广义离散随机线性系统最优递推预报方法及其渐近稳定性

讨论广义离散随机线性系统最优状态估计问题,运用新息理论和射影的方法提出了 广义离散随机线性系统最优递推预报器和滤波器,证明了递推预报器对于初始值的选取渐近 稳定.     

广义离散随机线性系统自校正状态估计

本文运用现代时间序列分析的观点（１）研究广义离散随机线性系统的状态估计，提出了广义系统自校正最优滤波，平滑，预报。     

广义离散随机线性系统自校正最优预报器

运用现代时间序列分析[1]的方法研究广义离散随机线性系统最优及自适应状态估计. 将状态估计转化为输出预报和白噪声估计,从而提出了系统的最优预报器,并且证明最优预 报器对于初始值的选取渐近稳定.在噪声统计未知时提出了自校正预报器.仿真例子说明了 其有效性.     

广义离散随机线性系统最优递推估计

运用新息理论和射影的方法，提出了广义离散随机线性系统阳优递推滤波，预报和平滑估计算法，在一定条件下证明了最优递推估计的渐近稳定性。所得的结果可用于正常离散随机线性系统。‘     

广义离散随机线性系统的最优递推滤波方法(Ⅰ)

本文用加权最小二乘方法讨论了广义离散随机线性系统的最优状态估计,得到了系统状态的最优滤波估计的递推算法.     

离散随机线性系统最优滤波,预报和平滑估计的一种统一方法

基于射影理论及新息分析方法，讨论离散随机线性系统最优化状态估计问题。提出了一种统一处理最优滤波、预报和平滑估计的的新方法，证明了新算法的渐近稳定性。     

采用奇异值分解设计广义系统的最优滤波器

本文讨论广义离散随机线性系统的状态估计问题，通过矩阵奇值分解，本文给出了一种设计降阶最优滤波器的实用方法，该方法同时还得到了动态系统和量测系统的干扰噪声的估计。     

广义离散随机线性系统的降阶估计

该文讨论广义离散随机线性系统的状态估计问题，给出了一种降阶估计方法，该方法可直接估计系统的部分状态或系统状态的某个线性组合．     

广义离散随机线性系统的状态估计

本文讨论了广义离散随机线性系统的状态估计问题,得到了一种比较实用的系统状态预测和滤波估计的递推算法。     

广义系统Kalman融合器的研究

研究带自回归滑动平均(ARMA)有色观测噪声的多传感器广义离散随机线性系统,根据Kalman滤波方法和白噪声估计理论,在线性最小方差信息融合准则下,应用奇异值分解和增广状态空间模型,为了提高融合器的精度,提出了按矩阵加权降阶稳态广义Kalman融合器,可统一处理稳态滤波、平滑和预报问题,可减少计算负担和改善局部估计精度。并提出最优加权系数的局部估计误差方差和协方差阵的计算公式。用一个Monte Carlo数值仿真实例说明了所提方法的有效性。     

广义离散随机线性系统的降价估计

该文讨论广义离散随机线性系统的状态估计问题,给出了一种降阶估计方法,该方法可直 接估计系统的部分状态或系统状态的某个线性组合.     

广义离散随机线性系统的马尔可夫估计

本文讨论了带有脉冲模的广义离散随机线性系统Exk=Φxk-1+гwk-1,yk=Hxk+vk 的马尔可夫状态估计问题,得到了这个估计的递推算法.     

广义离散系统多传感器信息融合Kalman 滤波器

考虑了广义离散随机线性系统的多传感器信息融合状态估计问题．在广义系统无脉冲的假设条件下。通过等价变换将其转化为正常系统．应用经典Kalman滤波方法，在线性最小方差信息融合准则下，提出了按矩阵加权的广义系统多传感器信息融合稳态Kalman状态滤波器．仿真结果说明了算法的有效性。     

广义离散随机线性系统降阶Wiener滤波、平滑和预报器

应用现代时间序列方法 ,基于自回归滑动平均 (ARMA)新息模型、白噪声估值器和观测预报器 ,对于广义离散随机线性系统 ,提出了降阶Wiener状态估值器 ,可统一处理滤波、平滑和预报问题 ,并且能减少计算负担 .仿真例子说明了算法的有效性     

广义离散系统的状态反馈鲁棒H∞控制

针对一类范数有界参数不确定性的广义离散线性系统,研究了该系统的状态反馈鲁棒H∞控制问题。利用线性矩阵不等式（LMI）的方法,得到了问题可解的条件,并给出了相应的状态反馈控制律。在一定条件下,所得的状态反馈鲁棒H∞控制律使广义离散线性系统对所有容许的不确定性参数,能够保证闭环系统正则、具有因果关系并且渐进稳定,同时其传递函数矩阵能够满足给定的H∞性能指标。正常离散线性系统的相对应结果可作为本文结果的特殊形式。     

广义离散系统的状态反馈鲁棒H∞控制及仿真

针对一类范数有界参数不确定性的广义离散线性系统,研究了该系统的状态反馈鲁棒H∞控制问题.利用线性矩阵不等式(LMI)的方法,得到了问题可解的条件,并给出了相应的状态反馈控制律.在一定条件下,所得的状态反馈鲁棒H∞控制律使广义离散线性系统对所有容许的不确定性参数,能够保证闭环系统正则、具有因果关系并且渐进稳定,同时其传递函数矩阵能够满足给定的H∞性能指标.正常离散线性系统的相对应结果可作为论文结果的特殊形式.仿真例子验证了该方法的正确性.     

具有不确定噪声的连续广义线性系统的鲁棒状态估计

本文讨论了一类具有不确定噪声的连续广义线性系统的鲁棒状态估计问题，文章提供了一种比较实用的状态估计方法，针对噪声不确定性。文章采用对策论的基本原理，导出了 一种最小化不确定下最坏性能的极小极大鲁棒状态估计器。     

Wiener滤波新方法

基于ＡＲＭＡ新息模型提出Ｗｉｅｎｅｒ滤波的一种新的时域方法。对带状态空间模型的线性离散随机系统，提出一种Ｗｉｅｎｅｒ状态估计器，可统一处理最优滤波、平滑和预报问题，且具有渐近稳定性，避免了求解Ｄｉｏｐｈａｎｔｉｎｅ方程和Ｒｉｃｃａｔｉ方程。仿真例子说明了其有效性。     

线性系统传感器故障的区间估计

本文研究了离散时间线性系统传感器故障的区间估计问题.通过将传感器故障视为增广状态,原始系统转化为一个等效的广义系统.基于所得到的广义系统,利用H∞技术设计鲁棒增广状态观测器,从而得到系统传感器故障的估计.然后通过中心对称多胞体分析以实现对故障的区间估计.与已有的方法相比,本文所提出的方法具有更宽松的设计条件,并且可以得到更加准确的故障区间估计.最后,通过一个四容水箱系统的数值仿真验证了所提方法的有效性和优越性.     

混合系统二维离散与连续状态同步估计研究

在混合系统中,需要同时估计出系统的离散状态与连续状态.针对混合系统出现二维离散状态下的混合状态估计问题进行研究,根据系统特性,采用跳变马尔可夫线性系统建模,并应用Rao-Blackwellised粒子滤波算法对二维离散状态与连续状态进行同步估计.由于算法一定程度上缓解了粒子滤波算法在高维状态空间估计中的失效问题,并对离散状态单独采样,能提高系统状态的估计精度.仿真试验证明,方法能有效地同步估计出系统的二维离散状态与连续状态,其中,二维离散状态的估计准确率达到了96%.