利用 sum-of-norms 正则化进行突变条件下的状态平滑估计

基于摘要分析。本文研究脉冲扰动、负载扰动等突变存在时的状态估计问题，将线性状态空间模型的状态平滑表述为带 sum-of-norms 正则化的约束最小二乘问题，以区别于先检测变化再处理状态跳变的常见思路。 核心机制是通过 ℓ1 正则化的推广形式，在拟合观测与控制状态跳变数量之间进行权衡。作者将该表述解释为 Willsky 和 Jones 广义似然比方法的一种凸松弛，并指出所提表述只有一个调节参数，即正则化常数。摘要还说明论文给出了该参数的实用选择方式，以及面向非线性状态空间模型的扩展；具体约束、范数作用对象、求解流程及非线性扩展是否保持凸性尚未验证。 摘要未提供数据集、定量结果或对照实验细节，因此无法判断其相对传统平滑与变化检测方法的误差、跳变定位能力或计算代价。实验协议、消融及统计信息尚未验证。 平台推测（待验证）：若 EEG 可由具有稀疏突变扰动的状态空间模型近似描述，该机制可能用于处理突发伪迹或状态切换，但原论文研究对象是一般状态估计，而非 BCI。可复用的是正则化状态平滑框架；需改造的是 EEG 的状态、观测及噪声模型，并确定多通道跳变应如何组织。低信噪比、持续性伪迹及被试或通道差异可能破坏稀疏突变假设，真实 ERP 等快速变化也可能被误作扰动。一个可检验的小实验是在保留干净参考的 EEG 片段中注入已知时刻和幅度的突变，在同一数据划分下与标准高斯状态平滑比较重建误差及真实信号保真度，并仅用训练或验证数据选择正则化参数。已有 EEG 相关工作尚未检索确认。