多通道高阶 ARMA 有色噪声下的航天器状态估计

本文研究航天器状态估计中过程噪声与测量噪声具有时间相关性时的滤波问题，通过从噪声频谱建立 ARMA（自回归移动平均）模型，提出状态增广最优滤波器（SAOF）和测量差分最优一步滞后平滑器（MDOLS）。基于摘要分析，未取得论文全文。 核心机制是显式刻画多通道高阶有色噪声，而非沿用白噪声假设。摘要指出，Kalman filter（KF）在线性系统与白噪声条件下具有最优性，而有色过程噪声和测量噪声可能使其失去最优性，甚至发散。SAOF 采用状态增广路径，MDOLS 采用测量差分与一步滞后平滑路径；具体状态构造、差分公式及噪声参数估计方式尚未验证。 作者报告，两种估计器均在所有线性状态估计器中具有最小均方误差意义下的理论最优性，并通过示例展示有效性。该结论不应扩展为任意非线性估计问题中的全局最优。摘要未提供示例设置、噪声阶数、对照配置或定量结果，实验协议、消融及统计信息尚未验证。 平台推测（待验证）：若 EEG 状态空间解码中的残差存在可稳定建模的时间相关性，ARMA 噪声建模与状态增广可能成为修正白噪声假设的候选模块。该假设依赖可辨识的状态空间模型、足够的噪声统计估计数据及适当的参考状态或标签；需要改造观测模型、通道结构与噪声参数估计。低信噪比、跨被试差异、通道变化及小样本可能使高阶参数不稳定，MDOLS 的一步滞后也需计入在线延迟。可在固定被试内训练／测试划分下，仅以训练段估计噪声参数，对比白噪声 KF 与两种估计器的测试状态误差和计算延迟，检验显式建模残差相关性是否带来收益。已有 EEG 相关工作尚未检索确认。