动态系统的状态估计问题广泛存在于自动控制、故障诊断、目标定位跟踪、经济预测等领域,并受到国内外相关领域学者的关注,其实现方法近年来也取得了较大进展。状态估计实现依托于滤波器的设计,而滤波器运行必然涉及到传感器量测的利用,其优劣将直接影响被估计对象的滤波精度。滤波精度的改善主要涉及两方面内容,一方面在于如何结合线性系统以及非线性系统自身特点实现滤波器结构和流程的优化。另一方面,通过采用高精度传感器以减小量测误差方式也是提升滤波精度的一种有效途径,但是考虑传感器精度通常与其价格正相关,这必然导致量测系统硬件代价提升。实际工程应用中,设计滤波器时通常会考虑到它在满足给定精度指标的上下界约束时能对滤波器的参数有较大选择范围。本文以典型线性系统为研究背景,在滤波精度约束前提下,针对系统噪声以及量测噪声的确界问题开展相关研究。主要工作内容如下:1.通过对线性系统建模和估计理论学习和文献总结,简述线性离散系统、线性连续系统、多模型系统的建模方法,重点介绍四种典型最优估计准则和卡尔曼滤波器的实现。2.本文以信息滤波为基础,首先将估计误差协方差阵推导为系统噪声、量测噪声、采样间隔的参数化形式,进而利用凸优化求解方法,通过补分解定理把影响估计误差协方差阵的相应参数,转化为线性矩阵不等式(LMI)的表达形式。然后在传感器精度已知条件下,利用LMI的求解原理,实现系统噪声以及量测噪声的确界,并分析了估计误差协方差阵上界和系统噪声以及量测噪声的函数关系,以此来指导实际工程中传感器的选取。仿真实验验证了算法的可行性和有效性。3.由于交互式多模型算法(IMM)实现了在不同模型之间进行软切换,避免了单模型算法硬判决方式中运动状态与运动模型匹配过程中的时间延迟问题。本文以交互式多模型为框架,构建一种面向线性多模型系统量测噪声的确界算法,并进一步研究了估计误差协方差阵和量测噪声的函数关系,理论指导和仿真分析验证算法的可行性和有效性。