具有估计误差方差约束的连续时间卡尔曼滤波新方法

在状态估计应用领域。指标要求常常表现为估计误差稳态方差的上界形式。本文考虑连续系统在动态特性及稳态误差方差约束下的卡尔曼滤波问题，即设计滤波增益，使滤波矩阵具有给定的稳定裕度，同时各状态分量的估计误差稳态方差不大于各自预先给定值。基于代表方法，文中给出了期望滤波增益的存在条件及其解析表达式，并提供了说明性的数值算例。     

预测误差方差约束下的稳态离散卡尔曼滤波

在预测与滤波领域中，指标要求常常直接表现为状态分量的预测误差方差的上界形式。本文研究稳、暂态指标约束下的离散系统卡尔曼滤波问题，即设计滤波增益，使每个状态分量的预测误差方差不大于各自预先给定值，同时滤波矩阵满足给定的区域极点约束。本文给出了期望滤波增益的存在条件及其解析表达式。数值例子说明了本文设计方法的简单性与有效性。     

Delta算子描述的离散系统鲁棒滤波

研究基于Delta算子描述的线性不确定离散时间系统在稳态估计误差方差约束下的鲁棒滤波问题。目的是设计线性滤波器 ,使得闭环系统稳定 ,且闭环系统的稳态估计误差的方差满足预先给定的约束条件。基于Riccati方程或Riccati不等式方法 ,给出Delta算子描述的系统鲁棒滤波器的存在条件和显式表达式     

一类不确定时滞非线性系统的H∞鲁棒镇定

利用混杂状态反馈策略研究一类不确定时滞非线性系统的鲁棒H_∞镇定问题.首先,当控制器增益矩阵均已知时,利用单Lyapunov函数法和凸组合技术,给出了闭环非线性切换系统具有鲁棒H_∞性能的充分条件并设计出相应切换律.然后,当控制器增益矩阵均未知时,利用多Lyapunov函数法,设计了控制器及相应的切换策略,使闭环非线性切换系统是鲁棒H_∞渐近稳定的.     

一类非线性不确定时滞系统的时滞相关鲁棒H∞控制

针对一类具有状态非线性不确定性的时滞系统,基于适当形式的Lyapunov泛函和Lyapunov稳定性理论,利用线性矩阵不等式(LMI)方法,讨论了时滞相关型鲁棒H∞状态反馈控制器设计问题.在非线性不确定性满足增益有界条件下,得到了该类时滞系统依赖于时滞的满足鲁棒H∞性能的一个充分条件,且控制器存在的充分条件由线性矩阵不等式组(LMIs)的形式给出,可以通过求解一个线性矩阵不等式组获得鲁棒H∞控制器.最后给出一个具体算例说明了该方法的有效性.     

严格耗散广义系统的鲁棒性分析与控制

考虑不确定广义系统的鲁棒耗散性分析与控制,其中各不确定参数矩阵具有线性分式形式。针对确定广义系统建立耗散性与正实性之间的等价关系,将不确定广义系统的鲁棒耗散性分析与控制转化为确定广义系统的耗散性分析与控制,利用线性矩阵不等式,给出了不确定广义系统鲁棒严格耗散的充要条件及状态反馈鲁棒严格耗散控制器的设计方法。通过一个数值算例说明所给设计方法的有效性。     

超机动飞行的非线性鲁棒自适应控制系统研究

针对飞机模型中存在气动参数不确定性以及外界干扰等影响因素,设计了一种超机动飞行的非线性鲁棒自适应控制系统。控制系统设计过程中,模型不确定性和外界干扰由RBF神经网络在线补偿,控制律及神经网络权值自适应律由反步法得到。解决了系统中控制增益矩阵未知,同时存在外界干扰情况下的鲁棒飞行控制系统设计,并证明了闭环系统所有信号有界,系统跟踪误差和神经网络权值估计误差指数收敛到有界紧集内。对所研究的飞行控制系统进行了过失速Herbst机动仿真,结果验证了该系统在过失速机动条件下具有良好的控制性能。     

输入时滞Markov跳变系统鲁棒保性能控制及其仿真研究

研究一类具有模态相关时变输入和状态时滞的不确定马尔可夫跳变系统的鲁棒保性能控制问题。基于自由权矩阵方法,通过构造一个新的Lyapunov函数,给出了此类系统存在无记忆状态反馈鲁棒保性能控制律的充分条件,估计了其保性能值。并且,控制器的设计归结为一组LMI的求解问题。仿真实例说明了提出方法的有效性。     

含量测噪声非线性系统鲁棒滑模多故障重构观测器设计

针对一类含量测噪声的多故障并发(执行器和传感器同时出现故障)非线性系统，提出了一种完全解耦鲁棒滑模故障重构观测器设计方法。首先，将传感器故障及量测噪声作为增维向量构建广义系统，针对广义系统设计鲁棒滑模观测器。其次，考虑非线性Lipschitz系数以及故障上界未知情形，提出综合自适应律补偿的设计程式。同时，在观测器系数矩阵设计中，引入辅助矩阵以及广义约束逆矩阵，实现故障与扰动完全解耦；在此基础上，基于线性矩阵不等式提出了观测器增益矩阵设计方案。最后，综合鲁棒滑模微分器给出了执行器及传感器故障重构结论，并开展了仿真算例研究，以检验设计方案的有效性。     

