Back to Editor

"自身位置估计误差的最终一致有界性（UUB）"深度解析

Markdown Document
Reading time about 3 minutes

User:

“自身位置估计误差的最终一致有界性（UUB）”怎么理解

Claude Sonnet 4.5:

"自身位置估计误差的最终一致有界性（UUB）"深度解析

一、UUB的数学定义与物理意义

1.1 标准定义

最终一致有界（Ultimately Uniformly Bounded, UUB）：

对于系统状态 $\mathbf{x}(t)$，如果存在常数 $B > 0$ 和 $T > 0$，使得对于任意初始条件 $\mathbf{x}(0)$，有：

$$|\mathbf{x}(t)| \leq B, \quad \forall t \geq T$$

则称 $\mathbf{x}(t)$ 是最终一致有界的。

关键要素：

  • 最终（Ultimately）：不要求从 $t=0$ 开始，允许有一个瞬态时间 $T$
  • 一致（Uniformly）：界 $B$ 与初始条件 $\mathbf{x}(0)$ 无关（在合理范围内）
  • 有界（Bounded）：状态不会趋于无穷，但不要求收敛到零

1.2 与其他概念的对比

概念 数学表述 物理意义 强度
渐近稳定（AS） $\lim_{t\to\infty}\mathbf{x}(t) = 0$ 误差收敛到零 最强 ⭐⭐⭐⭐⭐
指数稳定（ES） $|\mathbf{x}(t)| \leq Ce^{-\lambda t}|\mathbf{x}(0)|$ 以指数速率收敛到零 强 ⭐⭐⭐⭐
ISS（有零输入） $|\mathbf{x}(t)| \leq \beta(|\mathbf{x}_0|,t)$ 扰动为零时收敛 较强 ⭐⭐⭐
ISS（有非零输入） $|\mathbf{x}(t)| \leq \beta(|\mathbf{x}0|,t) + \gamma(|\mathbf{u}|{\infty})$ 扰动非零时有界 中等 ⭐⭐
UUB $\limsup_{t\to\infty}|\mathbf{x}(t)| \leq B$ 不收敛，仅有界 较弱 ⭐
有界（Bounded） $\sup_{t\geq 0}|\mathbf{x}(t)| < \infty$ 不发散即可 最弱

关键区别：

  • AS/ES/ISS（零输入）：$\mathbf{x}(t) \to 0$（收敛到零）
  • UUB：$\mathbf{x}(t) \to$ 某个有界集（不收敛到零，可能在某个邻域内振荡）

二、在本文中的具体含义

2.1 自身位置估计误差 $\tilde{\mathbf{p}}_1$

定义：
$$\tilde{\mathbf{p}}_1(t) = \mathbf{p}_1(t) - \hat{\mathbf{p}}_1(t)$$

动力学：
$$\dot{\tilde{\mathbf{p}}}_1 = \dot{\mathbf{p}}_1 - \hat{\dot{\mathbf{p}}}1 = \mathbf{0} - K{est}\mathbf{z} = -K_{est}\mathbf{z}$$

积分得：
$$\tilde{\mathbf{p}}_1(t) = \tilde{\mathbf{p}}1(0) - K{est}\int_0^t \mathbf{z}(\tau)d\tau$$

UUB的含义：
$$\limsup_{t\to\infty}|\tilde{\mathbf{p}}1(t)| \leq C{trans} + \frac{4Mv}{K{est}^{1/2}} < \infty$$

这意味着：

  1. ✅ $\tilde{\mathbf{p}}_1(t)$ 不会趋于无穷（不发散）
  2. ✅ 存在一个与 $K_{est}$ 相关的上界
  3. ❌ 但不收敛到零：$\tilde{\mathbf{p}}_1(t) \not\to 0$
  4. ❌ 即使 $\mathbf{a}_t = 0$（匀速运动），$\tilde{\mathbf{p}}_1$ 也不收敛

2.2 为什么不收敛到零？

根本原因：积分关系 + 缺少零点约束

情况1：领导者位置已知（定理1）
    ├─ 约束：tilde{p}_1 = 0（恒成立）
    ├─ 自由度：仅需估计目标状态
    └─ 结果：tilde{p}_{t,1} → 0（收敛）

