的相关概念 | 第53-57页 |
5.2.1 多尺度实现 | 第53-54页 |
5.2.2 多尺度过程的马尔可夫性 | 第54-56页 |
5.2.3 相关系数 | 第56-57页 |
5.3 内部实现模型 | 第57-68页 |
5.3.1 内部实现模型的定义 | 第57-58页 |
5.3.2 内部矩阵的选取 | 第58-61页 |
5.3.3 马尔可夫自由场的内部模型 | 第61-65页 |
5.3.4 降阶实现 | 第65-66页 |
5.3.5 向量集合的解相关 | 第66-68页 |
5.4 外部实现模型 | 第68-70页 |
5.5 本章小结 | 第70-71页 |
第六章 多尺度估计和融合算法 | 第71-86页 |
6.1 引言 | 第71-72页 |
6.2 二叉树上的状态空间模型 | 第72-73页 |
6.3 多尺度估计和融合算法 | 第73-80页 |
6.3.1 从细尺度到粗尺度的卡尔曼滤波 | 第73-76页 |
6.3.2 最优平滑估计 | 第76-79页 |
6.3.3 对残缺数据的处理 | 第79-80页 |
6.4 多尺度极大似然(ML)滤波器 | 第80-82页 |
6.5 仿真结果 | 第82-84页 |
6.6 本章小结 | 第84-86页 |
第七章 多尺度动态递归估计算法 | 第86-98页 |
7.1 前言 | 第86页 |
7.2 动态系统的递归估计 | 第86-89页 |
7.3 多尺度动态递归估计算法 | 第89-95页 |
7.3.1 多尺度更新步 | 第90-92页 |
7.3.2 多尺度预测步 | 第92-95页 |
7.4 性能分析 | 第95-97页 |
7.4.1 收敛性分析 | 第95-96页 |
7.4.2 分数方差减少 | 第96-97页 |
7.5 本章小结 | 第97-98页 |
第八章 动态系统的实时多尺度估计和融合算法 | 第98-116页 |
8.1 引言 | 第98页 |
8.2 系统描述 | 第98-100页 |
8.3 残缺测量数据的处理 | 第100-101页 |
8.3.1 尺度i上的测量向尺度i-1分解 | 第100页 |
8.3.2 尺度i上的测量方程向尺度i-1分解 | 第100-101页 |
8.4 动态系统的多尺度估计和融合算法 | 第101-107页 |
8.4.1 初始条件的计算 | 第102页 |
8.4.2 由第m块的数据预测第m+1块的数据 | 第102-103页 |
8.4.3 中央点估计值向本地点转换 | 第103-104页 |
8.4.4 本地传感器的状态更新 | 第104-105页 |
8.4.5 将本地更新数据传送至中心点 | 第105-106页 |
8.4.6 估计融合 | 第106-107页 |
8.5 采样率任意的多尺度数据估计和融合算法 | 第107-110页 |
8.5.1 对任意采样率的量测数据进行处理 | 第107-108页 |
8.5.2 算法描述 | 第108-110页 |
8.6 多尺度融合和估计算法的实时性 | 第110-111页 |
8.7 仿真结果 | 第111-112页 |
8.8 本章小结 | 第112-116页 |
第九章 多尺度状态空间的分析与综合 | 第116-135页 |
9.1 引言 | 第116页 |
9.2 多尺度系统的基本概念 | 第116-126页 |
9.2.1 能达性和能控性 | 第117-120页 |
9.2.2 能观性和可重构性 | 第120-123页 |
9.2.3 稳定性 | 第123-126页 |
9.3 边界、稳定性和稳态行为 | 第126-134页 |
9.3.1 多尺度估计算法中误差方差的上、下界 | 第128-133页 |
9.3.2 多尺度滤波器的稳定性 | 第133-134页 |
9.3.3 稳态滤波器 | 第134页 |
9.4 本章小节 | 第134-135页 |
第十章 总结与展望 | 第135-140页 |
10.1 本文工作总结 | 第135-138页 |
10.2 展望 | 第138-140页 |
参考文献 | 第140-147页 |
致 谢 | 第147-148页 |
作者在攻读博士学位期间发表的论文 | 第148页 |
论文购买
论文编号
ABS1374806,这篇论文共148页
会员购买按0.30元/页下载,共需支付
44.4。
不是会员,
注册会员!
会员更优惠
充值送钱!
直接购买按0.5元/页下载,共需要支付
74。
只需这篇论文,无需注册!
直接网上支付,方便快捷!
相关论文