一种具有随机滤波增益变化的有限域滤波器设计方法与流程

本发明涉及一种滤波器设计方法，特别是一种具有随机滤波增益变化的有限域滤波器设计方法。

背景技术：

滤波或状态估计是控制工程和信号处理领域的基础性问题，在航空航天、工业过程控制、自动控制系统中得到了广泛的应用。传统的kalman滤波方法需要知道系统的准确模型及干扰信号的部分统计信息，而h∞滤波技术旨在保证干扰输入到估计误差的h∞范数增益小于给定的指标，因而更适合处理干扰信号统计信息未知情况下的滤波问题。

网络技术在以下两个方面对滤波器的设计提出了新的挑战：被控对象和滤波器通过网络技术在地理空间上实现了分离，滤波参数通过网络传输时，可能会发生微小的随机变化；由于数字计算机存储系统的字长是有限的，连续信号的滤波参数在进入计算机系统之前必须进行量化，不可避免地产生截断误差。

现有滤波器设计研究大都默认滤波器参数能够准确实现，而实际情况中，由于环境变化、仪器精度、未知干扰等因素的影响，滤波器结构参数会发生摄动。keer等证明，对于通过h2，h∞，l1及μ等方法得到的控制器，其参数极其微小的摄动会破坏系统的稳定性。

技术实现要素：

本发明针对一类复杂离散时变随机非线性系统，同时考虑网络诱导的随机滤波参数增益变化及数字系统的量化效应对滤波性能的影响，提出了一种具有随机滤波增益变化的有限域滤波器设计方法。

具有随机滤波增益变化和量化效应的一类离散时变随机非线性系统的h∞和l2-l∞有限域滤波器设计方法按以下步骤实现：

步骤一、建立具有随机滤波增益变化和量化效应的离散时变随机非线性系统数学模型；

步骤二、设计h∞和l2-l∞有限域滤波器；

步骤三、验证h∞和l2-l∞有限域滤波器设计方法的有效性。

本发明使用h∞和l2-l∞技术来设计一类离散时变随机非线性系统的有限域滤波问题。所设计的滤波器考虑了随机发生的网络诱导滤波增益变化，并利用扇形有界不确定性技术处理量化效应，降低系统复杂度。通过综合运用schurcomplement和s-procedure引理得到滤波器的lmi表达形式，并给出了有限域滤波器参数求解的迭代算法。同时本发明能够处理网络诱导参数增益变化和量化效应对滤波性能的影响，在滤波器lmis表达形式有解的情况下，保证系统满足h∞性能指标和l2-l∞性能指标。仿真结果验证了算法的有效性，说明达到了预期的设计目标。

下面结合说明书附图对本发明作进一步描述。

附图说明

图1是本发明方法流程图。

图2是状态x1(k)及其估计示意图。

图3是状态x2(k)及其估计示意图。

图4是状态x3(k)及其估计示意图。

图5是输出z(k)及其估计示意图。

具体实施方式

一种具有随机滤波增益变化的有限域滤波器设计方法，按以下步骤实现：

步骤一、建立具有随机滤波增益变化和量化效应的离散时变随机非线性系统数学模型；

步骤二、设计h∞和l2-l∞有限域滤波器；

步骤三、验证h∞和l2-l∞有限域滤波器设计方法的有效性。

步骤一中所述建立具有随机滤波增益变化和量化效应的离散时变随机非线性系统数学模型具体为：

考虑定义在k∈[0，n]上的离散时变随机非线性系统：

其中是状态向量；是过程输出；是待估信号；和是l2[0，n]中的外部扰动输入；a(k)，c(k)，l(k)，d1(k)，d2(k)是维数合适的已知实时变矩阵。

r(k)是取值为1或0且服从如下bernoulli分布的随机变量：

其中是已知常数。

f(.，.)：r⁺×rⁿ→rⁿ和g(.，.)：r⁺×rⁿ→rⁿ是非线性向量函数且满足条件f(k，0)＝0，y(k，0)＝0

其中矩阵b1(k)，b2(k)已知，δ(k)是任意列向量。

考虑测量信号的量化效应，定义量化器h(·)＝[h1(·)h2(·)…hr(·)]^t，则量化过程的对应关系为：h(y(k))＝[h1(y⁽¹⁾(k))h2(y⁽²⁾(k))…hr(y^(r)(k))]^t

