含约束信息的局域强耦合复杂系统滤波方法研究

In the research of complex system control, most researchers choose ignoring the system constrainted information instead of using it due to the lack of processing methods. For this reason, how to correctly describe and effectively utilize system's constrainted information to improve estimation accuracy becomes the frontier research subject in complex environment signal processing and system control. This project proceeds from the key issues in applying filters to complex systems including constrainted information and local strong coupling characteristics. In order to solve the crucial problems, such as information modeling and filtering calculation, we outspreads the study in three aspects: filter analysis, design and optimizing. We will use a combination of qualitative analysis and quantitative description to introduce the concept of constrainted information confidence, and determine corrective strategies of constraint information in the filtering process. Brand new Kalman filter, adaptive filter and robust filter based on second order moment of estimation error would be developed in order to reduce the affection of information loss and non-Gaussian noise on state measurement and information interactive. Intelligent optimization method such as distributed strategy and random search would be used to optimize the filtering algorithm and parameters to improve the filtering solver's efficiency and accuracy. The study will propose an effective filtering method for complex local strongly coupled systems containing constrainted information, and offer scientific solutions about information access, transformation and utilization in complex environment.

由于研究方法的限制，复杂系统控制的研究工作大多忽略系统中的约束信息。如何有效描述约束信息、合理利用约束信息，提高状态估计精度的问题是复杂环境下控制和信号处理领域的前沿研究课题。本项目基于现有滤波方法在含约束信息和局域强耦合特征的复杂系统领域遇到的信息建模、滤波解算等关键问题，从滤波器的分析、设计及优化三个层次展开滤波方法的研究。将采用定性分析与定量描述结合的方式，引进约束信息置信度的概念，研究约束信息在滤波过程中的修正策略，给出全新的基于估计误差二阶矩特征的卡尔曼、自适应及鲁棒滤波方法，降低信息丢失及非高斯噪声对状态量测和信息交互的影响；基于分布式策略与随机搜索等智能优化方法对滤波算法和滤波参数进行优化，提高滤波解算的效率和精度。本项研究将会针对含约束信息的局域强耦合复杂系统提出一套有效的滤波方法，为复杂环境下信息的获取、转化及有效利用提供科学的解决方案。

在分析现有约束滤波方法在局域强耦合复杂系统信息处理中面临的主要问题的基础上，本项目以合理描述约束信息、充分利用约束信息，降低信息丢失和各种噪声干扰对系统控制的影响,提高状态估计和交互信息的准确性为主要目的，开展了含约束条件的局域强耦合复杂系统的滤波理论与方法研究。研究中，基于随机系统理论和状态空间模型，建立含约束信息的局域强耦合复杂系统的滤波跟踪模型，对约束信息开展基于特征描述的置信度研究，对未知输入、野值测量、非高斯噪声问题及参数不确定约束信息进行分析和描述；根据滤波性能指标，建立滤波估计方法，结合自适应滤波及一致性滤波策略、伪测量方法及降维估计方法、积极集和罚函数法、模糊卡尔曼滤波方法及鲁棒滤波方法，设计了适用于复杂随机环境的约束滤波算法，实现对建模误差、耦合强度、信息丢失和非高斯噪声的定性分析与定量描述；基于分布式结构和对数量化器、滑模观测器，设计局域强耦合复杂系统的信息交互策略和滤波结构，分析系统的稳定性，提高滤波算法解算效率，设计有效的控制器，并开展局域强耦合复杂系统在社会行为分析、复杂网络的鲁棒性分析及目标跟踪等领域的应用研究，为复杂动态环境的数据处理提供指导。