广义离散线性随机系统的稳态Kalman估计

用现代时间序列分析方法 ,基于ARMA新息模型和白嗓声估值器 ,提出了广义离散随机线性系统的一种稳态Kalman估值器 ,可统一处理滤波 ,平滑和预报问题 ,可处理带相关嗓声系统 。

离散线性随机系统输入-输出关系的数学描述(英文)

研究离散线性随机系统输入－ 输出间的关系，证明了任何线性随机系统输出方差与其输入无关．因此在任何意义下由方差极小化而得最优控制是不可能的，且已证明，输出与其集点间的期望差依赖于控制信号的选择，得到了最小偏差控制器，考虑了与线性随机系统输入－ 输出关系有关的所谓完全ｉ－ 步输出可达性这一重要概念，并给出了以输入－ 输出随机差分方程所描述的多变量随机系统的完全ｉ－ 步输出可达性的充要条件。

非线性离散随机时变系统比例微分滤波

扩展卡尔曼滤波 (EKF)是从极小化状态估计误差的方差得到的 ,没有考虑状态误差的变化率 ,因而对非线性时变系统EKF估计方法惯性作用较大 ,从而产生估计滞后。提出了非线性离散随机系统比例微分滤波 (PDF) ,PDF联合考虑极小化状态估计误差方差和状态误差变化率的方差 ,克服了EKF对非线性时变系统估计滞后的缺点 ,估计具有适时性 ,提高了估计的精度。仿真例子证明了所提出的估计方法的有效性。。

一种离散非线性随机系统模型的非线性结构的自校正控制器

本文给出了一种描述离散非线性随机系统的数学模型,它是CARMA模型的一种扩展,双线性系统模型是它的一种特殊形式,并给出了新模型下自校正控制器的算法,它将CARMA模型下的算法结构从线性扩展到非线性。

随机离散线性系统的满意鲁棒控制

将随机线性离散系统不同环节中出现的结构不确定性 ,描述成由不相关扰动参数矩阵决定的新形式。利用线性矩阵不等式 (LMI)方法 ,设计满意鲁棒控制器使闭环系统同时满足期望的扇形区域极点配置指标和稳态输出协方差指标。满意控制器设计可以完全转化为线性矩阵不等式的求解问题 ,不需要人工干预选择参数。用一个例子说明了该文方法的有效性。

广义离散随机非线性系统的最优滤波

讨论了一类广义离散随机非线性系统的状态估计 ,在系统干扰噪声与测量噪声为非零均值白噪声 ,且其互为相关的情形下 。

广义离散随机线性系统固定区间稳态Kalman平滑器

运用新息理论和射影方法，基于ＡＲＭＡ新息模型和白噪声估值器，提出了广义离散随机 线性系统正向固定区间稳态Ｋａｌｍａｎ平滑器。仿真例子说明了算法的有效性。

广义离散随机线性系统稳态Kalman估值器统一新算法及其渐近稳定性

基于ＡＲＭＡ新息模型与白噪声估值器，提出了广义离散随机线性系统稳态Ｋａｌｍａｎ估值器统一新算法，并证明了其渐近稳定性。

线性离散随机系统最优和稳态Kalman平滑器

对于带非零均值相关噪声的线性离散随机系统,基于Kalman 滤波器和射影理论,提出了新的最优固定点、固定区间和固定滞后 Kalman 平滑器。它们避免了计算估计误差方差阵的逆矩阵,且具有通用性。推广和改进了带零均值的不相关噪声系统的经典结果。还提出了相应的稳态 Kalman 平滑器和极点配置 Kalman平滑器,并证明它们的局部或全局渐近稳定性。

具有乘性噪声的线性离散时间随机控制系统综述

具有乘性噪声的随机不确定系统的控制问题有着广泛的应用背景.本文概述了具有乘性噪声的线性离散时间随机系统的稳定性分析、均方镇定、最优控制以及最优估计问题和相关结论.同时,本文研究了具有状态与控制乘性噪声的线性多变量离散时间系统的均方镇定和最优控制问题,分析了这两个问题之间的联系,并讨论了最优状态反馈控制器的设计算法.

