基于ARMA模型的多传感器系统白噪声估计融合算法

本文档标题为"2009年一种新的信息融合白噪声去卷积估计器"，主要探讨的是在石油地震勘探、通信和信号处理等领域中具有重要意义的问题——白噪声去卷积或输入白噪声估计。该问题的关键在于如何有效地处理多传感器系统中的不同局部动态模型以及相关的相关噪声。 文章基于现代时间序列分析方法，特别是自回归移动平均（ARMA）创新模型，提出了一种新的信息融合白噪声去卷积估计器。这种方法旨在解决一般多传感器系统中的输入白噪声融合滤波、预测和平滑问题，特别适用于存在颜色测量噪声的系统。这种估计器的特点是局部最优，并且在全球范围内表现出次优性能，但其融合后的估计精度优于每个局部白噪声估计器。 为了实现最优融合，文中给出了计算局部估计误差互协方差的公式，这在确定各个传感器数据权重时至关重要。作者通过一个Monte Carlo模拟例子来验证和展示新估计器的有效性和性能提升。在这个模拟中，估计器能够准确地处理复杂的噪声环境，并显示出在提高整体性能方面的显著优势。 这篇论文提供了一个创新的统计技术框架，对于提高在复杂工程环境中对白噪声处理的精确度和鲁棒性具有实际价值。这对于任何从事石油勘探、通信工程或信号处理领域的研究人员和工程师来说，都是值得深入研究的重要参考资料。