Uma estrutura para estimativa em espaço de estados com modelos incertos

Desenvolve uma estrutura para estimativa em espaço de estados quando os parâmetros do modelo linear subjacente estão sujeitos a incertezas. Em comparação com filtros robustos existentes, os filtros propostos executam regularização em vez de desregularização. É demonstrado que, sob certas condições de estabilizabilidade e detectabilidade, os filtros em regime estacionário são estáveis e que, para modelos quadráticamente estáveis, os filtros garantem uma variância de erro limitada. Além disso, as estruturas dos filtros resultantes são semelhantes a várias formas (de atualização de tempo e medição, previsão e informação) do filtro de Kalman, embora operem em parâmetros corrigidos em vez de nos parâmetros nominais dados. Resultados de simulação e comparações com filtros de estimação de estado com custo garantido /spl Hscr//sub /spl infin//, e de conjunto são fornecidos.