主  题：浅谈状态估计

时  间：4月19日(周三) 14：00-14：40

主 讲 人：刘巍

地  点：A408

记 录 人：陈灿森

内  容：

随着科学技术的进步，状态估计也在多领域得到广泛的应用，成为当今科学技术研究发展的热点。本次学术沙龙中，刘巍教授结合他对该领域的研究，向我们简单地介绍了一些常见状态估计的例子和方法、卡尔曼滤波、针对马氏跳变系统和网络控制系统的状态估计。

首先，刘巍教授向我们介绍了状态估计在生活方面如何解决实际问题。例如，测量人体体温采用中值状态估计法来减少偶然因素等造成的误差；测量游泳池中水的深度采用算术平均值状态估计方法；根据模拟考试成绩使用加权平均值状态估计方法来估算高考成绩。刘巍教授结合他的研究方向向我们简单介绍了卡尔曼滤波和其发明者鲁道夫·卡尔曼。卡尔曼滤波算法不要求信号和噪声都是平稳过程的假设条件。对于每个时刻的系统扰动和观测误差（即噪声），只要对它们的统计性质作某些适当的假定，通过对含有噪声的观测信号进行处理，就能在平均的意义上，求得误差为最小的真实信号的估计值，它适用于线性、离散和有限维系统。

接着，刘巍教授还向我们讲解了卡尔曼滤波的应用领域，在军事领域的雷达跟踪系统的应用对单目标轨迹的预测，还有机器人导航控制，近年来热点的人脸识别图像处理。实际生活中，更多的系统都是非线性的，所以卡尔曼滤波器在如今然在不断的发展完善，刘巍教授讲到如想更加深入了解卡尔曼滤波可以和他来进行交流。

然后，刘巍教授向我们简单介绍了针对马氏跳变系统的状态估计，利用贝叶斯公式和卡尔曼滤波器，采用最优状态估计算法而其需要指数增长的计算负荷。所以实际应用中都采用次优算法，刘巍教授讲解了基于最小均方误差估计的次优算法和其包括的交互多模型算法等。

  最后刘巍教授讲了网络控制系统和针对此系统的状态估计，状态估计通常应用针对数据丢失，使用上一时刻的数据，来描述估计丢失的数据。刘老师热情的询问参与本会的同学对本次座谈会是否有不懂的地方，并对同学们的疑问进行仔细解答。