情况2：领导者位置未知（定理2）
    ├─ 约束：无（需要同时估计自身位置和目标状态）
    ├─ 积分关系：tilde{p}_1 = -K_{est}∫z(τ)dτ
    ├─ 问题：即使 z → 0，积分可能有常数偏差
    └─ 结果：tilde{p}_1 → 常数（不收敛到零，但有界）

数学解释：

从 $\tilde{\mathbf{p}}_1 = \tilde{\mathbf{p}}1(0) - K{est}\int_0^t \mathbf{z}(\tau)d\tau$，即使 $\mathbf{z}(t) \to 0$（通过ISS保证），积分项 $\int_0^{\infty} \mathbf{z}(\tau)d\tau$ 可能不为零！

类比：

  • 就像 $\sin(t) \to 0$ 吗？不！ $\sin(t)$ 在 $[-1,1]$ 振荡，不收敛
  • 但 $\int_0^t \sin(\tau)d\tau$ 有界吗？是！ $|\int_0^t \sin(\tau)d\tau| \leq 2$

本文的 $\mathbf{z}$：

  • $\mathbf{z}(t)$ 在零附近振荡（类似 $\sin(t)/K_{est}^{3/2}$）
  • $\int_0^t \mathbf{z}(\tau)d\tau$ 有界（引理2保证）
  • 但积分不趋于零，导致 $\tilde{\mathbf{p}}_1$ 不趋于零

三、直观例子：匀速圆周运动

3.1 场景设置

目标轨迹：
$$\mathbf{p}_t(t) = R\begin{bmatrix}\cos(\omega t) \ \sin(\omega t)\end{bmatrix}, \quad \mathbf{v}_t(t) = R\omega\begin{bmatrix}-\sin(\omega t) \ \cos(\omega t)\end{bmatrix}$$

加速度：
$$\mathbf{a}_t(t) = -R\omega^2\begin{bmatrix}\cos(\omega t) \ \sin(\omega t)\end{bmatrix}, \quad |\mathbf{a}t|{\infty} = R\omega^2$$

满足假设A1：
$$\lim_{T\to\infty}\frac{1}{T}\int_0^T \mathbf{a}_t(\tau)d\tau = \frac{1}{T}[\mathbf{v}_t(T) - \mathbf{v}_t(0)] \to \mathbf{0}$$

3.2 估计误差的典型行为

领导者位置已知（定理1）

速度估计误差：
    tilde{v}_{t,1}(t) → 0  （指数收敛到零）

位置估计误差：
    tilde{p}_{t,1}(t) → 0  （指数收敛到零）

原因：有 tilde{p}_1 = 0 作为锚点

领导者位置未知（定理2）

速度估计误差（ISS）：
    tilde{v}_{t,1}(t) ∈ [-R*omega^2/K_{est}, +R*omega^2/K_{est}]
    在零附近周期性振荡，幅值 = R*omega^2/K_{est}
    时间平均 = 0（引理1）

相对位置估计误差（ISS）：
    z(t) ∈ [-R*omega^2/K_{est}^{3/2}, +R*omega^2/K_{est}^{3/2}]
    周期性振荡，幅值更小

自身位置估计误差（UUB）：
    tilde{p}_1(t) = -K_{est}∫z(τ)dτ
    ≈ 在某个圆周上漂移，半径 ~ O(1/√K_{est})
    不收敛到零！但半径有界

目标位置估计误差（UUB）：
    tilde{p}_{t,1}(t) = tilde{p}_1(t) + z(t)
    ≈ 自身位置漂移 + 相对位置振荡
    也不收敛到零！但有界

3.3 数值示例

参数：

  • $R = 10$ m，$\omega = 0.2$ rad/s
  • $|\mathbf{a}t|{\infty} = 10 \times 0.04 = 0.4$ m/s²
  • $K_{est} = 10$

