噪声统计特性未知时的鲁棒卡尔曼滤波算法设计
Robust Kalman filter design for unknown noise covariance
摘要点击 1756  全文点击 2262  投稿时间:2010-01-27  修订日期:2010-07-02
查看全文  查看/发表评论  下载PDF阅读器
DOI编号  10.7641/j.issn.1000-8152.2011.5.CCTA100102
  2011,28(5):693-697
中文关键词  随机线性系统  鲁棒卡尔曼滤波算法  设计条件  线性矩阵不等式
英文关键词  stochastic linear system  robust Kalman filter  design criterion  linear matrix inequality
基金项目  
作者单位E-mail
王建文 国防科技大学 机电工程与自动化学院 wangjianwen7921@sina.com 
税海涛 国防科技大学 机电工程与自动化学院  
李迅 国防科技大学 机电工程与自动化学院  
张辉 国防科技大学 机电工程与自动化学院  
马宏绪 国防科技大学 机电工程与自动化学院  
中文摘要
      本文研究了噪声统计特性未知时的鲁棒卡尔曼滤波算法(RKF)设计问题. 首先, 提出了一种新的RKF算法设计条件, 并分析了其合理性; 其次, 从RKF算法设计条件出发研究了RKF算法的设计问题, 把RKF算法的设计过程转化为计算一组线性矩阵不等式(LMI)的可行解; 再次, 研究了LMI可行解的计算问题, 并通过计算该LMI的可行解设计了一种RKF算法; 最后, 通过仿真验证了所设计的RKF算法的有效性.
英文摘要
      This paper is concerned with the problem of a robust Kalman filter(RKF) design when noise covariance is unknown in stochastic linear systems. A novel design criterion for RKFs is proposed, and its rationality is analyzed. Based on the criterion, the design of a RKF is transformed to solving a linear matrix inequality(LMI). The results are validated by simulations.