Resumen

Se presenta un enfoque directo para diseñar filtros de Kalman en estado estacionario robustos de fusión ponderada con varianzas de ruido inciertas. Basándose en la teoría de filtrado de Kalman en estado estacionario, utilizando el principio de estimación robusta minimax y la regla de estimación óptima de mínima varianza lineal no sesgada (ULMV), se diseñan seis filtros de Kalman en estado estacionario robustos de fusión ponderada basados en el sistema conservativo de peor caso con límites superiores conservativos de varianzas de ruido. Se garantiza que las varianzas reales de error de filtrado de cada fusor tengan un límite superior mínimo para todas las incertidumbres admisibles de las varianzas de ruido. Se propone un método de ecuación de Lyapunov para el análisis de robustez. Se demuestran sus relaciones de precisión robusta. Un ejemplo de simulación verifica su robustez y relaciones de precisión.

• Materias:Modelos matemáticos Conjuntos difusos Ecuaciones integrales Fusión de características Algoritmo de optimización
• Subjects:Mathematical models Fuzzy sets Integral equations Feature fusion Optimization algorithm
• Palabras claves:Enfoque; Fusión ponderada; Filtros de Kalman en estado estacionario; Varianzas de ruido inciertas; Estimación robusta; Análisis de robustez
• Keywords:Approach; Weighted fusion; Steady-state Kalman filters; Uncertain noise variances; Robust estimation; Robustness analysis