随机系统中能容忍连续丢包和测量时延的卡尔曼滤波(英文)

通过转换原线性系统到能容忍连续丢包和测量时延的随机参数系统,推导了一个最优线性滤波器.给出一个仿真例子,比较已存在的结果,仿真结果表明被提出的线性滤波器有优越的性能.然而,该滤波器不能应用于非线性系统.从应用角度,为非线性系统提出了一个增强型的滤波器.而且,该增强型的滤波器能成功地应用于不可靠的无线传感器网络场景来跟踪移动目标.这些滤波器只依靠测量值的达到概率,而不需要知道某一时刻测量是否接收.仿真说明了被提出的增强型滤波器不仅能改善实时目标跟踪的鲁棒性,而且比标准的扩展卡尔曼滤波器能够提供更精确的估计.

带有一步随机滞后和不连续丢包离散系统的最优滤波(英文)

研究了带有一步随机滞后和不连续丢包离散随机线性系统的线性估计问题.通过一个满足Ber-noulli分布的随机变量来描述这种可能的滞后和丢包现象.基于所建立的新模型,利用射影理论提出了一个在线性最小方差意义下的递推的最优线性滤波器.并给出了稳态线性滤波器存在的一个充分条件.当不存在随机滞后和丢包时,所提出的滤波器退化为标准的Kalman滤波器.

具有有限连续丢包网络控制系统的最优线性估值器

本文研究了观测数据和控制输入数据传输具有有限连续丢包的线性离散随机系统的最优估计问题.利用两个满足Bernoulli分布的随机变量来分别描述从传感器到估值器和从控制器到执行器之间的数据丢包现象.通过引入两组新的变量,将原系统转化为一个带有随机参数的系统.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.最后研究了稳态线性估值器,并给出了稳态存在的一个充分条件.仿真例子验证了算法的有效性.

量化误差下具有多丢包的信息物理系统H_(∞)滤波

研究一类具有信息传输不完全的信息物理系统H_(∞)滤波问题,考虑的信息传输不完全现象主要包括通信设备缺陷引起的量化误差和网络固有因素造成的连续随机多数据包丢失。采用Delta算子离散化方法构建信息物理系统状态空间模型和H_(∞)滤波器模型,通过分析和建模将量化误差和丢包模型与滤波器模型结合得出滤波误差系统。利用Lyapunov稳定性理论和Schur补引理推导出保证系统渐近稳定和H_(∞)性能的2个定理。基于目标追踪系统进行滤波器的仿真验证,结果表明:当量化器的参数固定时,随着最大丢包数的增加,H_(∞)性能指标γ逐渐增大,即数据包丢失越严重对系统稳定性造成的影响越大,但所设计的滤波器仍满足稳定性条件。所提滤波方法是有效的。

基于Kalman滤波的网络丢包补偿器(英文)

针对网络控制系统中普遍存在的连续丢包问题,建立了网络控制系统状态反馈丢包补偿模型,提出了1种基于Kalman滤波的连续丢包补偿器算法。把具有数据包连续丢失补偿的网络控制系统描述为具有3个事件的异步动态系统,并且给出了系统稳定性的证明。该补偿器具有较高的预测补偿和抗干扰能力。仿真结果表明卡尔曼滤波连续丢包补偿器算法的有效性。