信息部分丢失下随机Markov跳参数系统的非线性滤波

结题报告
项目介绍
AI项目解读

基本信息

  • 批准号：
    60974030
  • 项目类别：
    面上项目
  • 资助金额：
    30.0万
  • 负责人：
    舒慧生
  • 依托单位：
    东华大学
  • 学科分类：
    F0301.控制理论与技术
  • 结题年份：
    2012
  • 批准年份：
    2009
  • 项目状态：
    已结题
  • 起止时间：
    2010-01-01 至2012-12-31

项目摘要

（1）研究非线性随机Markov跳参数系统的几乎必然指数稳定性判据。.（2）基于几乎必然收敛，研讨在测量数据部分丢失情形下，随机Markov跳参数系统的非线性滤波的理论框架。研究在可乘性噪声干扰系统、具有二阶统计特性的随机Markov跳参数系统的非线性滤波结构的滤波性能，如稳定性、收敛速度、鲁棒性、扰动衰减抑制、可靠性。.（3）将所的结果应用于基于网络传输信号滤波问题中。建立基于状态空间的信号传输模型，辨识信号部分丢失的概率分布。

结项摘要

本项目研究了不完全测量信息的几类非线性随机系统的滤波问题。所谓的不完全测量信息是指在建模过程中或者信息传输过程中由于受到物理设备限制或外加随机扰动而引起测量信号发生不可避免且通常无法预知的变化的现象，例如测量数据丢失、传感器延迟、信号量化、传感器饱和以及信号采样等。本项目的主要研究内容分为四个部分。第一部分针对带有Markov跳参数的非线性随机系统，找到了此系统满足几乎必然稳定性的判据，论证了几乎必然滤波器与控制器的设计方法。第二部分针对测量数据丢失、信号量化、随机非线性和连续丢包等情形，研究几类具有一般形式的非线性随机离散系统的H-infinity 滤波和控制问题，得到由HJI（Hamilton-Jacobi-Isaacs）不等式刻画的满足给定性能指标的滤波器或控制器的存在性条件。第三部分考虑几类特殊的非线性随机系统在有限时间域上的鲁棒H-infinity滤波问题。在研究过程中，我们首次提出并在数学上描述了一些新的测量信息不完全现象，如传感器依概率发生饱和以及系统中的非线性项以随机方式发生丢失等，并进一步给出上述情形下的非线性随机系统的滤波方法。第四部分，基于前三部分的研究结果，深入研究存在于传感器网络和复杂网络中的一些实际问题，设计符合指定性能指标的分布式滤波器和基于采样数据的控制器。

项目成果

期刊论文数量（21）
专著数量（0）
科研奖励数量（0）
会议论文数量（1）
专利数量（0）
H-infinity state estimation for discrete-time complex networks with randomly occurring sensor saturations and randomly varying sensor delays
具有随机发生的传感器饱和度和随机变化的传感器延迟的离散时间复杂网络的 H 无穷状态估计
  • DOI：
    --
  • 发表时间：
    2012
  • 期刊：
    IEEE Transactions on Neural Networks and Learning Systems
  • 影响因子：
    10.4
  • 作者：
    Ding Derui;Wang Zidong;Shen Bo;Shu Huisheng
  • 通讯作者：
    Shu Huisheng
Perturbation analysis of fuzzy linear systems
模糊线性系统的摄动分析
  • DOI：
    10.1016/j.ins.2010.07.018
  • 发表时间：
    2010-12
  • 期刊：
    Information Sciences
  • 影响因子：
    8.1
  • 作者：
    Zengfeng Tian;Liangjian Hu;David Greenhalgh
  • 通讯作者：
    David Greenhalgh
p-th Mean practical stability for large-scale It stochastic systems with Markovian switching
大规模 It 的 p-th 平均实际稳定性
  • DOI：
    --
  • 发表时间：
    --
  • 期刊：
    Mathematical Problems in Engineering
  • 影响因子：
    --
  • 作者：
    Yun Yan;Huisheng Shu;Yan Che
  • 通讯作者：
    Yan Che
Distributed H-infinity filtering for polynomial nonlinear stochastic systems in sensor networks
传感器网络中多项式非线性随机系统的分布式 H 无穷大滤波
  • DOI：
    --
  • 发表时间：
    --
  • 期刊：
    IEEE Transactions on Industrial Electronics
  • 影响因子：
    7.7
  • 作者：
    Bo shen;Zidong Wang;Y.S. Hung;Graziano Chesi
  • 通讯作者：
    Graziano Chesi
Bounded H-infinity synchronization and state estimation for discrete time-varying stochastic complex networks over a finite horizon
有限范围内离散时变随机复杂网络的有界H无穷同步和状态估计
  • DOI：
    --
  • 发表时间：
    --
  • 期刊：
    IEEE Transactions on Neural Networks
  • 影响因子：
    --
  • 作者：
    Bo Shen;Zidong Wang;Xiaohui Liu
  • 通讯作者：
    Xiaohui Liu