预测界：
$$\begin{aligned}
|\tilde{\mathbf{v}}{t,1}|{\infty} &\leq \frac{0.4}{10} = 0.04 \text{ m/s} \
|\mathbf{z}|_{\infty} &\leq \frac{0.4}{10^{3/2}} = 0.0126 \text{ m} \
|\tilde{\mathbf{p}}1| &\lesssim O(10^{-1/2}) = 0.316 \text{ m} \quad \text{（UUB，不收敛）} \
|\tilde{\mathbf{p}}{t,1}| &\lesssim O(10^{-1}) = 0.1 \text{ m} \quad \text{（UUB，不收敛）}
\end{aligned}$$

实际行为：

  • 速度误差在 $\pm 0.04$ m/s 之间周期性振荡
  • 自身位置误差在一个半径约0.3 m的圆周上缓慢漂移
  • 目标位置误差在一个半径约0.1 m的圆周上振荡
  • 关键：即使运行100个周期，位置误差也不会收敛到零，但保持在上述界内

四、UUB与ISS的关系

4.1 速度（ISS）→ 位置（UUB）的推导

已知（定理2结论(1)）：
$$|\tilde{\mathbf{v}}_{t,1}(t)| \leq \beta(|\mathbf{e}_0|, t) + \frac{|\mathbf{a}t|{\infty}}{K_{est}} \quad \text{（ISS）}$$

目标：证明 $\tilde{\mathbf{p}}_{t,1}(t)$ 的UUB

积分关系：
$$\tilde{\mathbf{p}}{t,1}(t) = \tilde{\mathbf{p}}{t,1}(0) + \int0^t \tilde{\mathbf{v}}{t,1}(\tau)d\tau$$

问题：即使 $|\tilde{\mathbf{v}}_{t,1}|$ 有界，其积分可能发散！

解决（引理3）：在假设A1下，证明
$$\sup_{t\geq 0}\left|\int0^t \tilde{\mathbf{v}}{t,1}(\tau)d\tau\right| \leq \frac{2\sqrt{2V(0)}}{K{est}} + C{v,osc} < \infty$$

因此：
$$|\tilde{\mathbf{p}}{t,1}(t)| \leq |\tilde{\mathbf{p}}{t,1}(0)| + \frac{2\sqrt{2V(0)}}{K{est}} + C{v,osc} \quad \text{（UUB）}$$

4.2 为什么需要假设A1（零均值扰动）

反例（无假设A1）**：恒定加速度 $\mathbf{a}_t = \mathbf{a}_0 \neq 0$

$$\begin{aligned}
\tilde{\mathbf{v}}_{t,1}(t) &\to \frac{\mathbf{a}0}{K{est}} \quad \text{（ISS，收敛到常数）} \
\int0^t \tilde{\mathbf{v}}{t,1}(\tau)d\tau &\approx \frac{\mathbf{a}0}{K{est}} \cdot t \quad \text{（线性增长！）} \
\tilde{\mathbf{p}}{t,1}(t) &\approx \tilde{\mathbf{p}}{t,1}(0) + \frac{\mathbf{a}0}{K{est}} \cdot t \to \infty \quad \text{（发散！）}
\end{aligned}$$

有假设A1：周期性运动 $\mathbf{a}_t = \mathbf{a}_0\sin(\omega t)$

$$\begin{aligned}
\tilde{\mathbf{v}}_{t,1}(t) &\approx \frac{\mathbf{a}0\sin(\omega t)}{K{est}} \quad \text{（振荡）} \
\int0^t \tilde{\mathbf{v}}{t,1}(\tau)d\tau &\approx \frac{\mathbf{a}0}{K{est}\omega}[1 - \cos(\omega t)] \quad \text{（有界！）} \
|\int0^t \tilde{\mathbf{v}}{t,1}(\tau)d\tau| &\leq \frac{2\mathbf{a}0}{K{est}\omega} < \infty \quad \text{（周期性抵消）}
\end{aligned}$$

