带有有限连续丢包系统状态估值器.docVIP

带有有限连续丢包系统的最优Kalman估值器摘 要：本文研究的是观测数据和已知的控制输入数据带有限连续丢包的线性离散随机系统，它是通过两个Bernoulli分布的随机变量来描述的。基于射影定理，通过引入两个新的变量利用状态增广的方法将系统转化为增广的不带丢包的系统，并针对新的增广系统在最小均方的意义下通过新息分析的方法提出了基于单传感器系统的线性无偏最小方差的Kalman估值器。仿真例子验证了其有效性。 关键词：有限连续丢包系统，最优Kalman估值器 引言 近几年来网络控制系统(NCSs)受到了广泛的关注[1]-[3]，这与使用简单的点对点的连接控制系统相比较网络控制系统(NCSs)具有便于安装、易于故障的检测和分离、且可以减小成本等优点。数据的传输是通过通信渠道进行的，例如从传感器到控制器和/或从控制器到制动器的传输等。由于传输通道的多变性、通信的不可靠性以及元器件的老化、灵敏度不够等原因可能会导致数据包的丢失，从而导致系统不稳定和系统性能的下降。 目前，大量工作主要集中在研究具有无限丢包系统的上。在网络控制系统中通过随机参数来描述随机时滞和丢包系统[4]-[15]。[16]中介绍的是不具有控制输入的有限连续丢包系统最优Kalman估值器。[17] 中介绍的带有多丢包的线性离散系统的最优线性估计问题。[18]是关于观测系统中带有多丢包的最优的全阶和降阶估值器的研究。[19]是带有多丢包系统的分布式最优融合优先滤波器。[20]研究的是具有不同丢包率多传感器系统的信息融合估值器，主要是在线性最小方差的意义下研究带有多丢包系统的最优集中式和分布式信息融合估值器。 事实上，[17]中的估值器是次优的，由于它要求系统矩阵是非奇异的并且噪声是不相关的。本文研究的是控制输入和观测都有有限连续丢包系统的最优Kalman估值器。由于随机时滞和（或）丢包系统广泛应用于网络控制系统(NCSs)[1]-[3]、生产过程制造、通讯、信号处理等领域，因此研究这类有限连续丢包系统的状态估计问题具有非常重要的理论价值和实际意义。仿真例子验证了其有效性。 问题阐述 考虑带多丢包的离散时不变随机系统 （1） （2） （） （），。 是状态，是传感器的输出，是通过估值器接收到的输出， 是输入白噪声，是传感器的观测噪声，是已知的外部输入，是由控制器到制动器链接后，通过制动器接收到的输入。是适当维数的常矩阵，是服从Bernoulli分布的互不相关的随机变量，满足概率分布：， ，，且不相关于其他的随机变量。 模型（）（）和，都表示固定的整数。 引入新的变量： （5） （6） 把（2） 定义： （7） 其中是转置号 由如下的等价于系统（1）（） (8a) (8b) 其中: （9） 并且有： (10) 假设1：和是相关的零均值白噪声，方差阵分别为和，相关阵为，即有： （11） 其中是转置号，E为数学期望，为Kronecker delat函数。 假设2：初始状态白噪声、以及是不相关的，且满足： （12） 问题是再假设1-2下基于观测求最小均方估值器。当时为滤波器，当时为预报器，当时为平滑器。注意在每一时刻的值是未知的，但是已知它的概率。 。 最优估值器 引理1：（13） 证明：由的分布可得证。证毕 引理2：由（9）我们有如下的结论： (14) 其中: (15) 证明：由（9）式直接取数学期望可得（14）式，再由（9）式减去（14）式可得（15）式。证毕 根据引理2可得如下信息： (16) (17) 引理3：系统（8）有如下的相关函数： (18) (19) (20) 其中： (21) (22) (23) 初值为： 证明：把（8a）式代入到方程式：中有 (24) 再将（9）式代入（23）式就得到（21）-（23）式，从而（17）式成立。证毕 定理1：满足假设1-2的有限连续