1.一种对状态受限非线性系统进行鲁棒状态估计的方法，其特征在于，应用于滤波器，包括：

对预先设定应用背景为状态受限非线性系统进行状态空间实现；

利用统计线性回归方法对所述状态受限非线性系统进行线性化处理；

利用正则化最小二乘法对所述状态受限非线性系统中的异常干扰及线性化处理过程中所引入的系统相关性进行处理；

利用拉格朗日乘子法对所述状态受限非线性系统的约束条件进行处理；

利用交替方向乘子法对所述状态受限非线性系统的状态值和异常干扰进行同时估计；

将异常干扰发生的估计概率与经验概率之差最小化时所对应的正则化参数作为所述状态受限非线性系统的最佳正则化参数；所述正则化参数用于调整所述异常干扰的检测强度。

2.根据权利要求1所述的对状态受限非线性系统进行鲁棒状态估计的方法，其特征在于，所述对预先设定应用背景为状态受限非线性系统进行状态空间实现，包括：利用状态空间关系式将所述状态受限非线性系统进行状态空间实现；所述状态空间关系式为：

xk＝f(xk‑1,uk,wk)；

yk＝h(xk,vk)；

m

其中，k为采样时间索引，xk∈R是所述状态受限非线性系统的状态，满足线性不等式约n

束条件Axk≥B，A为数值已知的矩阵，B为数值已知的向量，yk∈R 为所述状态受限非线性系统的输出；uk为所述状态受限非线性系统的输入；wk为所述状态受限非线性系统的过程噪声，符合零均值且方差为Qk的高斯分布；vk为所述状态受限非线性系统的测量噪声，符合零均值且方差为Rk的高斯分布；uk，wk，vk三者互不相关；f(·)为所述状态受限非线性系统的系统函数；h(·)为所述状态受限非线性系统的观测函数。

3.根据权利要求2所述的对状态受限非线性系统进行鲁棒状态估计的方法，其特征在于，所述统计线性回归方法是利用线性函数y＝ax+b+e来近似表示非线性函数y＝g(x,η)；

其中，y为所述状态受限非线性系统的输出，g(x,η)表示以系统状态x和噪声η为变量的非线性函数；a和b为统计线性回归计算所得的线性函数的参数；e为统计线性回归计算所产生的误差；a和b的数值以及e的样本统计特性可由如下方法计算所得：生成2n个三维采样点(χi,ηi,τi)，其中χi表示变量x的样本点，ηi表示噪声的样本点，τi表示变量y的样本点，并由下式给出：τi＝g(χi,ηi)

计算这些点坐标的统计平均值及方差：xx xy

其中，和 分别表示变量x和变量y的样本点的平均值，P 表示变量x的自方差，P 表yy

示变量x和变量y的协方差，P 表示变量y的自方差；

计算关于第i个采样点的线性化样本误差：ei＝τi‑(aχi+b)

当样本误差ei的均方误差最小化时所对应的参数a,b即为所求得的统计线性回归参数，即a,b为如下优化问题的解：求解上述优化问题得到线性化参数a,b为：xy T xx ‑1

a＝(P ) (P ) ，

ee

线性化误差e的样本平均值 及方差P 则由下式给出：

4.根据权利要求3所述的对状态受限非线性系统进行鲁棒状态估计的方法，其特征在于，所述利用统计线性回归方法对所述状态受限非线性系统进行线性化处理，包括：利用所述统计线性回归方法对所述状态受限非线性系统的系统函数进行线性化处理：其中， 和 分别为关于系统状态和系统噪声的样本点；

通过系统函数所生成的系统输出的样本点 的加权样本平均值和样本协方差用以近似估计k时刻的状态预测值 和协方差其中，ωi＝1/2n为每个样本点的权重；线性化处理过后得到的系统函数为：其中，δk|k‑1表示线性化的误差。

5.根据权利要求4所述的对状态受限非线性系统进行鲁棒状态估计的方法，其特征在于，所述利用统计线性回归方法对所述状态受限非线性系统进行线性化处理，包括：利用所述统计线性回归方法对所述状态受限非线性系统的观测函数进行线性化处理：其中， 为观测噪声的样本点；

