具有随机延迟的离散时间系统的最优线性估计

对于具有有限随机测量延迟和数据包丢失的离散时间随机线性系统，基于创新分析方法，在线性最小方差意义上开发了包括滤波器，预测器和平滑器在内的最优估计器。 一些具有已知分布的二进制分布随机变量用于描述随机延迟和数据包丢失的现象。 与增强方法相比，减少了计算成本。 此外，所提出的算法还给出了系统的次优估计通过选择足够大的上限来实现无限制的延迟和数据包丢失。 仿真表明了所提出算法的有效性。

本文涉及具有随机测量延迟的线性离散时间随机系统的最优线性估计问题。 在可能的最大延迟受到限制的情况下，构建了一个描述随机延迟的新模型。 在此新模型的基础上，通过创新分析方法开发了包括过滤器，预测器和平滑器在内的最佳线性估计器。 估计器是根据Riccati差分方程和Lyapunov差分方程的解递归计算的。 还研究了稳态估计器。 给出了最优线性估计量收敛的充分条件。 仿真示例显示了所提算法的有效性。

本文涉及具有随机传感器延迟，数据包丢失和不确定观测值的线性离散时间随机系统的最优线性估计问题。 我们开发了一个统一的模型来描述混合由三个具有已知分布的伯努利分布随机变量确定的随机延迟，数据包丢失和不确定性观测值的不确定性。 基于提出的模型，通过创新分析方法开发了仅依赖于概率的最优线性估计量。 它们的解以Riccati方程和Lyapunov方程给出。 它们可以在统一框架中处理具有随机传感器延迟，数据包丢失和不确定观测值的系统的最佳线性滤波，预测和平滑处理。 仿真结果表明了所提出的最优线性估计量的有