该量化器为对数量化器，且满足对称关系，即

hj(-y)＝-hj(y)(j＝1，2，…，r)

对每一个hj(·)(1≤j≤r)，量化水平集具有如下形式：

其中χj(j＝1，2，…，r)为量化密度。每个量化水平对应一个区间，则每个量化水平集正好覆盖整个区间。选取如下的量化函数：

其中

由上式可知：hj(y^(j)(k))＝(1+δ^(j)(k))y^(j)(k)|δ^(j)(k)|≤δj。所以，可以将量化效应转化成扇形有界的不确定性。

定义δ(k)＝diag{δ⁽¹⁾(k)，δ⁽²⁾(k)…，δ^(r)(k)}，则未知实值时变矩阵满足f(k)f^t(k)≤i。具有量化效应的测量输出可以表示如下：

h(y(k))＝(i+δ(k))y(k)＝(i+δ(k))(c(k)x(k)+d2(k)v(k))(4)

考虑到随机发生的滤波增益变化，采用如下的时变滤波器结构：

其中是状态估计，是估计输出，k(k)是待求的滤波器矩阵。随机发生的滤波器增益变化定义为：δk(k)＝ho(k)δo(k)eo(k)，其中ho，eo已知，未知不确定矩阵δo满足与r(k)不相关的随机变量α(k)服从bernoulli分布，它被用来描述随机发生的滤波增益变化。对α(k)可做如下合理假设：

其中是已知实数。

令结合(1)、(4)、(5)，得到估计误差的动态方程：

令η(k)＝[x^t(k)e^t(k)]^t，得到如下增广系统：

其中

h(k，x(k))＝[f^t(k，x(k))g^t(k，x(k))]^t

滤波器设计的目标是使得下列两个条件同时成立：

对于给定的实数γ＞0，矩阵s＞0及初始状态η(0)，系统的h∞性能指标：

其中

对于给定的实数δ＞0，矩阵r＞0及初始状态η(0)，系统的l2-l∞性能指标：

其中

步骤二中所述设计h∞和l2-l∞有限域滤波器包括以下五个部分：

在滤波器设计之前，先给出下面将要用到的引理：

引理1：(schurcomplement)给定常数矩阵s1，s2和s3，其中那么当且仅当

引理2：(s-procedure)n＝n^t，h和e是适当维数的实矩阵，且f^t(t)f(t)≤i。则不等式n+hfe+(hfe)^t＜0，当且仅当存在一个正实数ε使得n+εhh^t+ε^-1e^te＜0，或者，等价地，

(一)h∞性能分析，为方便讨论，做如下假设：

其中，γ为正实数，s为正定矩阵，{∈1(k)}0≤k≤n-1为实数序列，{q(k)}1≤k≤n为正定矩阵序列，且满足满足q(0)≤γ²s，

定义j1(k)：＝η^t(k+1)q(k+1)η(k+1)-η^t(k)q(k)η(k)(14)

代入式(8)，得到

其中

添加零项到得到

其中

由(3)，容易得到

那么

在式(18)两边对k从0到n-1求和，得到

根据上面的不等式可以得到

注意到γ＜0，q(n)＞0及初始条件q(0)≤γ²s,可以得到j1＜0，那么系统的h∞性能指标得到满足。

二)l2-l∞性能分析，为方便讨论，做如下假设：

其中，δ为正实数，r为正定矩阵，{∈2(k)}0≤k≤n-1为正实数序列，{p(k)}1≤k≤n为正定矩阵序列，且满足p(0)＝r，

定义

与(15)相似，得到

与(18)方法相同，得到

因为ω＜0，下面的不等式成立：

考虑(22)和(26)，得到

由上式，得到

即

那么系统的l2-l∞性能指标得到满足。

(三)在统一的框架下考虑系统h∞和l2-l∞性能指标，运用schurcomplement引理对(一)(二)的假设条件(13)(21)(22)进行处理，得到假设条件如下等价表述：

