带未知观测输入和观测丢失多传感器随机不确定系统的集中式融合滤波

对带未知观测输入和观测丢失的多传感器随机不确定系统设计了集中式融合滤波器。通过乘性噪声描述的随机不确定性存在于系统的状态和观测矩阵中。在没有观测干扰任何先验信息的情况下,应用线性无偏最小方差准则,设计了不依赖于未知观测输入的具有Kalman形式的集中式融合滤波器。仿真验证了算法的有效性。

带未知观测输入和观测丢失系统的状态估计

这篇文章主要针对含有未知观测输入以及存在丢包情况的系统,致力于解决对其的状态估计。丢包现象通过一系列互相独立的伯努利随机向量来描述。首先,我们的目标是通过运用最小方差无偏估计技术来设计一个线性滤波器,然后我们利用时间戳技术在传感器网络中衍生出一个次优估计器。在最后,我们将通过一个实例来展示滤波器的效用。

带未知观测丢失率的自校正加权观测融合估计

对于带未知丢失观测率的离散线性随机系统,应用伯努利随机变量来描述观测丢失现象。采用相关函数法辨识丢失观测率。应用加权最小二乘法(WLS)把高维的观测向量进行压缩得到加权观测融合方程。将实时辨识的观测丢失率代入最优加权观测融合滤波器中得到自校正加权观测融合滤波算法。所获得的自校正加权观测融合滤波器收敛于最优融合滤波器。仿真例子验证了算法的有效性。

观测永久丢失下随机离散事件系统故障预测的验证算法

针对随机离散事件系统在故障预测时可能出现系统观测永久丢失,导致预测不准确的问题,提出一种观测永久丢失下故障预测验证的算法。首先对观测永久丢失的随机离散事件系统的U-可预测性进行了形式化。其次使用随机预测器构造了一个随机离散事件系统的U-预测器,实现了系统的故障预测。基于U-预测器,提出了随机离散事件系统U-可预测性的充分必要条件及验证算法,并且引入成对的方式,明显地改进了该验证算法的复杂度。仿真结果表明,该验证算法使得观测永久丢失下系统故障预测准确。最后,实例说明观测永久丢失下故障预测验证算法的应用。结果表明,该验证算法相比现有同类验证算法应用范围更广,验证结果更精确。

带相关噪声、随机观测滞后和丢失的随机不确定系统的最优线性估值器

对带有限步相关噪声、乘性噪声、多步随机观测滞后和丢失的复杂网络化控制系统,根据相关噪声的步数,分析了噪声和状态、噪声和观测、噪声和新息、观测和新息、状态和新息之间的相关性,给出了相关阵的递推计算公式.利用射影理论,提出了线性最小方差最优线性估值器,包括滤波器、预报器和平滑器.一个网络监测环境下的三容器水箱系统的实例仿真,验证了算法的有效性.

带丢失观测和不确定噪声方差系统改进的鲁棒协方差交叉融合稳态Kalman滤波器

对带丢失观测和不确定噪声方差的线性定常多传感器系统,引入虚拟噪声将原系统转化为仅带不确定噪声方差的系统.根据极大极小鲁棒估值原理,用Lyapunov方程方法提出局部鲁棒稳态Kalman滤波器及其实际方差最小上界,并利用保守的局部滤波误差互协方差,提出一种改进的鲁棒协方差交叉(covariance intersection,CI)融合稳态Kalman滤波器及其实际方差最小上界.证明了所提出的鲁棒局部和融合滤波器的鲁棒性,并证明了改进的CI融合器鲁棒精度高于原始CI融合鲁棒精度,且高于每个局部滤波器的鲁棒精度.一个仿真例子验证所提出结果的正确性和有效性.

带未知丢失观测率和传感器偏差的多传感器AR模型融合辨识

研究了带未知丢失观测率和传感器偏差的多传感器(Autoregressive,AR)模型融合辨识问题。采用一组伯努利随机变量描述观测丢失现象。选取递推增广最小二乘(Recursive extend least squares,RELS)算法,对未知的AR模型参数和未知的传感器偏差进行在线辨识。应用矩阵加权线性无偏最小方差最优融合估计准则得到AR模型参数的融合估计。通过AR模型与状态空间模型之间的转换和相关函数获得各传感器观测收到率和观测噪声方差估计值。仿真例子验证了此算法的有效性。

工业物联网确定性调度中TDMA紧时隙时间精度边界可靠性分析

针对如何保证物联网确定性调度中时分多址（TDMA）紧时隙时间精度边界,首先建立不完全观测的绝对时钟同步状态空间模型;根据间歇观测方程推导修正的绝对时钟卡尔曼滤波器,得到了随机误差协方差迭代式;然后将误差协方差迭代式建模为修正的黎卡提微分方程,研究稳态误差协方差的统计特性;利用凸优化理论和线性矩阵不等式（LMI）工具求解时钟状态估计的临界包到达率和估计误差协方差的统计收敛边界。面向网络参数配置和TDMA时隙的紧边界应用需求,定量分析存在观测值丢失的时钟同步误差与精度边界,建立时钟同步精度边界与无线网络的权衡关系,并提出存在观测值丢失时保时带大小设计方法。

具有丢失观测和网络传输滞后多通道系统的最优线性滤波

研究了具有丢失观测,一步观测滞后和随机丢包多通道系统的最优滤波器设计问题.首先通过三组Bernoulli分布随机变量来描述由传感器损耗造成的丢失观测以及网络数据传输过程中出现的一步滞后和多丢包现象.然后基于新息分析方法,提出了线性最小方差意义下的最优线性滤波器.它通过解一个Riccati方程和一个Lyapunov方程得到.最后给出了稳态最优滤波器存在的一个充分条件.仿真验证了其有效性.

基于子系统重构的鲁棒滤波算法及其应用

复杂环境下航天器姿态确定系统存在系统参数不确定性,并且可能存在观测数据的间断丢失情况.对此,本文研究了一种新的鲁棒滤波算法.该算法采用线性预测子系统重构补偿丢失的观测信号,并利用其参与到测量更新阶段,采用极小极大理论推导出具有观测数据丢失的不确定性系统的鲁棒状态估计的递推形式.将该方法用于复杂环境下的航天器姿态确定系统中,通过仿真验证了算法的有效性.