En el análisis tradicional del filtro de Kalman, generalmente se requieren características estadísticas precisas del ruido para obtener una estimación óptima de los parámetros. Sin embargo, en muchas aplicaciones de ingeniería prácticas, debido a limitaciones en las condiciones de prueba o costos financieros, a menudo es difícil obtener suficientes muestras para construir un modelo estadístico preciso del ruido, lo que lleva a una disminución en la precisión del análisis e incluso a la divergencia de los resultados. Para abordar estas deficiencias, este artículo introduce un modelo de proceso de intervalo para representar la incertidumbre del ruido y propone un nuevo algoritmo de filtrado de Kalman. Durante el proceso de filtrado, solo se requiere proporcionar información de los límites superior e inferior del ruido, sin necesidad de suponer previamente una distribución de probabilidad precisa. Primero, se utiliza un modelo de proceso de intervalo para caracterizar la incertidumbre del ruido y se establecen las ecuaciones del espacio de estados correspondientes; en segundo lugar, para sistemas lineales discretos unidimensionales y multidimensionales, se construye un nuevo algoritmo de filtrado de Kalman, y las fluctuaciones de la estimación de filtrado se caracterizan mediante la varianza del error de filtrado; finalmente, la efectividad del algoritmo propuesto se verifica mediante tres ejemplos numéricos.

Filtro de Kalman;Modelo de proceso de intervalo;Sistemas lineales discretos;Estimación de estado;Varianza mínima del error de filtrado