多率量测下随机跳变系统迁移交互多模型估计

作     者：高爽 栾小丽 赵顺毅 刘飞 GAO Shuang;LUAN Xiao-Li;ZHAO Shun-Yi;LIU Fei

作者机构：江南大学自动化研究所轻工过程先进控制教育部重点实验室无锡214122 

出 版 物：《自动化学报》 (Acta Automatica Sinica)

年 卷 期：2023年第49卷第1期

页      面：210-218页

核心收录：

学科分类：1205[管理学-图书情报与档案管理] 0711[理学-系统科学] 02[经济学] 0202[经济学-应用经济学] 020208[经济学-统计学] 0811[工学-控制科学与工程] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：国家自然科学基金(61991402,61833007,61991400) 江苏省研究生科研与实践创新计划(KYCX21-2007)资助。 

主　　题：跳变系统 迁移交互多模型估计 多率量测 KL散度 平滑策略 

摘      要：实际工业过程中,量测数据除了在线仪表采集的快速率数据,还有离线化验等慢速率辅助量测数据.为了更好地利用离线化验数据,增加在线估计的精度,针对随机跳变系统,引入迁移学习思想,提出迁移交互多模型估计(Transfer interacting multiple model state estimator,IMM-TF)新策略.首先,将离线化验数据的边缘分布作为可以迁移的知识,迁移到贝叶斯后验分布,实现辅助量测数据的充分利用.其次,利用KL(Kullback-Leibler)散度度量知识迁移前后任务间的差异性,求解最优的贝叶斯迁移估计器.同时,结合慢速率量测,利用平滑策略获取待迁移的估计值,解决多率量测下的迁移估计难题.然后,利用影响力函数构建辅助量测数据与估计性能之间的解析关系,从而对迁移效果进行定量评价.最后,通过在目标跟踪实例中的应用,表明所提方法的有效性及优越性.