作品针对电力系统、网络管理、自动控制、工业生产和经济动态分析等相关领域中，存在着大量的被各类噪声污染的且难以建立起随时间动态变化模型的随机过程，而开展基于输出数据的动态变量估计方法研究。论文已开展的研究内容具有一定的理论上的意义；论文中的建模方法与相关方法相比具有强的先进性；论文中得到的估计方法若经过针对相关对象的实际改进，也可以推广应用到许多相关领域。

本文针对一类具有周期随机变化特点的随机过程仅有测量模型情况下，首先，通过离散化方法建立了点点采样的离散输出方程、分块形式的输出方程为、描述点采样与被状态块之间的输出方程、及在没有其它先验信息的情况下，依据待估变量具有周期性变化的随机游走特性，建立的动态模型。然后利用Kalman滤波基本方程，和强跟踪滤波对其进行滤波处理。最后，并利用计算机仿真对三种滤波器的性能进行了分析比较。在后续研究中我们已通过引入具有较强的关于模型不确定性的鲁棒性和极强的关于突变状态的跟踪能力的强跟踪滤波方法，将会有效解决因实际需求的急骤增加或外界随时间产生突变等干扰对所建动态模型的不确定性的影响。

第十二届“挑战杯”作品 三等奖
1）作者：第一作者.题目：未建模系统基于观测值的实时分块Kalman滤波估计方法研究。杂志：《电子学报》（一级核心期刊，已录用）；
2）作者：第一作者. 题目：BLOCK KALMAN FILTERING FOR POWER SYSTEM. 会议：IEEE 2011 International Conference on Information Systems and Computational Intelligence (ICISCI 2011)——(EI收录). 地点：Harbin,China. 18-20, January,2011 （作为正文的一部分内容，发表在国际会议上，“EI”待收录）。
3) 本作品在2011年5月份举行的某省第十二届“挑战杯”大学生课外学术科技竞赛中荣获一等奖。