⚡ electrical engineering

Observer Design over Hypercomplex Quaternions

本文提出了一种无需特征多项式的超复四元数观测器设计框架，通过右模约定推导了右可观伴随形式与伴随多项式，并给出了针对实系数目标多项式的阿克尔曼型公式，从而实现了直接在四元数域上配置观测器极点并明确了相关更新公式的适用条件。

原作者： Michael Sebek

发布于 2026-03-24

📖 1 分钟阅读☕ 轻松阅读

原作者： Michael Sebek

原始论文采用 CC BY 4.0 许可（http://creativecommons.org/licenses/by/4.0/）。 ✨ 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。阅读完整免责声明

这篇论文讲述了一个关于**“如何给四元数系统装上一个聪明的‘眼睛’（观测器）”**的故事。

为了让你轻松理解，我们可以把这篇论文的核心内容想象成**“在四维迷宫里给自动驾驶汽车装导航仪”**。

1. 背景：为什么这很难？（非交换的迷宫）

通常，我们在控制飞机、机器人或处理信号时，用的是普通的数字（实数）或者复数。这就像在二维或三维的平地上开车，规则很简单：先左转再加速，和先加速再左转，结果是一样的（数学上叫“可交换”）。

但是，这篇论文处理的是四元数（Quaternions）。四元数是用来描述三维旋转的超级数字，它生活在四维空间里。

关键难点：在四维空间里，“先左转再加速”和“先加速再左转”是完全不同的结果（数学上叫“不可交换”）。
后果：以前我们在平地上用的那些经典导航算法（比如计算特征多项式、行列式），到了四维迷宫里直接失效了，就像试图用二维地图去导航三维立体车库一样，会迷路。

2. 核心问题：我们需要一个“观测器”

想象你开着一辆自动驾驶汽车（系统），但你只能看到后视镜里的景象（输出 $y$ ），看不到车里的仪表盘（内部状态 $x$ ）。

观测器（Observer）：就是一个虚拟的“副驾驶”，它根据你看到的后视镜景象，猜出车里的真实状态。
目标：让“副驾驶”猜得越来越准，误差越来越小，最后完全重合。

在普通世界里，我们只要把“副驾驶”的反馈调节好（把极点放在左边），它就能跑稳。但在四元数世界里，因为规则变了，怎么调节这个“副驾驶”是个大难题。

3. 作者的解决方案：两个新工具

作者 Michael Sebek 提出了一套全新的、**不依赖旧规则（行列式、特征多项式）**的方法，就像给四维迷宫重新画了一套导航图。

工具一：把迷宫“标准化”（可观测伴随型）

以前，处理复杂的迷宫系统，我们得先算一堆复杂的公式（特征多项式）才能知道怎么改。

作者的做法：他发明了一种**“标准房间”**（可观测伴随型）。无论你的原始迷宫多复杂，他都能通过一种变换，把系统“搬”进这个标准房间里。
比喻：就像把各种形状奇怪的积木，全部拆解重组，变成一排整齐的乐高积木。在这个标准房间里，所有的规则都变得清晰可见，我们只需要看最后一列数字，就能知道怎么调整。

工具二：特殊的“配方”（伴随多项式）

在标准房间里，作者定义了一个新的**“配方”**（伴随多项式）。

关键点：这个配方不是用来算“特征值”的，而是用来直接定义**“误差怎么跑”**的。
比喻：以前我们是用“特征值”这个抽象概念来定速，现在作者直接给了一个**“误差运动说明书”**。只要按照这个说明书调整，误差就会乖乖听话。

4. 两大发现：什么时候能用“快捷方式”？

作者还发现了一个有趣的现象，关于那个著名的Ackermann 公式（一种计算反馈增益的“快捷方式”）。

情况 A：目标很“单纯”（实数系数）
如果你想要的目标状态是普通的实数或复数（比如让误差像普通弹簧一样衰减），那么你可以直接使用Ackermann 公式这个“快捷方式”。它就像是一个一键生成器，输入目标，直接吐出结果。
- 比喻：如果你只是想去附近的超市（简单目标），直接走大路（快捷方式）就行。
情况 B：目标很“复杂”（四元数系数）
如果你想要的目标状态本身也是四元数（比如让误差在四维空间里画出一个复杂的旋转轨迹），那么快捷方式失效了！如果你强行用，车就会开进沟里。
- 正确做法：你必须回到**“标准房间”**（伴随型），手动修改最后一列的数字（系数更新）。
- 比喻：如果你要去一个地形复杂的深山（复杂目标），一键导航会把你导到悬崖边。你必须拿出地图，一步步手动规划路线（手动调整系数）。

