一种带有随机时延的马尔科夫跳变线性系统状态估计方法

摘要

针对带有随机时延的马尔科夫跳变线性系统(Markov Jump Linear System,MJLS),本文提出了一种基于交互多模型随机时延(Interacting Multiple Model Stochastic Delay,IMMSD)算法的MJLS状态估计方法.该方法给出了未知随机时延条件下的MJLS状态后验概率密度描述和模态后验概率分布描述.在IMM估计框架中引入时延状态进行Kalman状态预测、测量更新和模态更新,从而实现了未知随机时延条件下的MJLS最小均方误差状态估计和未知随机时延的后验概率分布估计.仿真结果表明,在随机时延未知的条件下,该方法与已知时延条件下的标准IMM算法的估计精度相当,且能够实现对时延状态的后验概率估计.