马尔可夫跳跃系统广义扰动的最小上界滤波算法

"自动控制领域的研究论文，探讨了具有广义未知扰动的马尔可夫跳跃线性系统(Markovian Jump Linear Systems, MJLSs)的最小上界滤波器设计问题。" 在自动控制理论中，马尔可夫跳跃线性系统是一种广泛应用于动态系统建模的方法，特别是在存在不可预知的随机变化或状态跳变的情况下。这篇由秦月梅、梁燕、杨延波、潘泉和杨峰共同撰写的论文，发表于2016年的《自动化学报》(Automatica)，主要关注的是在系统中存在多种不确定性，包括马尔可夫跳跃参数和广义未知扰动(GUDs)的情况下，如何设计一种有效的滤波器。 论文首先介绍了马尔可夫跳跃线性系统的状态转移模型，该模型在固定多面体的不同顶点之间跳跃，每个顶点代表一个系统模式。这种跳跃过程是由马尔可夫链决定的，它描述了系统在不同状态之间的概率转移。广义未知扰动则指代那些无法精确测量或建模的外部干扰，它们可能来源于系统内部的非线性效应、环境因素或其他不可预见的输入。 接着，论文提出了最小上界滤波器的设计策略。这种滤波器的目标是估计系统状态的同时，提供一个最小的误差上界，即使在扰动和随机噪声的影响下，也能保证对系统状态的估计精度。这在目标跟踪、信号处理和其他需要高精度实时估计的应用中尤为重要。 为了实现这一目标，作者们采用了多面体线性化技术来处理马尔可夫跳跃参数，并通过构建不确定性的边界来处理广义未知扰动。他们可能使用了凸优化方法来寻找滤波器参数，以确保估计误差的上界尽可能小。此外，论文可能还涉及了滤波器稳定性分析，以确保滤波器在各种运行条件下都能保持稳定。 关键词涵盖了马尔可夫跳跃线性系统、上界滤波器、未知扰动、多面体系统和目标跟踪，这些关键词揭示了论文的研究焦点和应用背景。通过解决这些复杂系统中的滤波问题，论文对于理解和改进在不确定性环境下运行的控制系统，如航空航天、交通管理和自动化生产等领域，具有重要的理论与实践价值。