自适应噪声定界的改进集员辨识算法

集员辨识所需的系统噪声边界在现实应用中往往难于精确确定,通常采取的过估边界将导致算法性能的退化.本文针对缺乏足够先验噪声边界知识下的集员辨识问题进行了相应的研究,通过对输入干扰和测量误差的有界假设,将系统噪声边界建模为一个依赖于模型参数的时变量,由此提出了一种根据估计参数自适应调定噪声边界的改进最优定界椭球辨识算法,避免了过估噪声边界假设引起的保守性增大的缺陷,提高了算法的收敛速度.仿真中将本文提出的改进算法和带固定过估噪声边界的原始算法进行了比较,表明了该方法的有效性.

UBBE条件下l_1中心估计算法

本文讨论了ＵＢＢＥ条件下的ｌ１中心估计问题，提出了新的中心估计算法的理论基础，证明了线性估计问题可转化为求解多个线性优化问题，并针对其特点设计出了具有相同约束的多个线性规划的整体单纯形法，理论分析和数值仿真表明，与已有的算法相比，新的算法能够显著地减少计算量。