5. 总结：这篇论文到底干了什么？

打破了旧规则：证明了在四元数世界里，以前那些依赖“行列式”和“特征多项式”的老方法行不通。
建立了新框架：提出了一套**“无行列式”**的新方法，直接利用“可观测性”来设计观测器。
明确了界限：告诉工程师们，什么时候可以用“一键生成”（Ackermann 公式），什么时候必须“手动微调”（伴随坐标更新）。
实际应用：通过仿真证明，这套方法能让四元数系统的状态估计器（观测器）完美工作，就像给四维空间的自动驾驶装上了最精准的导航仪。

一句话总结：
这篇论文就像是为四维旋转世界重新编写了一套导航说明书，告诉我们如何在不依赖旧地图（行列式）的情况下，精准地控制系统的“眼睛”，让它看清四维空间里的每一个动作，并指出了哪些情况可以偷懒（用快捷公式），哪些情况必须亲力亲为。

这是一份关于 Michael Sebek 所著论文《基于超复数四元数的观测器设计》（Observer Design over Hypercomplex Quaternions）的详细技术总结。

1. 研究背景与问题 (Problem)

核心挑战：
四元数（ $\mathbb{H}$ ）将实数 $\mathbb{R}$ 和复数 $\mathbb{C}$ 扩展为除代数，但其乘法具有非交换性（ $ab \neq ba$ ）。这一特性导致经典的线性系统理论工具在四元数域中无法直接沿用：

特征值定义的模糊性： 必须区分左特征值和右特征值，且右特征值仅定义在四元数相似类（similarity classes）上，而非单一数值。
经典工具的失效： 行列式（Determinant）、特征多项式（Characteristic Polynomial）和凯莱 - 哈密顿定理（Cayley-Hamilton Theorem）在四元数域中要么不存在标准形式，要么性质受限，无法直接用于观测器设计。
现有方法的局限： 目前许多工程应用（如航空航天、机器人）通常将四元数模型转换为实数 4 维向量坐标进行处理，这丢失了四元数内在的超复数结构和谱特性。

研究目标：
开发一种不依赖特征多项式和行列式的观测器设计框架，直接在四元数域（ $\mathbb{H}$ ）上构建观测器，保留其非交换结构，并能够直接通过右特征值相似类来配置观测器极点。

2. 方法论 (Methodology)

本文提出了一种基于**可观测性（Observability）**及其对偶性（与可控性）的构造性方法，主要步骤如下：

A. 基础设定

右模约定（Right-module convention）： 矩阵左乘，标量右乘。即状态方程为 $\dot{x} = Ax + Bu$ ，输出 $y = Cx$。
右特征值： 定义为 $Av = v\lambda$ ，其中 $\lambda$ 属于相似类 $[\lambda] = \{ \alpha^{-1}\lambda\alpha \mid \alpha \in \mathbb{H}, \alpha \neq 0 \}$ 。

B. 可观测伴随型（Observable Companion Form）

构造： 利用可观测性矩阵 $\mathcal{O}$ 的逆，直接构造变换矩阵 $T$ ，将任意可观测对 $(A, C)$ 转换为右可观测伴随型 $(A_o, C_o)$ 。
形式： $A_o$ 具有特定的下对角线结构，最后一列包含系数 $-a_0, \dots, -a_{n-1}$ ； $C_o = [0, \dots, 0, 1]$ 。
优势： 该构造完全避免了行列式和凯莱 - 哈密顿定理的使用。

C. 伴随多项式（Companion Polynomial）

定义： 从 $A_o$ 的最后一列提取系数，定义四元数多项式 $a(\lambda) = a_0 + a_1\lambda + \dots + \lambda^n$ 。
性质：
- 该多项式在左代入（left substitution）下 annihilates（零化）矩阵 $A_o$ ，即 $a(A_o)_\ell = 0$ 。
- $A_o$ 的右谱（right spectrum）恰好由 $a(\lambda)$ 的右零点（right zeros）的相似类组成。
- 注意：这并非凯莱 - 哈密顿定理，而是针对伴随型的特定零化性质。