通过观测函数所生成的系统输出的样本点 的加权样本平均值和样本协方差用以近似估计k时刻的系统输出预测值 和协方差系统状态预测值与输出预测值之间的互协方差 为：线性化处理过后得到的观测函数为：其中， 为观测函数线性化的误差，其方差矩阵 由下式获得：

6.根据权利要求5所述的对状态受限非线性系统进行鲁棒状态估计的方法，其特征在于，所述利用正则化最小二乘法对所述状态受限非线性系统中的异常干扰及线性化处理过程中所引入的系统相关性进行处理，包括：基于稀疏范数正则化最小二乘原理设计所述状态受限非线性系统估计问题的成本函数，所述成本函数Jk为：

其中，xk为所述状态受限非线性系统在k时刻的状态，ok为对所述状态受限非线性系统产生干扰的异常值；β为正则化参数，决定异常干扰的检测强度；s.t.表示系统所需要满足的约束条件； 和 由线性化后的系统方程和观测方程决定并由下式给出：相关性矩阵Tk选择为：

其中，I表示单位矩阵；

计算 得到所述状态受限非线性系统在k时刻的状态估计值和异常干扰估计值；其中， 为所述状态受限非线性系统在k时刻的状态估计值， 为所述状态受限非线性系统在k时刻的异常干扰估计值。

7.根据权利要求6所述的对状态受限非线性系统进行鲁棒状态估计的方法，其特征在于，所述利用拉格朗日乘子法对所述状态受限非线性系统的约束条件进行处理，包括：利用拉格朗日乘子法根据下式对所述状态受限非线性系统的约束条件进行处理：其中，μ和ν为拉格朗日乘子，ρ和κ为待定常数；ck和s为冗余变量；I(s)为标志函数，当s≥0时I(s)数值为0，当s＜0时I(s)数值为无穷大。

8.根据权利要求7所述的对状态受限非线性系统进行鲁棒状态估计的方法，其特征在于，所述利用交替方向乘子法对所述状态受限非线性系统的状态值和异常干扰进行同时估计，包括：

利用交替方向乘子法根据下式对所述状态受限非线性系统的状态值和异常干扰进行同时估计：

其中，函数max{·}表示取最大值，函数sign(·)表示取某个数的正负符号，(j) (j) (j)

s 、μ 、ν 表示在第j次迭代中所计算得到的xk、ok、s、μ、ν的数值； 表示在第j次迭代中所计算得到的ck中的第d个元素的数值；

当两次迭代之间所求得的数值之间的差值小于使用者所设定的条件时，迭代结束；将迭代结束时得到的 和 作为所述状态受限非线性系统在k时刻的状态估计值 和所述状态受限非线性系统在k时刻的异常干扰估计值

9.根据权利要求8所述的对状态受限非线性系统进行鲁棒状态估计的方法，其特征在于，所述最佳正则化参数根据下式计算得到：其中， 和 为正则化参数为β时系统状态和异常干扰的估计值，N为所测试数据的总个数，supp表示非零元素的个数，ρ为异常干扰出现的经验概率。

10.一种对状态受限非线性系统进行鲁棒状态估计的装置，其特征在于，应用于滤波器，包括：

状态空间实现模块，用于对预先设定应用背景为状态受限非线性系统进行状态空间实现；

线性化处理模块，用于利用统计线性回归方法对所述状态受限非线性系统进行线性化处理；

异常干扰处理模块，用于利用正则化最小二乘原理对所述状态受限非线性系统中的异常干扰及线性化处理过程中所引入的系统相关性进行处理；

约束条件处理模块，用于利用拉格朗日乘子法对所述状态受限非线性系统的约束条件进行处理；

估计模块，用于利用交替方向乘子法对所述状态受限非线性系统的状态值和异常干扰进行同时估计；

参数调整模块，用于将异常干扰发生的估计概率与经验概率之差最小化时所对应的正则化参数作为所述状态受限非线性系统的最佳正则化参数；所述正则化参数用于调整所述异常干扰的检测强度。

11.一种对状态受限非线性系统进行鲁棒状态估计的装置，其特征在于，应用于滤波器，包括处理器和存储器，其中，所述处理器执行所述存储器中存储的计算机程序时实现如权利要求1至9任一项所述的对状态受限非线性系统进行鲁棒状态估计的方法。