전통적인 칼만 필터 분석에서는 매개변수의 최적 추정을 위해 정확한 잡음 통계 특성이 일반적으로 필요합니다. 그러나 많은 실제 공학 응용에서 실험 조건이나 비용 등의 제한으로 인해 정확한 잡음 통계 모델을 구축하기 위한 충분한 샘플을 얻기 어렵고, 이로 인해 분석 정확도가 저하되거나 결과가 발산하는 문제가 발생할 수 있습니다. 이러한 문제를 해결하기 위해 본 논문은 잡음 불확실성을 나타내기 위해 구간 과정 모델을 도입하고 새로운 칼만 필터 알고리즘을 제안합니다. 필터링 과정에서는 잡음의 상하한 정보만 필요하며 정확한 확률 분포를 미리 가정하지 않아도 됩니다. 먼저 구간 과정 모델을 사용하여 잡음 불확실성을 특성화하고 해당 상태 공간 방정식을 수립합니다; 다음으로 1차원 및 다차원 선형 이산 시스템에 대해 새로운 칼만 필터 알고리즘을 구축하고 필터링 추정 변동 정도를 필터 오차 분산으로 나타냅니다; 마지막으로 세 가지 수치 예제를 통해 제안한 알고리즘의 유효성을 검증합니다.

칼만 필터;구간 과정 모델;선형 이산 시스템;상태 추정;최소 필터 오차 분산