测量误差协方差矩阵的鲁棒估计

由于经典的误差协方差阵间接估计方法对于过失误差存在非常敏感,本文提出了一种基于Hampel三截尾估计的间接估计方法,在无过失误差和存在过失误差的情况下都能给出测量误差协方差矩阵可靠的估计,两个仿真实例表明了算法的鲁棒性。     

小集合数条件下的数据同化策略研究

基于集合的数据同化方法近年来得到广泛的重视和研究,已经逐步实验在业务大气数据同化系统中来替代变分类方法。集合Kalman滤波方法高度依赖于集合的大小,集合数过小会带来欠采样,协方差低估,滤波发散和远距离的虚假相关等问题。局地化技术可以有效改善小集合带来的相关问题。在Lorenz-96模型的基础上,研究有无局地化的效果差异,探讨小集合条件下的局地化技术的优劣性;提出一种基于功率谱密度（PSD）判断集合数据同化效果的办法。实验证明：在有限集合数下,采用Kalman增益值和PSD可以评价同化效果,结合局地化技术,可以获得效率更高的同化算法。     

区间系统的离散鲁棒Kalman滤波

着重研究区间系统的鲁棒滤波问题.通过等价变换,将区间系统转换为对应的矩阵范数不确定系统,并据此导出区间系统的鲁棒滤波算法.该算法为一离散验后(a posteriori)滤波算法,它能保证区间系统的滤波误差有界.理论分析和实际计算结果表明,本算法能达到比验前(a priori)滤波小得多的滤波误差的方差上界.     

协方差交叉融合鲁棒Kalman滤波器

对于带未知互协方差的两传感器系统,提出一种协方差交叉（CI）融合鲁棒稳态Kalman滤波器,它关于未知互协方差具有鲁棒性.严格证明了该滤波器的实际精度高于每个局部滤波器的精度,但低于带已知互协方差的最优融合Kalman滤波器的精度.基于协方差椭圆给出了精度关系的几何解释.进一步将上述结果推广到一般多传感器情形.一个跟踪系统的Monte-Carlo仿真例子表明,其实际精度接近于带已知互协方差的最优融合器的精度.     

一种鲁棒的Kalman滤波方法

在目标跟踪测量中,由于各种噪声的影响,Kalman滤波算法对野值数据的估计经常出现较大误差,直接影响了定位结果.修正增益的滤波方法在野值相对较小的情况下误差不能有效的识别.为此,提出残差权重自适应抗野值的Kalman滤波方法,该方法能明显的降低野值对定位结果的影响,对实测数据的仿真结果表明了该方法的有效性,满足试验要求.     

离散系统的鲁棒最小方差滤波新算法及分析

提出了一种线性离散不确定系统鲁棒最小方差滤波新算法.当离散系统含有不确定项时,能保证滤波误差的方差有界且最小.同已有算法相比,该算法只需要求解两个相互独立的离散Riccati方程,可大大降低鲁棒滤波的计算和分析难度.通过对算法稳定性和设计参数取值范围的分析表明,为了保证这种鲁棒滤波器存在,只要求离散系统中受不确定项影晌的子系统二次稳定即可.实际算例显示了算法的有效性.     

基于方差配置不确定系统的鲁棒滤波

实际系统普遍存在不确定性,这种不确定性可能导致滤波发散问题.该文对一类时变不确定系统讨论了一种指定误差方差上限的状态滤波器的设计,该方法采用两个Riccati方程,其中第一个Riccati方程用以补偿系统的不确定性,第二个Riccati方程用来配置状态滤波误差的协方差上限.导出了滤波器的存在条件和滤波器的通解,揭示了该滤波器与稳态Kalman滤波器之间的内在联系.     

期望指标下一类线性周期系统鲁棒状态估计

针对满足多重区域指标约束的鲁棒滤波问题 ,以离散线性周期系统为研究对象 ,利用周期系统参数在某区间变化的特性 ,将周期系统满足极点或极点 /协方差指标的估计问题转化为区间系统的鲁棒估计问题。采用线性矩阵不等式 (L MIs)法进行凸优化 ,求解对应区间系统的满意估计增益 ,并设计相应鲁棒状态估计器。数值算例验证了相关的结论。     

误差方差约束下Delta算子不确定系统的鲁棒H∞滤波

研究Delta算子不确定系统在稳态估计误差方差约束下的鲁棒H∞滤波问题.目的是设计滤波器,使得系统在状态矩阵和输出矩阵均存在不确定性时,滤波过程是渐近稳定的,每个状态的稳态估计误差的方差不大于事先给定值,且从噪声输入到误差输出的传递函数满足给定的H∞范数约束.基于矩阵不等式方法,提出了滤波器的存在条件和显式表达式.所得结果可将连续和离散系统的有关结论统一到Delta算子框架.     