数据更新时间：{{ journalArticles.updateTime }}

{{ item.title }}
{{ item.translation_title }}
  • DOI：
    {{ item.doi || "--"}}
  • 发表时间：
    {{ item.publish_year || "--" }}
  • 期刊：
    {{ item.journal_name }}
  • 影响因子：
    {{ item.factor || "--"}}
  • 作者：
    {{ item.authors }}
  • 通讯作者：
    {{ item.author }}

数据更新时间：{{ journalArticles.updateTime }}

{{ item.title }}
  • 作者：
    {{ item.authors }}

数据更新时间：{{ monograph.updateTime }}

{{ item.title }}
  • 作者：
    {{ item.authors }}

数据更新时间：{{ sciAawards.updateTime }}

{{ item.title }}
  • 作者：
    {{ item.authors }}

数据更新时间：{{ conferencePapers.updateTime }}

{{ item.title }}
  • 作者：
    {{ item.authors }}

数据更新时间：{{ patent.updateTime }}

其他文献

其他文献

{{ item.title }}
{{ item.translation_title }}
  • DOI：
    {{ item.doi || "--" }}
  • 发表时间：
    {{ item.publish_year || "--"}}
  • 期刊：
    {{ item.journal_name }}
  • 影响因子：
    {{ item.factor || "--" }}
  • 作者：
    {{ item.authors }}
  • 通讯作者：
    {{ item.author }}
empty
内容获取失败，请点击重试
重试联系客服
title开始分析
查看分析示例
此项目为已结题，我已根据课题信息分析并撰写以下内容，帮您拓宽课题思路：

AI项目思路

AI技术路线图

舒慧生的其他基金

α-稳定过程驱动的随机系统的参量估计
  • 批准号：
    62073071
  • 批准年份：
    2020
  • 资助金额：
    59 万元
  • 项目类别：
    面上项目
Lévy过程驱动的随机系统的参数估计与滤波
  • 批准号：
    61673103
  • 批准年份：
    2016
  • 资助金额：
    62.0 万元
  • 项目类别：
    面上项目

相似国自然基金

{{ item.name }}
  • 批准号：
    {{ item.ratify_no }}
  • 批准年份：
    {{ item.approval_year }}
  • 资助金额：
    {{ item.support_num }}
  • 项目类别：
    {{ item.project_type }}

相似海外基金

{{ item.name }}
{{ item.translate_name }}
  • 批准号：
    {{ item.ratify_no }}
  • 财政年份：
    {{ item.approval_year }}
  • 资助金额：
    {{ item.support_num }}
  • 项目类别：
    {{ item.project_type }}
{{ showInfoDetail.title }}

作者：{{ showInfoDetail.author }}

知道了

AI项目解读示例

课题项目：调控A型流感病毒诱导IFN-β表达的机制研究

AI项目摘要：

本研究聚焦于TRIM2蛋白在A型流感病毒诱导的IFN-β表达中的调控机制。A型流感病毒是全球性健康问题，其感染可导致严重的呼吸道疾病。IFN-β作为关键的抗病毒因子，其表达水平对抗病毒防御至关重要。然而，TRIM2如何调控IFN-β的表达尚未明确。本研究假设TRIM2通过与病毒RNA或宿主因子相互作用，影响IFN-β的产生。我们将采用分子生物学、细胞生物学和免疫学方法，探索TRIM2与A型流感病毒诱导IFN-β表达的关系。预期结果将揭示TRIM2在抗病毒免疫反应中的作用，为开发新的抗病毒策略提供理论基础。该研究对理解宿主抗病毒机制具有重要科学意义，并可能对临床治疗流感病毒感染提供新的视角。

AI项目思路：

科学问题：TRIM2如何调控A型流感病毒诱导的IFN-β表达？
前期研究：已有研究表明TRIM2参与抗病毒反应，但其具体机制尚不明确。
研究创新点：本研究将深入探讨TRIM2在IFN-β表达中的直接作用机制。
技术路线：包括病毒学、分子生物学、细胞培养和免疫检测技术。
关键技术：TRIM2与病毒RNA的相互作用分析，IFN-β启动子活性检测。
实验模型：使用A型流感病毒感染的细胞模型进行研究。

AI技术路线图

        graph TD
          A[研究起始] --> B[文献回顾与假设提出]
          B --> C[实验设计与方法学准备]
          C --> D[A型流感病毒感染模型建立]
          D --> E[TRIM2与病毒RNA相互作用分析]
          E --> F[TRIM2对IFN-β启动子活性的影响]
          F --> G[IFN-β表达水平测定]
          G --> H[TRIM2功能丧失与获得研究]
          H --> I[数据收集与分析]
          I --> J[结果解释与科学验证]
          J --> K[研究结论与未来方向]
          K --> L[研究结束]
关闭
close
客服二维码