结论：

  • 无假设A1：位置误差可能发散（不满足UUB）
  • 有假设A1：位置误差有界（满足UUB），但不收敛到零

4.3 层次关系图

输入扰动 a_t
    ↓ [ISS]
速度误差 tilde{v}_{t,1} （有界）
    ↓ [积分]
    ├─ 无假设A1 → 可能发散
    └─ 有假设A1 → [引理3：积分有界]
          ↓
目标位置误差 tilde{p}_{t,1} （UUB）
    ↓
结论：有界但不收敛

五、UUB在工程实践中的意义

5.1 实际可接受性

问题：如果位置误差不收敛到零，系统还可用吗？

回答：可以！ 在以下条件下UUB是完全可接受的：

条件1：界足够小

$$|\tilde{\mathbf{p}}1|{\infty} \lesssim \frac{C}{K_{est}^{1/2}}$$

示例：

  • $K_{est} = 100$ → $|\tilde{\mathbf{p}}_1| \lesssim 0.1$ m（分米级，可接受）
  • $K_{est} = 1000$ → $|\tilde{\mathbf{p}}_1| \lesssim 0.03$ m（厘米级，很好）

设计准则：选择足够大的 $K_{est}$ 使得UUB界满足任务需求。

条件2：统计意义上的性能

虽然瞬时误差不为零，但：

  • 时间平均误差 → 0（引理1）
  • 长时间性能良好

应用：

  • 区域覆盖：只要UAV在目标周围有界区域内即可
  • 编队保持：只要队形误差有界即可
  • 周期性任务：长期平均性能满足要求

条件3：相对精度更重要

实际上，相对位置估计误差 $\mathbf{z}$ 满足ISS：
$$|\mathbf{z}|_{\infty} \leq \frac{|\mathbf{a}t|{\infty}}{K_{est}^{3/2}} \ll |\tilde{\mathbf{p}}1|{\infty}$$

意义：

  • UAV与目标的相对位置估计非常准确（$O(K_{est}^{-3/2})$）
  • 自身绝对位置有偏差，但相对关系正确
  • 对于跟踪、包围等任务，相对位置更关键

5.2 与GPS可用情况的对比

场景 自身位置 速度估计 位置估计 工程应用
GPS可用 已知（$\tilde{\mathbf{p}}_1=0$） 收敛到 $O(1/K_d)$ 收敛到 $O(1/K_d)$ 最优性能 ⭐⭐⭐⭐⭐
GPS拒止 未知（估计） 收敛到 $O(1/K_{est})$ UUB：$O(1/\sqrt{K_{est}})$ 降级但可用 ⭐⭐⭐

结论：

  • GPS拒止环境下，UUB是最好的可能结果
  • 无法实现渐近收敛（AS），但UUB已足够实用
  • 代价：需要更大的增益 $K_{est}$ 来补偿

5.3 任务适用性分析

任务类型 是否可接受UUB 理由
目标跟踪 ✅ 可接受 相对位置 $\mathbf{z}$ 准确（ISS）
区域覆盖 ✅ 可接受 只要在目标周围有界区域内
编队飞行 ✅ 可接受 队形保持依赖相对关系
协同包围 ✅ 可接受 包围圈半径有界即可
精确着陆 ❌ 可能不足 需要绝对位置收敛到零
地图构建 ❌ 可能不足 需要全局一致的位置估计

适用原则：

  • 依赖相对关系的任务 → UUB可接受
  • 需要绝对位置的任务 → 需要外部定位（GPS、视觉SLAM）

六、提高UUB性能的策略

6.1 增大增益 $K_{est}$

$$|\tilde{\mathbf{p}}1| \lesssim O(K{est}^{-1/2}), \quad |\tilde{\mathbf{p}}{t,1}| \lesssim O(K{est}^{-1})$$

策略：

  • $K_{est} = 10$ → $|\tilde{\mathbf{p}}_1| \sim 0.3$ m
  • $K_{est} = 100$ → $|\tilde{\mathbf{p}}_1| \sim 0.1$ m
  • $K_{est} = 1000$ → $|\tilde{\mathbf{p}}_1| \sim 0.03$ m

