齐国元[1]2001年在《广义系统降价Wiener状态估值器和Kalman状态估值器》文中认为应用现代时间序列分析方法，基于ARMA新息模型和白噪声估计理论，在广义系统四种典范型下分别提出了广义系统的四种降阶Wiener状态估值器和四种降阶极点配置Kalman估值器。它们可统一处理，滤波，平滑和预报问题，且具有渐近稳定性。在计算上与非降阶的方法相比明显地减少了计算负担。同多项式方法和经典Kalman滤波方法相比，本文方法避免了求解Diophantine和Riccati方程。 大量的仿真例子说明了所提出算法的有效性。
孟华[2]2004年在《广义系统降价Kalman和Wiener状态估值器》文中研究表明基于广义随机系统的叁种典范型，应用Kalman滤波和白噪声估计理论，分别提出了广义系统的叁种降阶Kalman状态估值器和Wiener状态估值器。它们可统一处理预报、滤波和平滑问题，且具有渐进稳定性。此外，还给出了叁种具有全局渐进稳定性的降阶极点配置固定滞后Kalman平滑器。与非降阶的估值器相比明显地减少了计算负担，便于实时应用。大量的仿真例子说明了所提算法的有效性。
王树芬[3]2013年在《广义区间系统的状态估计问题研究》文中提出广义区间系统是一种具有参数不确定性和模型不完全已知的广义系统。针对具有参数不确定的广义区间系统，要实现对其的状态估计，是控制系统领域中一个非常重要的内容。本文利用鲁棒最小二乘法(Robust Least Square，RLS)针对广义区间系统的参数不确定性和建模不完整性，实现对广义区间系统的状态估计，从而得到一种鲁棒递推滤波算法。针对广义区间系统参数扰动不同的结构形式，将鲁棒递推滤波算法进行有针对性的变换和转化，最终实现用鲁棒递推滤波算法对其的最优状态估计。本文将鲁棒递推滤波算法从一般的区间系统推广到广义区间系统，首先给出了文献[58]加性扰动下的广义区间系统鲁棒状态估计算法的稳定性分析，再给出分式扰动下的广义区间系统鲁棒状态估计的形式，最后进行仿真分析，指出两种参数扰动形式的应用背景及各自的优势。当广义区间系统退化到为一般系统时，提供了一套与以往提出的滤波算法并列的鲁棒递推滤波算法。在本文的最后一章，讨论了广义区间系统的随机参数不确定性，这种随机参数不具有第四章的参数扰动形式和其它任何结构形式，也不知道随机参数扰动的统计特性，只知其扰动所在的范围，即不确定参数所在的范围，最后采用鲁棒递推滤波算法，实现了对具有随机不确定性参数的广义区间系统的状态估计。对于文中每一种有针对性的鲁棒递推滤波算法，都采用Riccati方程进行了稳定性的证明。本文中每章的最后都对本章中重要的算法进行了仿真，仿真结果表明，本文设计的鲁棒递推滤波算法满足设计的要求，实现了对广义区间系统的状态估计，具有相应的鲁棒性能。
参考文献：
[1]. 广义系统降价Wiener状态估值器和Kalman状态估值器[D]. 齐国元. 黑龙江大学. 2001
[2]. 广义系统降价Kalman和Wiener状态估值器[D]. 孟华. 黑龙江大学. 2004
[3]. 广义区间系统的状态估计问题研究[D]. 王树芬. 黑龙江大学. 2013