[发明专利]一种同时估计未知输入和状态的分布式融合滤波方法

说明书

本发明提出了一种同时估计未知输入和状态的分布式融合滤波方法，用以解决现有分布式滤波器没有给出未知输入估计的状态方程的问题；其步骤如下：建立带多个传感器的离散线性时变系统；基于每个传感器的观测量，设计三步递归滤波器；推导任意两个局部估计之间的互协方差矩阵，然后根据获得的局部估计和互协方差阵，利用线性最小方差分量按标量加权融合估计算法给出状态的各分量的分布式标量加权融合滤波器。本发明对状态的估计精度优于现有的分布式融合滤波方法，在系统带有统计特性未知的未知输入时，利用同时估计未知输入和状态的滤波算法给出了对未知输入的无偏估计，而现有文献中并没有给出对未知输入的估计。

技术领域

本发明涉及分布式滤波器的技术领域，尤其涉及一种同时估计未知输入和状态的分布式融合滤波方法。

背景技术

对于含有未知输入、随机干扰或偏差的随机系统的状态估计问题广泛的出现在控制、通信、信号处理和故障诊断中。对带有未知输入线性系统的估计问题，Darouach M，Zasadzinski M在假设噪声相互独立的条件下，设计了含有未知输入系统的滤波器，所提出的滤波器不依赖未知输入，基于最小方差估计，没有馈通矩阵。Hou M，Patton R J给出了系统和传感器均带有未知输入情况下的状态估计方法，不仅对未知输入的估计有一步延迟，且现有的文献大多是基于单传感器研究。因此，除了最小方差状态估计之外，Palanthandalam-Madapusi H J等提出了一种在与状态估计分离的过程中重建未知输入的方法。其发展之后，Hsieh C S和Gillijns S在没有直接馈通的系统同时输入和状态估计滤波器的设计，目的是同时获得状态和未知干扰输入的最小方差(MVU)的无偏估计系统。不久之后，Verma R和Fang H提出了直接馈通系统的扩展。

利用最小方差无偏滤波器对于直接馈通系统的未知输入和状态，在[SundaramS.Fault-tolerant and secure control systems[J].University of Waterloo,2012.]中首先考虑。这与大多数以前的滤波器不同，它们仅搜索系统状态的最小方差估计。有趣的是，对于没有直接馈通的条件，Fang H的最小方差状态滤波器以无偏最小方差意义隐式估计输入。

如果系统有直接的馈通，有一些奇怪的事情，就像文献[Chadli M,Davoodi M,Meskin N.Distributed fault detection and isolation filter design forheterogeneous multi-agent LPV systems 2017 American Control Conference(ACC).2017.]中的状态动态和测量中的未知输入，都会影响整个系统。根据现有文献，已经知道两种滤波器，一种是基于当前的时间测量来估计当前的状态，另一个是基于以前的测量时刻来估计当前的状态。因此，很容易知道基于之前时间的测量值的滤波器导致一步延迟，并且基于当前时间测量的估计滤波器没有延迟。因此，如果有直接馈通或没有直接馈通，状态和输入的估计是不同的。