1.一种野值检测下时滞复杂网络系统的状态估计方法，其特征在于，包括如下步骤：步骤1. 建立时滞复杂网络系统的状态方程，并将所述状态方程变换为无时滞系统方程；

时滞复杂网络系统的状态方程如公式(1)所示；

（1）

其中，表示复杂网络系统的第 个节点；k表示采样时刻； 表示复杂网络系统的第个节点在k时刻的n维状态向量； 表示第 个节点在k时刻的q维的待估计的信号；

j表示复杂网络系统的第j个节点，j=1,2,…,N，N表示复杂网络系统的节点数量；

xj,k表示复杂网络系统的第j个节点在k时刻的n维状态向量；

表示复杂网络系统的第 个节点与第j个节点之间的耦合，若第 个节点与第j个节点之间存在耦合，则 >0，否则， =0；

 表示第 个节点的最大时滞； 表示复杂网络系统的邻接矩阵，当 =j时，有 ；

表示已知的正定的内耦合矩阵， 均为已知的常数；

其中，矩阵 、 、 、 均表示已知的常矩阵；

矩阵 表示系统的参数矩阵，反应当前时刻的系统状态对于下一时刻的系统状态的影响；矩阵 表示系统的参数矩阵，反应历史时刻的系统状态对于下一时刻的系统状态的影响； 为过程噪声的耦合矩阵； 反应待估计的信号与系统状态间的关系；

表示复杂网络系统的未知的初始状态；

其中， ；

设系统有d个节点的量测能够获取，1

          （2）其中， 表示m维的系统量测输出； 表示有界的 维量测噪声，对于任意时刻k，满足 ， 为已知的正常数；

Ci与Di均为已知的常矩阵；

oi,k为间歇发生的野值，oi,k用如下模型描述，即公式（3）所示；

   （3）

式中， 表示单位阶跃函数； 表示第j1次发生的野值的幅值，对于任意时刻k，其均满足 ；

其中， 表示已知的正常数； 表示第j1个野值的发生时刻， 表示第j1个野值的消失时刻； 和 满足不等式：，即任意两次野值不会同时发生；

令 表示第j1个野值的持续时间间隔；令 表示第j1‑1次野值消失与第j1次野值发生之间的时间间隔，则能够得到如下公式（4）；

  （4）

定义 的初值为 ， 的初始值为 ，则有 ；对于任意的j1，有如下公式（5）和公式（6）；

   （5）

其中， 为已知的正常数；公式（5）的物理含义为系统量测中的第j1个野值的持续时间间隔不大于 ；

   （6）

其中， 为已知的正常数；公式（6）的物理含义为第j1‑1次野值消失与第j1次野值发生之间的时间间隔不短于 ；

令复杂网络系统的状态向量为：，

则有：

（7）

式中， ；

A = diag{A1,A2,…,AN}，B = diag{B1,B2,…,BN}，E = diag{E1,E2,…,EN}；

；

diag{·}表示分块对角矩阵，“ ”表示矩阵的克罗内克积；1i‑1、1N‑i表示所有元素均为

1的列向量；

令 ，得到如下无时滞系统：  （8）

其中：

，

， ；

表示 的初值，I表示单位矩阵； 表示无时滞系统的状态的初值， 分为个子块，即 ；

最后，采用能观性分解技术，则无时滞系统（8）变换为： （9）

式中， 是ni,1维向量，表示系统在k时刻不能观测的分状态； 是ni,2维向量，表示在k时刻系统能观测的分状态；

其中， ；

为已知的常数矩阵，表示不能观测的子系统参数；

同样为已知的常数矩阵，表示能观测的子系统参数；

步骤2. 基于步骤1得到的无时滞系统方程，建立间歇发生野值的检测方法，检测时滞复杂网络系统在运行过程中的全部野值；

对于复杂网络系统的第i个测量，给定时刻k及自然数s，检测函数fi(k,s) 定义为：（10）

其中， 由下述公式迭代计算得到；

；

其中，j3 {0,1,…,ni,2‑1}， 表示常数矩阵 的特征多项式 的系数，由下面公式进行计算得到；

 ；

其中，det(·)表示矩阵“·”的行列式；定义检测阈值为 ，则 通过公式（11）求解得到；

 （11）

式中， ， ，

，

，

；

表示 的绝对值；

；

其中，r表示过程噪声 的维数； 表示ni,2行Nr列的零矩阵，表示ni,2行Nrs列的零矩阵；

当s=0时，有 ；

；

以上涉及的所有矩阵范数均为Frobenius范数；

当 且 时， 定义如下两个时间序列：及 ，其中：

  （12）

对于所有的j2≥0，野值的发生时刻与消失时刻由 及 逐一给出；

公式（12）给出了根据公式（10）中的检测函数以及公式（11）中的检测阈值，来检测间歇发生的野值的方法；对于第i个传感器节点，令j2=0,1,…,有：

1）第j2次野值的发生时刻的检测：令公式（10）检测函数fi(k,s)中s=0，得到fi(k,0)，不早于时刻 且满足检测条件 的最早的时刻k，即为第j2次野值的出现时刻；

2） 第j2次野值的消失时刻的检测：满足检测条件 的令 最小的自然数s即为第j2次野值的消失时刻；

根据野值的检测结果，采用高阶保持器，则估计器的输入表示为：    （13）

其中， 表示在k时刻未检测到野值，估计器采用接收到的系统量测； 表示在k时刻检测到野值，根据高阶保持机制，则估计器的输入采用 ；

  （14）

其中， 表示估计器的输入信号；公式（14）表示在时刻k，若估计器的输入中检测到了野值，则将线性组合作为估计器的输入；

，其中， 表示距当前时刻k最接近的野值的发生时刻；

；

其中，集合 中的元素表示不晚于当前时刻k的全部野值的发生时刻； 表示集合 中不晚于当前时刻k的野值的发生时刻中的最大值；

步骤3. 根据野值的检测结果，利用凸优化技术计算得到估计器参数；

估计器参数 通过求解具有公式（15）与（16）所示的线性矩阵不等式约束的优化问题（17）的解给出，其中，公式（15）、公式（16）以及公式（17）分别如下：   （15）

T

MM

式中， ， 0<λ<1表示给定的常数；P1  = diag{P1,1, P1,2,…, P1,N}，其中，P1,1, P1,2,…, P1,N均为待求解的正定矩阵变量；P2为待求解的正定矩阵变量；

，

C = [diag{C1,C2,…,Cd} 0]， ；

，

为待求解的矩阵变量；

， ， ， ，

， ， ；

其中， 与 为待求解的标量，  ；

表示

与 中的最大值，其中，参数及 均由公式（11）给出；

则估计器参数 为： ，i=1,2…,d（18）；

步骤4. 利用估计器计算时滞复杂网络系统的状态估计值；

根据步骤2中得到的间歇发生野值的检测结果以及步骤3中求解的估计器参数，利用与检测结果相关的估计器，计算时滞复杂网络系统的状态估计值；

利用公式（13）中给出的估计器的输入以及公式（18）中给出的估计器参数，计算时滞复杂网络系统的状态估计值，具体计算公式如公式（19）所示；

   （19）

其中， 表示 的估计值， 表示 的估计值； 表示第 个节点在k时刻的q维的待估计的信号的估计值；

在有界噪声及野值的干扰下，由公式（19）计算出的待估计信号的估计值指数最终有界，最终的界为优化问题（17）所计算的最小值，即 。