非线性随机离散系统推广卡尔曼滤波方法收敛性分析

讨论了非线性随机离散系统的推广卡尔曼滤波算法的收敛性 .基于BoutayebM的一阶线性化技巧 。

马尔可夫跳跃双线性离散随机系统的稳定性

本文研究了一类带有马尔可夫跳跃参数的双线性离散随机系统的稳定性 ,获得了该系统的稳定性和能稳定性的充分条件 .

离散随机模型降阶的最小条件信息损失方法

针对随机系统的模型降阶问题,从分析离散线性随机状态方程模型中的条件信息描述机制入手,讨论了模型状态集聚过程中系统的平均条件信息损失.运用在模式识别领域中获得成功应用的最小信息损失准则得出了一种新的模型降阶信息论方法———基于状态集聚的最小条件信息损失方法,并讨论了降阶模型阶次的选择.分析表明,当原系统是渐近稳定时,由该方法得出的降阶模型也是渐近稳定的.该方法运用简单,仿真研究也表明由该方法得出的降阶模型具有良好的近似性能.

卡尔曼滤波在机器人足球比赛系统中的应用

在机器人足球比赛系统中使用了卡尔曼滤波.它可以克服视觉传感器采集回来的数据含有的大量噪声,从而准确预报后几个周期小球的速度、加速度和位置.卡尔曼滤波用于线性离散随机系统具有非常好的收敛性和滤除高频噪声的能力.实践证明,此方法对小球的预测比较准确,证明了卡尔曼滤波的可行性和优越性.

配置区域极点的约束方差设计:离散时间情形

该文研究线性离散随机系统在区域极点及方差约束下的控制器设计问题 ,即设计状态反馈控制器 ,使闭环系统的极点位于给定区域内 ,同时稳态状态方差不大于预先给定值。给出期望控制器的存在条件及其解析表达式 。

广义系统降阶Wiener状态平滑器

用Kalman滤波方法,利用典范型分解对线性离散时不变广义随机系统提出了降阶Wiener状态平滑器,可明显减小计算负担,便于实时应用。一个仿真的例子说明了其有效性。

两传感器自校正信息融合Kalman滤波器

用现代时间序列分析方法,基于自回归滑动平均(ARMA)新息模型的在线辨识,对含有未知模型参数和噪声方差的两传感器线性离散随机系统,提出了自校正信息融合Kalman滤波器。它具有渐近最优性。一个仿真例子说明了其有效性。

随机系统预测控制稳定性分析及快速预测算法

针对随机离散线性系统的预测控制问题,将系统状态的随机预测方程通过基于卡尔曼滤波的预测估计转化为确定性的状态预估方程,从而将随机预测控制问题转化为初始值为当前时刻观测值的确定性在线优化问题;利用构造可行解的方法,推导了随机系统预测控制的稳定性条件;最后利用LQG(linear quadratic Gaussian)虚拟反馈律,提出了一种减少在线计算量并具有稳定性保证的快速预测算法,并通过仿真验证了算法的有效性和稳定性.

统一的和通用的Kalman滤波理论

用射影理论对一般线性离散时变随机系统提出了统一和通用的Kalman滤波理论,其中系统噪声在相邻时刻是相关的,且系统噪声和观测噪声在相同和相邻时刻是相关的。提出了最优和稳态Kalman滤波器、平滑器和预报器,推广了经典Kalman滤波理论。

Unified Fast Suboptimal Fixed-IntervalWhite Noise Wiener Smoothing Algorithm^1）

For the discrete stochastic control systems with correlated noises, using the Kalman fil-tering method, based on the CARMA innovation model, a unified optimal fixed-interval whitenoise recursive Wiener smoother is derived. It contains high degree polynomial matrices with coef-ficient matrices exponentially decaying to zero. Further, by the truncation method, the corre-sponding fast suboptimal fixed-interval white noise Wiener smoothing algorithm is presented,which obviously reduces the computational burden. The error formula of the smoother and theformula of selecting the truncated index are given. A simulation example for Bernoulli-Gaussianwhite noise shows the effectiveness of the proposed results.