Vereinheitlichtes Schätzungs- und Leitungsframework basierend auf der Bayesschen Entscheidungstheorie

Mit Hilfe der Bayesschen Entscheidungstheorie modifizieren wir das perfekte Informations-basisierte, differential-spiel-basierte Leitgesetz (DGL1), um den unvermeidlichen Schätzfehler zu berücksichtigen, der auftritt, wenn dieses Leitgesetz mit einem separat entworfenen Zustandschätzer verwendet wird. Dies ergibt ein stochastisches Leitgesetz, das dem verallgemeinerten Trennungstheorem entspricht, im Gegensatz zum gängigen Ansatz, der implizit, aber ungerechtfertigterweise, die Gültigkeit des regulären Trennungstheorems annimmt. Die erforderliche posteriori Wahrscheinlichkeitsdichtefunktion des Zustands des Spiels wird aus den verfügbaren rauschbehafteten Messungen unter Verwendung eines interagierenden Mehrmodells-Partikelfilters abgeleitet. Wenn sich die resultierende optimale Entscheidung als nicht eindeutig herausstellt, wird dieses Merkmal genutzt, um die Trajektorie des Verfolgers angemessen zu gestalten, um die Leistung seines Schätzers zu verbessern. Darüber hinaus werden bestimmte Eigenschaften der partikelbasierten Berechnung der Bayesschen Kosten genutzt, um den Algorithmus für die Echtzeitanwendung geeignet zu machen. Die Leistung des gesamten Schätzungs-Entscheidungs-Leitungs-Schemas wird durch eine umfangreiche Monte-Carlo-Simulationsstudie demonstriert.