线性离散状态时滞系统UFIR滤波算法

针对含状态时滞的线性离散时变状态空间模型,提出一类无偏有限脉冲响应(UFIR)滤波算法.通过构造含有时滞状态的增广系统模型,对原系统进行无时滞转换.利用扩展状态空间模型的思路,将现有UFIR滤波算法推广至含控制输入的状态时滞系统中,并进一步求解相应的迭代形式,保留类Kalman算法快速计算的特点.通过仿真例子表明了所提出算法的有效性.     

模型不确定非线性Markov 跳变系统的滤波算法

针对模型不确定非线性Markov跳变系统,提出一种新的滤波算法.相比于传统交互多模型粒子滤波,该方法通过引入前一时刻的滤波误差来增强原先由于不精确模型而造成权值较小的真实粒子在滤波过程中的作用,以此来改善算法的估计性能.仿真结果表明,该方法在处理含不确定模型参数的非线性Markov跳变系统状态估计问题时具有较好的性能.     

非线性非齐次Markov跳变系统的贝叶斯滤波

针对具有时变不确定转移概率的非线性非齐次Markov跳变系统, 提出一种贝叶斯状态估计方法.该方法首次采用带约束高斯概率密度函数来刻画转移概率的真实特性. 然后,基于参考概率空间法, 将实际的概率测度投影到理想概率空间, 得出信息变量的递归表达式. 同时, 在贝叶斯框架内给出转移概率矩阵的最大后验估计式. 进一步, 采用粒子逼近法求解转移概率矩阵的最大后验估计, 解决非线性函数的多重积分问题, 进而获取状态估计值. 最后, 通过一个仿真示例表明该方法的有效性.