具有测量数据丢失的离散不确定时滞系统鲁棒Kalman滤波

研究了具有测量数据丢失的离散不确定时滞系统鲁棒Kalman滤波问题,其中时延存在于系统状态和观测值中.模型的不确定性通过在系统矩阵中引入随机参数扰动来表示,测量数据丢失现象则通过一个满足Bernoulli分布且统计特性已知的随机变量来描述.基于最小方差估计准则,利用射影性质和递归射影公式得到一个新的滤波器设计方法,并且保证了滤波器的维数与原系统相等.与传统的状态增广方法相比,当时延比较大时,该方法可以有效降低计算量.最后,给出一个仿真例子说明所提方法的有效性.