×
张家豪;高社生;夏，胡安;李、郭;齐晓敏;高冰冰

无线传感器网络中有界噪声系统的分布式自适应容积信息滤波。 （英语） Zbl 1525.93464号

国际J鲁棒非线性控制 31，第10号，4869-4896（2021）.
摘要：本文研究具有不确定有界噪声的多传感器网络系统的非线性状态估计。传统的分布式方法只关注状态估计的信息融合，而忽视了噪声统计的融合。在无线传感器网络中，传感器节点之间噪声统计的差异通常会影响状态估计的精度，特别是对于分布式状态估计。为了提高噪声统计估计的准确性，本文基于协方差交集准则和修正的Sage-Husa极大后验，推导了一种分布式噪声统计估计量。然后，基于加权平均一致性建立分布式自适应容积信息滤波（DACIF），以获得准确的状态估计。为了提高状态估计的精度，提出了两步信息融合，包括状态估计和噪声统计的信息融合。同时，基于状态和度量新息向量设计了一种新的加权规则，以提高分布信息融合的准确性。其次，证明了DACIF的估计误差是有界的。仿真和半仿真实验验证了该算法的有效性。
{©2021 John Wiley&Sons有限公司}

理学硕士：

93E11号机组 随机控制理论中的滤波
第93页第10页 随机控制理论中的估计与检测
第93页第35页 随机学习与自适应控制
93立方厘米 控制理论中的非线性系统
93B70型 网络控制

关键词：

协方差交集准则;分布式噪声统计估计器;分布式状态估计;加权平均共识;加权规则
PDF格式BibTeX公司 XML格式引用
\textit｛J.Zhang｝等人，Int.J.鲁棒非线性控制31，编号10，4869-4896（2021；Zbl 1525.93464）
全文： 内政部

