葛、泉波;温成林;徐廷良 结合带宽和随机延迟约束的网络卡尔曼滤波。 （英文） 兹比尔1270.94036 科学。中国，信息科学。 55，第10号，2343-2357（2012）. 摘要：卡尔曼滤波器是一种强大的工具，可以在具有许多约束的无线传感器网络中进行目标跟踪和自定位。本文研究了带宽和随机延迟联合约束的网络系统的滤波器设计，并针对给定的线性时不变（LTI）或确定参数（DP）系统，即线性和确定参数（LDP）系统，提出了一种通用的网络卡尔曼估计器。首先，给出了两种处理比特量化误差矢量的建模方法，并建立了相应的比特量化后的LDP系统。其次，我们引入了传统线性卡尔曼滤波器的等效加权求和形式，它充分利用了两个基本特性，即LDP系统的离线计算特性和线性最小均方误差估计的线性加权求和特性。最后，通过采用替换和新息补偿操作，提出了一种基于随机延迟系统加权求和滤波器的综合网络估计器，该估计器包含两种对比特量化误差具有不同建模方式的估计算法。提出的通用网络估计算法具有应用广泛、算法结构简洁、估计精度高、运行性能好等突出优点。通过几个实例验证了所提出的网络化估计算法。 MSC公司： 94甲12 信号理论（表征、重建、滤波等） 关键词：卡尔曼滤波器;LDP系统;1毫秒;有限的带宽;随机延迟 PDF格式BibTeX公司 XML格式引用 \textit{Q.Ge}等人，科学。中国，信息科学。55，第10号，2343--2357（2012；Zbl 1270.94036） 全文： 内政部 链接 参考文献： [1] 卡尔曼R E。线性滤波和预测问题的新方法。Trans ASME-J基础工程（D系列），1960年，82:35–45·数字对象标识代码：10.1115/1.3662552 [2] 孙立明，李建中，陈毅，等。无线传感器网络。北京：清华大学出版社，2005年。1–45 [3] 朱永明，宋恩斌，周杰，等。多传感器估计融合中传感器数据的最优降维。IEEE Trans Signal Proces，2005，53:1631–1639·Zbl 1370.94297号 ·doi:10.1109/TSP.2005.845429 [4] Reibeiro A，Giannakis G B.无线传感器网络的带宽约束分布式估计——第一部分：高斯情况。IEEE Trans Signal Proces，2006，54:1131–1143·Zbl 1373.94687号 ·doi:10.1109/TSP.2005.863009 [5] Bar-Shalom Y.跟踪中使用无序测量更新：精确解。IEEE Trans航空电子系统，2002，38:769–778·doi:10.10109/TAS.2002.1039398 [6] Chen B，Yu L，Zhang W-A。具有随机观测延迟和测量缺失的不确定状态延迟系统的鲁棒卡尔曼滤波。IET Contr Theor Ap，2011，5:1945–1954·doi:10.1049/iet-cta.2010.0685 [7] 沈小杰，朱永明，宋恩斌，等。具有多个局部非序列测量的最优集中更新。IEEE Trans Signal Process，2009，57:1551–1562·Zbl 1391.94393号 ·doi:10.1109/TSP.2009.2012885 [8] 徐杰，李建新，吴建英。卡尔曼滤波与量化创新的收敛性。2010年，第11届控制、自动化、机器人和视觉国际会议，新加坡。1703–1708 [9] Ge Q B，Xu T L.传感器网络的量化状态估计。摘自：《第九届机器学习与控制论国际会议论文集》，青岛，2010年。3111–3116 [10] 罗志清，肖俊杰。非均匀传感环境下的通用分散估计。IEEE Trans Inform Theory，2005，51:3564–3575·Zbl 1320.94030号 ·doi:10.1109/TIT.2005.855580 [11] 孙世林，林俊英，谢隆华，等。量化卡尔曼滤波。收录于：IEEE第22届智能控制国际研讨会，新加坡，2007年。7–12 [12] 刘斌，夏永强，尚建中，等。基于卡尔曼滤波的网络量化。参加：2011年工业过程先进控制国际研讨会（ADCONIP），杭州，2011年。433–438 [13] Ribeiro A、Giannakis G B、Roumeliotis S I.SOI-KF：使用创新符号的低成本通信的分布式卡尔曼滤波。IEEE Trans Signal Proces，2006年，54:4782–4795·Zbl 1374.94589号 ·doi:10.1109/TSP.2006.882059 [14] Msechu E J、Roumeliotis S I、Tibeiro A等。具有可扩展通信成本的分散量化卡尔曼滤波。IEEE Trans Signal Proces，2008，56:3727–3741·Zbl 1390.94315号 ·doi:10.1109/TSP.2008.925931 [15] 文C L，葛Q B，唐X F。带宽受限传感器网络中的卡尔曼滤波。中国电子杂志，2009，17:713–718 [16] 沈晓杰，朱永明，宋恩斌，等。具有局部非序列测量更新的全局最优分布式卡尔曼融合。IEEE Trans Automat Contr，2009，54:1928–1934·Zbl 1367.93660号 ·doi:10.1109/TAC.2009.2023777 [17] Sinopoli B、Schenato L、Franceschetti M等。间歇观测的卡尔曼滤波。IEEE Trans Automat控制，2005，49:1453–1464·兹比尔1365.93512 ·doi:10.10109/TAC.2004.834121 [18] Gao H J，Chen T W.通信容量有限的不确定系统的估计。IEEE Trans Automat控制，2007，52:2070–2084·Zbl 1366.93155号 ·doi:10.1109/TAC.2007.908316 [19] 保证估计质量的网络估计器资源优化。博士论文。加州：加州理工学院，2008 [20] Feng X L，Ge Q B，Wen C L。无线多传感器网络的一步非序列测量优化更新。摘自：2008年小波分析与模式识别国际会议论文集，香港，2008。826–831 [21] 周文华，李磊，陈国华，等。目标跟踪中一步OOSM滤波算法的优化分析。科学中国Ser F-Inf Sci，2007，50:170–180·兹比尔1141.93375 ·doi:10.1007/s11432-007-0012-y [22] 夏永强，尚建中，陈杰，等。具有丢包和可变延迟的网络数据融合。IEEE Trans-Syst Man-Cy B，2009，39:1107–1120·doi:10.1109/TSMCB.2009.2012437 [23] Bar-Shalom Y，Chen H M.从轨道上移除无序测量。IEEE Trans航空电子系统，2009，45:612–619·doi:10.1109/TAES.2009.5089544 [24] 谢隆华，石磊。不可靠网络上的状态估计。载：第七届亚洲控制会议论文集，香港，2009。453–458 [25] Ge Q B，Xu T L，Feng X L，等。线性定常系统测量加权求和的通用延迟卡尔曼滤波器。中国电子杂志，2011，20:67–72 此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。