其中，(30)对应于(22)，(31)对应于(13)，(32)对应于(21)。

(四)h∞和l2-l∞有限域非脆弱滤波器设计，在(三)工作的基础上，综合运用s-procedure和schurcomplement引理，消除矩阵不等式中的非线性项，从而得到一组lmis，如下所示：

其中

γ和δ为正实数，s和r为正定矩阵，{∈1(k)}0≤k≤n-1，{∈2(k)}0≤k≤n-1，{ε1(k)}0≤k≤n-1，{ε2(k)}0≤k≤n-1，{ε3(k)}0≤k≤n-1及{ε4(k)}0≤k≤n-1为正实数序列，及为正定矩阵序列，{k(k)}0≤k≤n-1为实值矩阵簇，且满足

下面介绍详细设计过程，首先对变量p(k)和q(k)做如下分解：

满足(36)时，(30)可以重写为：

上式等价于(33)。

为了估计式(31)中的不确定性参数δ(k)，将它重写如下：

其中

根据s-procedure引理，得到

对(40)运用schurcomplement引理，得到

上式只存在不确定性参数δk(k)，为了对它进行估计，可以将上式重写为

其中

根据s-procedure，得到

运用schurcomplement对(43)进行重写，得到

其中

由(44)可以得出(31)和(34)的等价关系，同理可得(32)和(35)的等价关系，至此完成h∞和l2-l∞有限域非脆弱滤波器的设计。

(五)h∞和l2-l∞有限域非脆弱滤波器设计求解算法(ffd)概括如下：

步骤5.1，给定正实数γ＞0，δ＞0，正定矩阵s＞0，r＞0，l(0)，选取合适的初始值{q1(0)，q2(0)，p1(0)，p2(0)}满足初始条件(36)，令k＝0；

步骤5.2，在时刻k求解线性矩阵不等式组(33)-(35)得到矩阵及滤波器矩阵参数k(k)；

步骤5.3，令k＝k+1，调用更新表达式(37)得到{q1(k)，q2(k)，p1(k)，p2(k)}；

步骤5.4，如果k＜n，那么跳到步骤5.2，否则进入下一步；

步骤5.5，结束。

步骤三中验证h∞和l2-l∞有限域滤波器设计方法有效性的具体方式如下：

通过给出一个数值仿真实例，利用matlab/lmi工具箱对所设计的滤波器参数进行求解，并验证h∞和l2-l∞性能指标。

考虑如下离散系统：

非线性函数f(k，x(k))，g(k，x(k))取值：

外部扰动信号w(k)，v(k)取为：

随机变量r(k)，α(k)的期望为指数滤波器h(·)的参数为δ1＝0.4，δ2＝0.6且不确定参数f(k)满足f^t(k)f(k)≤i；滤波增益变化中的已知矩阵为

不确定参数δo(k)满足

初始状态x(0)由[-1.5，1.5]上的均匀分布随机产生，估计状态为0。正实数γ＝1.5，δ＝1.2，正定矩阵s＝diag{1，1，1，1，1，1}，r＝diag{1，2，1，2，1，1}，初始值取为q(0)＝0.9γ²s，p(0)＝r。

验证结果如图2-5所示，图2-4分别给出了状态变量x1(k)-x3(k)及它们的估计量图5给出了输出z(k)和它的估计量通过对仿真结果的计算得到h∞性能指标j1＝-9.2199，l2-l∞性能指标j2＝-8.3658。仿真结果说明了本发明所提出的滤波器设计方法的有效性。

综上所述，本发明给出了一类离散时变随机非线性系统的h∞和l2-l∞有限域滤波器设计方法，所设计的滤波器具有随机发生的滤波增益变化且受量化作用影响。随机非线性现象是由服从bernoulli分布规律的随机变量描述的在两种非线性扰动之间的二元切换；滤波增益的随机变化用来描述受网络带宽影响发生的滤波器参数的微小随机变化；量化器采用指数型，并通过一定的方法将量化不确定转化为扇形有界不确定以降低问题的复杂性。通过解一组递推线性矩阵不等式，给出了使滤波误差系统同时满足h∞和l2-l∞性能指标的滤波器存在的充分条件。最后，通过一个仿真实例说明了所提出的滤波器设计方法的有效性。