Estimación óptima de fusión secuencial para sistemas de datos muestreados con retardos aleatorios y ruido multiplicativo

Resumen Este artículo se centra en el problema del diseño del filtro de fusión secuencial óptimo para una clase de sistemas de datos muestreados sujetos a retardos de transmisión aleatorios y ruido multiplicativo. El retardo considerado se modela como una cadena de Markov de múltiples estados, mientras que se supone que el ruido multiplicativo que corrompe las mediciones de observación es una secuencia de ruido blanco con propiedades estadísticas conocidas. Primero, al reorganizar las mediciones originales, la resolubilidad del problema abordado se expresa en la viabilidad de un problema de estimación óptima para el sistema híbrido de salto markoviano sin retardos. Luego, se construye un filtro de fusión secuencial óptimo utilizando un modelo dinámico con saltos finitos basado en el orden de llegada de las mediciones de diferentes sensores, garantizando un rendimiento de estimación tanto en los instantes de muestreo como dentro de los intervalos de muestreo. Además, las ganancias del estimador deseado se pueden calcular resolviendo una serie de ecuaciones diferenciales de Riccati acopladas con saltos y ecuaciones diferenciales de Lyapunov acopladas. Asimismo, se logra un filtro de fusión secuencial estacionario con la garantía de estabilidad exponencial media-cuadrática. Finalmente, se proporcionan dos ejemplos de simulación para verificar la validez de los algoritmos propuestos.