×
李文硕;王子东;刘庆元;郭磊

一种基于粒子滤波的远程状态估计的信息感知事件触发方案。 （英语） Zbl 1415.93251号

Automatica公司 103, 151-158 (2019).
摘要：考虑了一般非高斯系统的远程状态估计问题。估计器运行粒子滤波算法来跟踪目标状态的非高斯概率密度函数（PDF）。我们关注的是减少传感器到估计器的通信，同时保持可接受的估计精度。为此，提出了一种新的基于事件的传输方案，其中使用Kullback-Leibler发散来识别信息测量。我们开发了一个两步近似程序，以获得事件生成器函数的参数形式，从而使每个传感器能够量化其当前测量的信息性，而无需运行估计器的副本。此外，还提出了一种蒙特卡罗方法来评估集值测量的似然函数。仿真结果表明了该方案的有效性，特别是当测量的预测PDF为强非高斯时。

引用于10文件

MSC公司：

93E10型 随机控制理论中的估计与检测
93E11号机组 随机控制理论中的滤波
93立方65 离散事件控制/观测系统
65二氧化碳 蒙特卡罗方法

关键词：

远程状态估计;非高斯系统;粒子滤波;基于事件的传输;传感器-估计器通信
PDF格式BibTeX公司 XML格式引用
\textit{W.Li}等人，Automatica 103，151--158（2019年；Zbl 1415.93251）
全文： 内政部

参考文献：

[1] Arulampalam，M.S。；马斯凯尔，S。；戈登，N。；Clapp，T.，在线非线性/非高斯贝叶斯跟踪粒子滤波器教程，IEEE信号处理学报，50，2，174-188（2002）
[2] Astrom，K.J。；Bernhardsson，B.M.，《一阶随机系统黎曼和勒贝格抽样的比较》（IEEE conf.decision control，第2卷（2002）），2011-2016年
[3] M.比尔德。；Vo、B.-T。；Vo、B.-N。；Arulampalam，S.，《利用Cauchy-Schwarz发散进行多目标跟踪的传感器控制》（Proc.FUSION-15（2015）），937-944
[4] Cappe，O。；Godsill，S。；Moulines，E.，序贯蒙特卡罗法的现有方法和最新进展概述，IEEE学报，95，5，899-924（2007）
[5] Han，D。；莫，Y。；吴杰。；Weerakkody，S。；Sinopoli，B。；Shi，L.，用于远程状态估计的随机事件触发传感器调度，IEEE自动控制汇刊，60，10，2661-2675（2015）·Zbl 1360.93672号
[6] 北卡罗来纳州希普伦卡。；纳亚克，K。；Prasad，D.，使用IEEE 802.15.4标准对无线身体传感器网络进行物理和介质访问控制层参数的性能分析，以及不同传输功率的影响，（第六届计算与通信进步国际会议论文集（ICACC）（2016）），6-8
[7] Hoang，H.G。；Vo、B.-N。；Vo、B.-T。；Mahler，R.，泊松点过程的Cauchy-Schwarz发散，IEEE信息理论学报，61，8，4475-4485（2015）·Zbl 1359.94327号
[8] 科瓦卡，M。；Kuorilehto，M。；Hannikainen，M。；Hamalainen，T.，《IEEE 802.15.4和ZigBee在大规模无线传感器网络应用中的性能分析》，（第三届ACM无线自组织、传感器和泛在网络性能评估国际研讨会论文集（2006），ACM），48-57
[9] Lee，S。；刘伟。；Hwang，I.，使用马尔可夫链近似的基于事件的状态估计算法，（第52届IEEE决策与控制会议（2013）），6998-7003
[10] 刘，Q。；王，Z。；何，X。；Zhou，D.H.，无线传感器网络上基于事件的递归分布式滤波，IEEE自动控制汇刊，60，9，2470-2475（2015）·Zbl 1360.93703号
[11] 刘，Q。；王，Z。；何，X。；Zhou，D.H.，关于传感器网络随机链路故障的卡尔曼一致性滤波，IEEE自动控制汇刊，63，8，2701-2708（2017）·Zbl 1423.93384号
[12] C.梅兹。；Molanes-Lopez，E。；Miguez，J。；Djuric，P.，用于处理由异常值破坏的时间序列的粒子滤波方案，IEEE信号处理学报，60，9，4611-4627（2012）·Zbl 1393.94350号
[13] Marck，J.W。；Sijs，J.，应用于基于事件的状态估计的相关抽样，（传感器技术和应用国际会议论文集（SENSORCOMM）（2010）），618-624
[14] Martnez-Rey，M。；埃斯皮诺萨，F。；加德尔，A。；Santos，C.，车辆轨迹接近和跟踪的车载事件状态估计，传感器，15，6，14569-14590（2015）
[15] 米勒，M。；Vaidya，N.，《使用唤醒无线电将传感器网络的能耗降至最低》，（IEEE无线通信和网络会议录（WCNC）（2004）），2335-2340
[16] Muehlebach，M。；Trimpe，S.，基于LMI的分布式事件状态估计综合，（美国控制会议（ACC）（2015），IEEE），4060-4067
[17] Reason，J。；Rabasy，J.，《多跳传感器网络中的能耗和可靠性研究》，ACM SIGMOBILE移动计算和通信评论，8，1，84-97（2004）
[18] Sadeghzadeh-Nokhodberiz，N。；达沃迪，M。；Meskin，N.，用于状态估计的随机事件触发粒子滤波，（第二届基于事件的控制、通信和信号处理国际会议论文集（2016）），1-4
[19] 石，D。；Chen，T。；Shi，L.，使用多点和集值测量进行状态估计的事件触发方法，Automatica，50，6，1641-1648（2014）·Zbl 1296.93187号
[20] Sid，M。；Chitraganti，S.，使用粒子滤波方法的基于非线性事件的状态估计，（第八届建模、识别和控制国际会议论文集（ICMIC）（2016）），15-17
[21] Sijs，J.等人。；Leon，K。；Noack，B.，《估算事件触发标准研究》（第17届信息融合国际会议（fusion）（2014），IEEE）
[22] Sijs，J。；诺亚克，B。；Hanebeck，U.，基于事件的负信息状态估计，（第16届信息融合国际会议论文集（fusion）（2013），IEEE）
[23] Trimpe，S.公司。；Buchli，J.，减少通信的远程机器人操作的基于事件的估计和控制，（IEEE机器人与自动化国际会议论文集（2015）），5018-5025
[24] Trimpe，S.公司。；Campi，M.，《关于基于事件的估计中事件触发器的选择》，（基于事件的控制、通信和信号处理国际会议（2015）），1-8
[25] Trimpe，S.公司。；D'Andrea，R.，基于事件的状态估计与基于方差的触发，IEEE自动控制事务，59，12，3266-3281（2014）·Zbl 1360.93715号
[26] 吴杰。；贾庆生。；Johansson，K.H。；Shi，L.，《基于事件的传感器数据调度：通信速率和估计质量之间的权衡》，IEEE自动控制汇刊，58，4，1041-1046（2013）·Zbl 1369.90086号
[27] 郑，Y。；纽·R。；Varshney，P.，多传感器系统删失数据的序贯贝叶斯估计，IEEE信号处理汇刊，62，10，2626-2641（2014）·Zbl 1394.94699号
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。