임의로 변하는 미지의 입력을 갖는 표적의 추적을 위한 적용 상태 및 입력 추정기를 설계한다. 미지의 입력을 semi-Markov 프로세스로 모델링하고, 이를 Bayesian 추정이론에 접목함으로써 여러개의 Kalman 필터가 병렬로 구성된 효과적인 적용 상태 및 입력 추정기를 구한다. 컴퓨터 모사를 통하여, 제안된 적응추정기는 임의로 변하는 미지의 입력에도 불구하고 개선된 추적성능을 보임을 확인하였다.
An adaptive state and input estimator for the tracking of a target with unknown randomly switching input is developed. In modeling the unknown inputs, it is assumed that the input sequence is governed by semi-Markov process. By incorporating the semi-Markov probability concepts into the Bayesian estimation theory, an effective adaptive state and input estimator which consists of parallel Kalman-type filters is obtained. Computer simulation results reveal that the proposed adaptive estimator have improved tracking performance in spite of the unknown randomly switching input.
