18、动态事件触发机制下的滤波与状态估计技术解析

动态事件触发机制下的滤波与状态估计技术解析

1. 动态事件触发机制下的滤波与估计概述

动态事件触发（ET）机制下的滤波与估计算法具有重要意义，其能保证在有限时间内实现估计性能，这在实际应用中尤为关键。针对一类离散时间延迟神经网络，在动态ET机制下解决了有限时间弹性H∞状态估计问题，并通过一组线性矩阵不等式（LMIs）的解得到了所需的状态估计器增益。

2. 仿真示例展示算法有效性

为验证所提出的滤波/估计算法的有效性，进行了几个仿真示例。
- 示例1 ：
- 系统参数设置 ：考虑一个时变随机系统，其参数设置如下：
[
A_k =
\begin{bmatrix}
0.12 & -0.01 + 0.01\cos(k/30) \
0.01 & 0.12
\end{bmatrix},
B_k =
\begin{bmatrix}
0.15 \
0.18
\end{bmatrix},
E_k =
\begin{bmatrix}
1 \
1
\end{bmatrix},
F_k = \sin(k/30),
]
[
C_k = [1.2 \quad 0.3 + 0.05\cos(k/30)],
H_k = [0.01\cos(k/30) \quad 0.02]
]
动态触发条件的参数为(\sigma = 0.03)，(\lambda = 0.2)，(\the