随机非线性离散时变系统的滤波问题是估计理论中的重要研究课题之一,相关估计方法被应用在军事、交通以及图像处理等众多领域。对非线性离散时变系统的性能进行分析,需明确其系统的状态信息。然而,系统的状态信息通常并无法完全直接测得,故需设计有效的滤波算法对该动态系统的状态进行估计。另一方面,由于网络传输过程中受到不确定性、测量时滞、数据丢失等因素的影响,导致测量信息不能完全传输到滤波器端。故而,利用有效的部分信息估计系统中未知的状态具有一定的实际应用价值。本文利用方差约束方法研究随机非线性离散时变系统的滤波问题。主要内容总结如下:1.研究具有随机发生非线性和测量时滞的离散时变系统滤波问题。在系统中考虑随机发生非线性和测量时滞两种网络诱导现象,为刻画测量时滞与随机发生非线性,在文中引入两列服从Bernoulli分布的随机序列,且在处理测量时滞时,对所提出的系统进行增广。根据传感器端接受到的测量信息,设计相应的滤波器。通过求解类黎卡提差分方程,得到滤波误差协方差矩阵的上界,且设计相应的滤波增益矩阵使得该上界的迹达到最小。最后,给出算例仿真验证了滤波算法的有效性。2.基于方差约束的方法,研究了具有不确定性与数据丢失的离散时变系统滤波问题。采用服从Bernoulli分布的随机序列来描述数据包的丢失,通过引入范数有界不确定性来刻画系统的建模误差。与此同时,为了更充分利用网络资源,引进事件触发机制来提高网络资源利用率。利用可获得的测量信息,设计出鲁棒状态估计器。基于不等式处理技术,计算得到估计误差协方差矩阵的上界,并在最优化指标下给出滤波增益矩阵的设计方案。最后,给出算例仿真,说明所提出算法的有效性和实用性。