D. 极点配置与对偶性

对偶映射： 在四元数域中，转置（Transpose）不再是正确的对偶操作，必须使用共轭转置（Conjugate Transpose, $M^* = \bar{M}^T$ $M^{*} = \overset{ˉ}{M}^{T}$ ）。
- 可控对 $(A, B)$ 的对偶是可观测对 $(A^*, B^*)$ 。
- 观测器增益 $L$ 与状态反馈增益 $K$ 的关系为 $L = K^*$ 。
极点配置策略：
1. 将系统变换为可观测伴随型。
2. 读取当前多项式系数。
3. 根据期望的右特征值相似类（由期望多项式 $a_d(\lambda)$ 定义），更新伴随型矩阵的最后一列系数。
4. 计算增益并变换回原坐标系。

E. 阿克曼公式（Ackermann's Formula）

推导了四元数域的观测器阿克曼公式： $L = a_d(A)\mathcal{O}^{-1}e_n$ 。
关键限制： 该公式仅适用于实系数多项式（ $a_d(\lambda) \in \mathbb{R}[\lambda]$ ）。因为实系数位于四元数中心，保证了多项式求值的相似等价性（similarity-equivariant）。若目标多项式系数为四元数（非中心），则不能直接使用此公式，必须通过伴随坐标更新。

3. 主要贡献 (Key Contributions)

无特征多项式框架： 首次建立了完全摆脱行列式和特征多项式依赖的四元数观测器设计理论，解决了非交换代数中经典工具失效的问题。
可观测伴随型构造： 提出了直接从可观测性矩阵构造右可观测伴随型的算法，并证明了其与伴随多项式零点的对应关系。
四元数阿克曼公式及其局限性： 给出了针对实系数目标多项式的观测器增益计算公式，并明确指出了该公式在处理非中心（四元数）系数时的失效，强调了在伴随坐标系中直接更新系数的必要性。
明确的对偶性： 澄清了四元数系统中控制器与观测器的对偶关系，确立了共轭转置（ $*$ ）作为核心对偶算子的地位。
谱配置理论： 证明了通过更新伴随型系数，可以直接在右特征值相似类层面配置观测器极点，且该方法对实数、复数及纯四元数极点均有效。

4. 研究结果 (Results)

理论验证： 通过定理 1-6 严格证明了伴随型构造的唯一性、伴随多项式的零化性质、谱与零点的对应关系以及极点配置的可行性。
数值算例：
- Example 1-3： 展示了从一般系统到伴随型的变换，以及不同目标（实数极点、复数共轭对、纯四元数极点）下的增益计算。
- Example 4： 对比了“伴随坐标更新法”与“阿克曼公式法”。结果显示，对于实系数目标，两者结果一致；但对于四元数系数目标，阿克曼公式失效，而坐标更新法依然有效。
- Example 5 (仿真)： 对二阶四元数系统进行了仿真。结果显示，在初始状态存在误差的情况下，观测器状态 $\hat{x}(t)$ 能够收敛到系统真实状态 $x(t)$ 的所有四元数分量（实部、i, j, k 分量），验证了设计的正确性。

5. 意义与影响 (Significance)

理论突破： 为四元数系统理论提供了独立于实数/复数嵌入的、原生的（native）设计工具，填补了非交换线性系统观测器设计的理论空白。
应用价值：
- 保持结构： 在量子动力学、MRI 脉冲设计、极化信号处理、颜色图像处理及四元数神经网络等领域，直接利用四元数结构进行观测器设计，可能比转换为 4 维实向量更高效且物理意义更明确。
- 算法优化： 避免了将四元数系统展开为 4 倍维度的实数系统，降低了计算复杂度，同时保留了四元数谱的几何特性（如球面零点）。
指导实践： 明确了何时可以使用简洁的阿克曼公式（仅实系数），何时必须使用更通用的伴随坐标更新法（任意四元数系数），为工程实现提供了清晰的界限。

总结： 该论文成功构建了一套基于右模约定和可观测性矩阵的四元数观测器设计理论，通过引入“伴随多项式”和“相似类”概念，克服了非交换性带来的数学障碍，为四元数控制系统的直接设计奠定了坚实基础。