.png){kind=icon}
返回
Two Interacting Multiple Model State Estimation Algorithms for Linear Discrete-Time Systems With Unknown Input
.png){kind=icon}
PRE
AI
DOI：10.1109/tcns.2026.3661205.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
传统的同时输入和状态估计器（SISEs）依赖于具有固定高斯噪声假设的单动态模型。然而，在目标机动过程中其性能会下降。在实际网络中，非高斯噪声的存在也会损害SISE性能。为解决这些问题，本文针对不同噪声条件下的未知输入交互式多模型（IMM）开发了两种新型状态估计算法。通过将最小方差无偏（MVU）准则引入IMM框架，提出了第一种算法IMM-MVU-SISE，以同时解决模型转换、未知输入和高斯噪声问题。然而，在非高斯噪声下，IMM-MVU-SISE算法因MVU准则的限制而不适用。通过采用最大相关熵准则（MCC）作为最优标准，并创建针对输入和状态的两种不同增广模型，本文开发了第二种算法IMM-MCC-SISE，以处理模型转换、未建模输入和多样化非高斯噪声的联合问题。在两种算法中，均不对输入做出预设。同时，随着高斯核宽度的无限趋近，IMM-MCC-SISE算法的结果与IMM-MVU-SISE算法的结果一致。最后，数值仿真结果表明所提出的IMM-MVU-SISE和IMM-MCC-SISE算法的有效性和优越性。
Keyword:
Interactive multiple model
maximum correntropy criterion
minimum-variance unbiased
state estimation
unknown input
期刊
IF:
5
论文数:
1.7K
被引数:
5.8K
机构
引用论文
分享收藏Secure State Estimation and Control for Cyber Security of the Nonlinear Power Systems非线性电力系统网络安全的安全状态估计与控制
PREAI
分享收藏On the asymptotic stability of minimum-variance unbiased input and state estimation关于最小方差无偏输入和状态估计的渐近稳定性.png)
AUTOMATICA
AUTOMATICAIF5.9
PREAI
分享收藏分享收藏Maximum correntropy quadrature Kalman filter based interacting multiple model approach for maneuvering target tracking基于最大相关熵四元数卡尔曼滤波的交互式多模型机动目标跟踪方法
PREAI
分享收藏Unbiased minimum-variance input and state estimation for linear discrete-time systems线性离散时间系统的无偏最小方差输入和状态估计AUTOMATICA
AUTOMATICAIF5.9
PREAI
分享收藏
查看更多内容