权衡：

  • 优点：误差界更小
  • 缺点：对测量噪声更敏感，需要更高的采样频率

6.2 融合其他信息

方法1：周期性GPS修正

  • 大部分时间使用方位估计（GPS拒止）
  • 偶尔获得GPS信号时重置 $\hat{\mathbf{p}}_1$
  • 效果：将UUB界重置到初始能量项，延缓漂移

方法2：地标辅助

  • 利用已知地标提供绝对位置约束
  • 每次观测地标时修正 $\tilde{\mathbf{p}}_1$
  • 效果：类似定理1的"位置已知"情况

方法3：多传感器融合

  • 惯性导航（IMU）+ 方位测量
  • 互补：IMU短期准确，方位测量长期稳定
  • 效果：混合性能，综合两者优势

6.3 自适应增益调节

思路：根据估计误差的幅值动态调整 $K_{est}$

if ||tilde{v}_{t,1}|| > threshold:
    K_{est} ← K_{est} * 1.5  # 增大增益，加快收敛
else:
    K_{est} ← K_{est} * 0.8  # 减小增益，降低噪声影响

效果：

  • 瞬态阶段：大增益，快速收敛
  • 稳态阶段：小增益，抑制噪声
  • 自适应平衡性能和鲁棒性

七、常见误解与澄清

误解1：UUB意味着系统不稳定

错误理解：

"位置误差不收敛到零，所以系统不稳定"

正确理解：

  • UUB是一种稳定性概念，只是比渐近稳定（AS）弱
  • 系统不发散（有界），是稳定的表现
  • 类比：阻尼振荡收敛到零（AS），无阻尼振荡保持幅值（UUB），都是稳定的

误解2：UUB是设计缺陷

错误理解：

"应该设计更好的估计器使位置收敛"

正确理解：

  • 在位置未知情况下，UUB是理论极限
  • 不是设计问题，是信息不足的必然结果
  • 类比：没有GPS，无论算法多好，都无法获得绝对位置的完美估计

理论依据：

  • 可观测性理论：仅有方位测量，绝对位置不可观
  • 只能估计相对位置（可观）+ 自身位置漂移（不可观）

误解3：增大 $K_{est}$ 可以实现收敛

错误理解：

"只要 $K_{est}$ 足够大，位置误差就会收敛到零"

正确理解：

  • 增大 $K_{est}$ 只能减小UUB界，不能改变UUB性质
  • $\lim{K{est}\to\infty}|\tilde{\mathbf{p}}1| = 0$？不！ 仍有 $O(K{est}^{-1/2})$ 的界
  • 类比：无论放大器增益多大，白噪声的均值仍是零但方差不变

八、总结

UUB的核心要点

  1. 定义：$\limsup_{t\to\infty}|\tilde{\mathbf{p}}_k(t)| \leq B < \infty$（有界但不收敛）

  2. 与收敛的区别：

    • 收敛：$\tilde{\mathbf{p}}_k(t) \to 0$
    • UUB：$\tilde{\mathbf{p}}_k(t) \to$ 有界集（可能振荡、漂移）

  3. 出现原因：

    • 积分关系 + 缺少零点约束
    • 信息不足（位置未知）
    • 即使速度误差ISS，积分也可能有常数偏差

  4. 保证UUB的条件：

    • 假设A1（零均值扰动）：$\lim_{T\to\infty}\frac{1}{T}\int \mathbf{a}_t = 0$
    • 引理1-3（积分有界性）

  5. 工程意义：

    • 在GPS拒止环境下，UUB是最好的可能结果
    • 通过增大 $K_{est}$ 可以使界足够小，满足实际需求
    • 相对位置估计准确（ISS），适用于依赖相对关系的任务

  6. 与ISS的关系：

    • 速度/相对位置：ISS（收敛到与扰动成正比的界）
    • 绝对位置：UUB（有界但不收敛）
    • ISS + 积分 + 假设A1 → UUB

记忆口诀

"速度ISS相对准，位置UUB飘但稳"

  • 速度估计：ISS性质
  • 相对位置：ISS性质（更准确）
  • 绝对位置：UUB性质（漂移但有界）
  • 零均值条件：保证有界的关键
📋 Document Outline