线性分式扰动下奇异系统的鲁棒卡尔曼滤波

摘要

本文将奇异系统参数不确定性模型扩展到具有结构约束的线性分式表示的不确定模型、研究表明, 滤波过程中的线性分式不确定性可以表示为一系列依赖系统真实状态的加性不确定性的交集. 采用了一个不依赖于系统真实状态的加性不确定性来包含该交集. 描述该加性不确定性的参数可以通过离线凸优化得到. 数值仿真结果表明, 当奇异系统参数存在线性分式不确定性时, 该算法能够实现递推状态估计、当线性分式不确定性退化为有结构约束的加性不确定时, 该算法的性能优于现有算法。