鲁棒滤波算法

鲁棒滤波算法（robust filtering algorithm），工学-控制科学与工程-导航-〔导航术语〕-〔导航算法〕，在系统结构、噪声统计特性具有不确定性的情况下，相对于不考虑不确定性的估计方法，能够提高状态估计鲁棒性的滤波算法。鲁棒滤波器的设计目的是在系统不确定情况下，使滤波器的响应和估计误差限定在一定范围之内。通常情况下，能够动态估计系统结构、噪声统计特性等参数变化的自适应滤波，以及基于面向不确定系统鲁棒控制理论的滤波算法，均视为鲁棒滤波。其中控制是重要的鲁棒控制方法，在其基础上发展的滤波因面向系统的不确定性进行设计，是鲁棒滤波较重要的研究方法。滤波是在定义了包含初始状态误差、过程噪声、观测噪声估计误差等因素的代价函数的基础上，通过代价函数的最小最大化求解进行状态估计的方法。虽然代价函数中包含有噪声项，但其统计特性可以未知、均值可以非零。代价函数的作用相当于用户设定的性能边界，当代价趋近于无穷大即不提供对滤波最坏情况下误差边界的任何保证时，滤波与卡尔曼滤波等价。在实际求解过程中，为保证滤波有解，对代价函数的上界有要求。