基于动态Lloyd-Max量化的网络化系统实时状态估计

针对网络化线性动态系统的实时状态估计,采用均方误差(MSE)作为性能准则,研究了最优实时量化与估计结构和具体实现方案。根据估计-量化分离原理,优化问题可以等效转换为一阶高斯-马尔可夫信源的最优量化与重构问题,分析了最优实时量化与估计的等效结构形式。基于向量Lloyd-Max量化原理和量化信源预测分布的高斯近似,设计了递推形式的动态Lloyd-Max量化与估计(DLMQE)实现方案,其中采用双边同步器利用发送端和接收端的共有信息实现编码与解码操作的同步,并导出了最优实时估计和误差协方差阵的解析形式。仿真结果表明,所提出的DLMQE方案估计性能优于现有的量化卡尔曼滤波器(QKF),且即使对于较低量化比特率的区域,DLMQE算法依然有效。