在集值框架下对具有目的地约束的线性动态系统进行建模与滤波

《IEEE Transactions on Automatic Control》：Destination-Constrained Linear Dynamical System Modeling and Filtering in Set-Valued Frameworks

目的地约束下的线性动态系统状态重建与滤波方法研究，提出基于凸优化的集合值状态模型，设计最优权重矩阵增强目标轨迹连续性，开发符合约束的集合值滤波算法并验证其优越性。

　　

摘要：

朝向指定目的地的定向运动在物理过程和人类社会活动中非常普遍。利用这一先验信息可以显著提高系统模型的预测和过滤性能。本文重点研究了在集值框架下，具有目的地约束的线性动态系统模型的重构与状态过滤问题。我们将目的地约束视为状态演化过程中的固有信息，并采用凸优化技术来构建一个连贯且稳健的状态模型。该模型能够有效捕捉目的地约束对每个时间步状态演化的影响。为了增强过程模型生成的目标轨迹的连续性，我们为重构模型设计了一个最优权重矩阵。此外，我们提出了一种基于目的地约束的集值过滤算法，确保估计出的有界椭球中心始终满足目的地约束。最后，仿真实验验证了该算法在集值框架下相较于无约束和其他状态约束过滤方法的优越性。