Na análise tradicional do filtro de Kalman, geralmente são necessárias características estatísticas precisas do ruído para obter uma estimativa ótima dos parâmetros. No entanto, em muitas aplicações práticas de engenharia, devido a limitações nas condições de teste ou custos financeiros, muitas vezes é difícil obter amostras suficientes para construir um modelo estatístico preciso do ruído, o que resulta em uma redução na precisão da análise e até mesmo na divergência dos resultados. Para abordar essas deficiências, este artigo introduce o modelo de processo de intervalo para representar a incerteza do ruído e propõe um novo algoritmo de filtro de Kalman. Durante o processo de filtragem, é necessário apenas fornecer informações sobre os limites superior e inferior do ruído, sem a necessidade de assumir previamente uma distribuição de probabilidade precisa. Primeiramente, utiliza-se o modelo de processo de intervalo para caracterizar a incerteza do ruído e estabelecer as equações correspondentes do espaço de estado; em seguida, para sistemas lineares discretos unidimensionais e multidimensionais, constrói-se um novo algoritmo de filtro de Kalman, e as flutuações na estimativa do filtro são caracterizadas pela variância do erro do filtro; por fim, a eficácia do algoritmo proposto é verificada através de três exemplos numéricos.

Filtro de Kalman;Modelo de processo de intervalo;Sistemas lineares discretos;Estimativa de estado;Variância mínima do erro de filtragem