非线性关联大系统的鲁棒观测器研究

本文研究一类含有参数不确定性的非线性关联大系统的鲁棒状态观测器设计问题，设计了一种非线性鲁棒状态观测器，并证明了状态误差按指数渐近收敛到零。最后给出了一个数值算例，说明了本文的结论及鲁棒状态观测器的设计方法。     

New algorithm for robust H2/H∞ filtering with error variance assignment

We consider the robust H2/H∞ filtering problem for linear perturbed systems with steady-state error variance assignment. The generalized inverse technique of matrix is introduced, and a new algorithm is developed. After two Riccati equations are solved, the filter can be obtained directly, and the following three performance requirements are simultaneously satisfied: The filtering process is asymptotically stable; the steady-state variance of the estimation error of each state is not more than the individual prespecified upper bound; the transfer function from exogenous noise inputs to error state outputs meets the prespecified H∞ norm upper bound constraint. A numerical example is provided to demonstrate the flexibility of the proposed design approach.     

基于改进粒子滤波的双站无源定位跟踪算法研究

在非线性非高斯状态空间下,粒子滤波器是一种有效的非线性滤波算法,它的关键问题包括粒子权重的计算、粒子重采样和状态估计等.根据粒子滤波算法思想和双站无源定位跟踪的非线性,将粒子滤波算法用于双站无源定位跟踪问题,给出了一种改进的粒子滤波算法,并对其关键问题根据双站无源定位跟踪的特殊性进行了改进.利用matlab进行了仿真实验,与最小二乘算法、扩展卡尔曼滤波算法进行了比较,结果表明所提算法定位跟踪精度优于其他方法.     

Robust state-space realizations of digital filters against finite word length errors

This article deals with two important issues in digital filter implementation： roundoff noise and limit cycles. A novel class of robust state-space realizations, called normal realizations, is derived and characterized. It is seen that these realizations are free of limit cycles. Another interesting property of the normal realizations is that they yield a minimal error propagation gain. The optimal realization problem, defined as to find those normal realizations that minimize roundoff noise gain, is formulated and solved analytically. A design example is presented to demonstrate the behavior of the optimal normal realizations and to compare them with several well-known digital filter realizations in terms of minimizing the roundoff noise and the error propagation.     

基于Masreliez-Martin的鲁棒分数阶容积卡尔曼滤波算法及应用

针对具有非高斯量测噪声的分数阶离散时间非线性系统的状态估计问题, 提出一种基于Masreliez-Martin(简称为M-M)方法的鲁棒分数阶容积卡尔曼滤波器。在分数阶离散非线性动态系统基础上, 使用三阶容积原则推导了状态预测公式, 并使用M-M方法实现状态的量测更新, 构成了基于M-M方法的鲁棒分数阶容积卡尔曼跟踪算法。将提出的算法应用到再入目标的状态估计中, 仿真结果表明, 基于M-M方法的鲁棒分数阶容积卡尔曼滤波器优于分数阶无迹滤波器和分数阶容积卡尔曼滤波器。最后, 分析了不同程度的量测污染噪声对鲁棒分数阶容积卡尔曼滤波算法的估计性能影响, 验证了所提算法的鲁棒性。     

截断的自适应容积粒子滤波器

在现有的高斯粒子滤波算法(Gaussian particle filter, GPF)中,粒子的重要性密度函数是由高斯滤波器（Gaussian filter, GF）结合当前最新量测来构建的。在高精度、强非线性的量测条件下,传统GF并不能很好地近似状态真实后验概率密度函数,为了解决这一问题,提出一种截断的自适应容积卡尔曼滤波器,并用其来构建粒子的重要性密度函数,从而推导出了截断的自适应容积粒子滤波器。仿真表明,在高精度、强非线性的量测条件下,所提出的滤波算法比现有的GPF具有更高的估计精度。     

基于DEKF联合估计的CD3S信号解调算法

针对实值混沌直接序列扩频(chaotic direct sequence spread spectrum,CD3S)信号同步难、解调难的问题,利用混沌码同步与信息码解调间的关联性,提出了一种基于双扩展卡尔曼滤波联合估计的CD3S信号解调算法。算法采用双扩展卡尔曼滤波结构,交替进行混沌码估计与信息码估计,通过联合估计完成混沌扩频码同步,并实现信息码的解调。考虑到信息码状态相互独立造成的卡尔曼增益退化问题,算法改进了信息码估计时的卡尔曼增益计算方法。仿真结果表明,该算法可以实现CD3S信号的正确解调,改进卡尔曼增益解调可以有效改善CD3S系统的误码性能。