江涛　钱富才　杨恒占　胡绍林

具有双重不确定性系统的联合滤波算法

江涛1钱富才1杨恒占2胡绍林1

卡尔曼滤波在高斯白噪声的假设下是一种最优滤波，基于区间数学理论的集员滤波（Set-membership filter，SMF）能够有效处理有界噪声假设下的滤波问题.然而，随机噪声和有界噪声在许多情况下会同时干扰控制系统.由于两种滤波算法都受到各自适用范围的限制，使用单一滤波算法难以得到理想的估计结果.本文通过建立具有双重不确定性系统的模型，提出了一种基于贝叶斯估计联合滤波算法.该算法用卡尔曼滤波处理系统的随机不确定性，用集员滤波处理系统的有界不确定性，得出一个易于实现的滤波器.最后通过对雷达跟踪系统的仿真，结果表明，较单一滤波算法，联合滤波具有更强的噪声适应性和有效性.

卡尔曼滤波，集员滤波，双重不确定性，联合滤波

引用格式江涛，钱富才，杨恒占，胡绍林.具有双重不确定性系统的联合滤波算法.自动化学报，2016，42（4）:535−544

随机噪声与有界噪声同时干扰自动控制系统的现象普遍存在，例如，在雷达跟踪系统中，接收系统的热噪声以及天线受到阵风的影响是典型的随机噪声［1］，而加速度的物理特性、外界未知环境不确定干扰等噪声因素的影响，相比其随机统计特性获得边界是更加可行的［2］；单晶在生长控制过程中，一方面受到随机对流的作用，另一方面温度场按偏微分方程演化，而在用有限元方法求解偏微分方程时，需要对不规则区域用三角形进行分割，对于分割接近边界邻域的狭小部分通常会忽略，忽略的这部分是有界不确定性；……