Resumen

Para los sistemas de control estocásticos multisensor lineales discretos invariantes en el tiempo con diferentes matrices de medida y ruidos correlacionados, se presentan los estimadores de ruido blanco de fusión de medida centralizada mediante el criterio lineal de varianza mínima con la condición de que la matriz de entrada de ruido tenga rango de columna completo. Tienen una carga computacional costosa debido a la matriz de medida extendida de alta dimensión. Para reducir la carga computacional, se presentan los estimadores de ruido blanco de fusión de medidas ponderadas. Se demuestra que los estimadores de ruido blanco de fusión de medidas ponderadas tienen la misma precisión que los estimadores de ruido blanco de fusión de medidas centralizadas, por lo que tienen optimalidad global. Puede aplicarse al procesamiento de señales en la exploración sísmica petrolífera. Un ejemplo de simulación para el filtro de deconvolución de ruido blanco Bernoulli-Gaussiano verifica su eficacia.

• Materias:Análisis Matemático Álgebra Ingeniería Matemática aplicada Lógica matemática
• Subjects:Mathematical Analysis Algebra Engineering Applied Mathematics Mathematical logic
• Palabras claves:estimadores de ruido blanco, fusión de medidas centralizada, filtro de deconvolución de ruido blanco gaussiano, sistemas de control estocásticos invariantes, criterio lineal de varianza mínima, matrices de medida diferentes, carga computacional costosa, rango completo de columnas, matriz de entrada de ruido, fusión de medidas ponderada
• Keywords:white noise estimators, centralized measurement fusion, gaussian white noise deconvolution filter, invariant stochastic control systems, linear minimum variance criterion, different measurement matrices, expensive computing burden, full column rank, noise input matrix, weighted measurement fusion