连续系统鲁棒约束方差估计的一种新方法

本文提出一种新的性能鲁棒滤波增益的设计方法，即设计滤波增益，使得当系统噪声强度不确定时，系统每个状态的误差稳态值都不大于预先的旨定值，并举说明这种设计方法的直接性与简单性。     

用偏差分离估计的鲁棒Kalman滤波算法

本文针对带模型误差系统,利用偏差分离估计提出了一种鲁棒Kalman滤波算法,并给出了该算法的渐近稳定条件。仿真结果表明本文算法是有效的。     

对建模误差具有鲁棒性的MRAC方案

研究了模型参考自适应控制系统存在未建模动态的鲁棒性问题。基于Popov超稳定理论,采用从模型取状态技术,并将系统的建模误差转化为已知干扰,设计出一种对建模误差具有鲁棒性的MRAC方案。     

连续系统鲁樟约束方差估计的一种新方法

本文提出一种新的性能鲁棒滤波增益的设计方法，即设计滤波增益，使得当系统噪声强度不确定时，系统每个状态的误差方差稳态值都不大于预先指定值，并举例说明这种设计方法的直接性与简单性．     

对加性建模误差具有强鲁棒性的HMRACS设计

首次把混合自适应算法应用到具生建模误差的控制系统中,实现了混合自适应控制,增强了系统对建的鲁棒性。     

带观测滞后和不确定噪声方差的多智能体传感网络鲁棒序贯协方差交叉融合Kalman滤波

针对带观测滞后和不确定噪声方差的分簇多智能体传感网络系统,研究鲁棒序贯协方差交叉融合Kalman滤波器的设计问题.应用最邻近法则,传感网络被分成簇.应用极大极小鲁棒估计原理,基于带噪声方差最差保守上界的最差保守传感网络系统,提出了两级序贯协方差交叉(SCI)融合鲁棒稳态Kalman滤波器,可减小通信和计算负担并节省能量,且保证实际滤波误差方差有一个最小保守上界.一种Lyapunov方程方法被提出用于证明局部和融合滤波器的鲁棒性.提出了鲁棒精度的概念且证明了局部和融合鲁棒Kalman滤波器的鲁棒精度关系.证明全局SCI融合器的鲁棒精度高于每簇SCI融合器的精度且两者的鲁棒精度都高于每个局部鲁棒滤波器的精度.一个跟踪系统的仿真例子证明了鲁棒性和鲁棒精度关系.     

基于自适应抗差滤波的WSNs节点跟踪算法

针对无线传感器网络定位误差大、有色噪声影响严重等问题,提出一种基于自适应抗差Kalman滤波的无线传感器网络节点跟踪算法.先采用直线拟合削弱初始点位观测值的横向误差,然后通过构造自适应因子和等价权函数来控制未知有色噪声和观测值粗差的影响,并利用观测环境构造可信度因子干预滤波计算.在低速、高速运动模型下,分别以直线运动和...     

基于DEnKF的背景误差协方差局地化和协方差膨胀研究

尽管DEnKF同化不会引入观测采样误差,但小集合仍会造成背景误差协方差矩阵存在伪相关,出现滤波发散。为了减少小集合对数据同化结果的影响,结合Lorenz96模型和DEnKF同化方案分析了协方差局地化和协方差膨胀方法对背景误差协方差矩阵、增益矩阵及同化结果的影响。实验表明:协方差局地化方法能消除背景误差协方差矩阵和增益矩阵中的伪相关,增大背景误差协方差矩阵的秩,有助于滤波算法收敛到真实解;而协方差膨胀方法不能消除背景误差协方差矩阵和增益矩阵中的伪相关,只能改善在每个同化周期内背景误差协方差系统性被低估的现象;同化过程中采用合适的局地化半径和方差膨胀因子能够较好地改善同化结果的精度。