基于状态估计误差协方差矩阵最小化的双线性系统状态估计

张，肖和丁，冯和杨二福(2019)通过最小化状态估计误差的协方差矩阵对双线性系统进行状态估计。 国际自适应控制与信号处理杂志, 33 (7).第1157-1173页。国际标准刊号0890-6327(https://doi.org/10.1002/acs.3027)

[ACSP33_x_State_estimation_for_biliner_systems_through_minimizing的缩略图]
预览
 文本。文件名：ACSP33_x_State_estimation_fr_bilinear_systems_through_minimizing.pdf（ACSP33_x_State_estimation\ufor_bilinear_systems_through_minimizing.pdf）
接受作者手稿
下载（742kB）|预览

摘要

本文研究了双线性系统在扰动作用下的状态估计问题。标准卡尔曼滤波器被公认为线性系统的最佳状态估计器，但它不适用于双线性系统。众所周知，基于泰勒展开，提出了扩展卡尔曼滤波器（EKF）来线性化非线性模型。本文证明了EKF方法不适用于双线性系统，因为双线性系统的线性化方法不能描述所考虑系统的行为。因此，本文通过最小化状态估计误差的协方差矩阵，提出了一种单输入单输出双线性系统的状态滤波方法。此外，将状态估计算法扩展到多输入-多输出双线性系统。性能分析表明，状态估计可以跟踪真实状态。最后，数值算例说明了该方法的具体性能。

ORCID标识

张、肖,丁，冯和杨二福 ORCID标志ORCID代码：https://orcid.org/0000-0003-1813-5950;
核心（连接库）