参考文献：

[1] AkyildizI、SuW、SankarasubramaniamY、CayirciE。无线传感器网络：一项调查。计算净值。2002;38(4):393‐422.
[2] HaoG、SunSL、LiY。具有渐近最优性的非线性加权测量融合无刺卡尔曼滤波器。信息科学。2015;299(4):85‐98. ·Zbl 1360.93697号
[3] XingZ、XiaY。多传感器数据融合体系结构中集中式尺度无味卡尔曼滤波器和扩展卡尔曼滤波器的比较。IET信号处理。2016;10(4):359‐365.
[4] LiY、ZhaoM、LiH、HaoG。具有相关噪声的非线性系统的集中式融合无迹卡尔曼滤波器。论文发表于：2019年IEEE第三届高级信息管理、通信、电子和自动化控制会议（IMCEC）会议记录。中国重庆；2019:336‐340.
[5] 陈Q、尹C、周杰、王毅、王X、陈C。传感器网络分布式状态估计的基于一致性的混合容积卡尔曼滤波。IEEE Sens J.2018；18(11):4561‐4569.
[6] ChenQ、WangW、YinC、JinX、ZhuJ。基于加权平均一致性的分布式立体信息过滤。神经计算。2017;243(11):115‐124.
[7] BhuvanaV、SchranzM、HuemerM、RinnerB。基于容积卡尔曼滤波的分布式目标跟踪。论文发表于：2013年信号、系统和计算机Asilomar会议记录。加利福尼亚州太平洋格罗夫；2013:423‐427.
[8] BattistelliG、ChisciL、MugnaiG、FarinaA、GrazianoA。基于共识的线性和非线性滤波。IEEE Trans Autom Control。2015;60(5):1410‐1415. ·Zbl 1360.93687号
[9] 张Q，张C，刘M，张S。基于水下无线传感器网络的目标跟踪局部节点选择。国际系统科学杂志。2015;46(16):2918‐2927. ·Zbl 1332.93355号
[10] Keshavarz‐MohammadiyanA，KhaloozadehH。状态相关噪声无线传感器网络中基于共识的分布式无迹目标跟踪。信号处理。2018;144(16):283‐295.
[11] LiW、WeiG、HanF、LiuY。基于加权平均一致性的无迹卡尔曼滤波。IEEE Trans Cybern。2016;46(2):558‐567.
[12] TanQ、DongX、LiQ、RenZ。基于加权平均共识的分布式事件触发容积信息过滤。IET控制理论应用。2018;12(1):78‐86.
[13] 张杰、高S、QiX、杨杰、夏杰、高B。无线传感器网络测量野值的分布式鲁棒容积信息滤波。IEEE接入。2020;8:20203‐20214.
[14] ArasartnamI，HaykinS公司。Cubature Kalman滤波器。IEEE Trans Autom控制。2009;54(6):1254‐1269. ·Zbl 1367.93637号
[15] 夏杰、高S、齐X、张杰、LG。针对不确定噪声统计的目标跟踪分布式体积H∞信息滤波。信号处理。2020;177:107725.
[16] 高波，胡，钟毅，朱克。基于立方体规则的分布式最优融合，用于无人机集成导航的运动学模型误差识别和预测。Aerosp科技公司。2021;109:106447.
[17] PakkiK、ChandraB、GuoD、PostlethwaiteI。体积信息滤波器及其应用。论文发表于：2011年美国控制会议记录。加利福尼亚州旧金山希尔顿酒店；2011:3609‐3614.
[18] 夏杰、高仕、钟毅、张杰、古琦、刘毅。基于拟合变换的非线性不确定离散时间系统的新型拟合H∞卡尔曼滤波器。IEEE接入。2020;8:10554‐10568.
[19] 巴甫代卡夫（BavdekarV）、德什潘达（DeshpandeA）、帕特沃德汉斯（PatwardhanS）。使用扩展卡尔曼滤波器辨识状态和参数估计的过程和测量噪声协方差。J过程控制。2011;21(4):585‐601.
[20] 默韦，万恩。非线性估计的无迹卡尔曼滤波器。论文发表于：IEEE 2000信号处理、通信和控制自适应系统研讨会论文集（分类号：00EX373）。路易斯湖，AB，加拿大；2000:153‐158.
[21] GaoB、GaoS、HuG、ZhongY、GuC。基于最大似然原理和滚动时域估计的自适应无迹卡尔曼滤波器。Aerosp科技公司。2018;73:184‐196.
[22] 胡萨·萨奇。先验统计的序贯自适应估计算法。论文发表于：1969年IEEE自适应过程研讨会论文集（第八届）决策和控制。宾夕法尼亚州大学公园；1969:61.
[23] Zhao L、Wang X、Sun M、Ding J、YanC。基于最大后验估计和指数加权的自适应UKF滤波算法。自动犯罪学报。2010;36(7):1007‐1019. ·Zbl 1240.93337号
[24] GaoX、YouD、KatayamaS。基于自适应卡尔曼滤波嵌入elman神经网络的高功率光纤激光焊接焊缝跟踪监测。自动犯罪学报。2012;59(11):4315‐4325.
[25] SongQ，Liu R。深空信号载波跟踪的加权自适应滤波算法。Chin J航空。2015;28(4):1236‐1244.
[26] ShiY、HanC。自适应UKF方法及其在目标跟踪中的应用。自动犯罪学报。2011;37(6):755‐759.
[27] 孙杰、徐旭、刘毅、张特、李毅。基于改进AR模型和改进Sage‐Husa自适应卡尔曼滤波器的光纤陀螺随机漂移信号去噪。传感器。2016;16(7):1073.
[28] 彭斯、陈C、施H、姚Z。基于自适应无迹卡尔曼滤波器和噪声统计估计器的蓄电池储能系统荷电状态估计。IEEE接入。2017;5:13202‐13212.
[29] Z.Deng、P.Zhang、W.Qi、G.Yuan和J.Liu，“多传感器协方差交叉融合器和三个加权融合器的精度比较”，Inf Fusion，第14卷，第2期，第177-1852013页。[参考文献：29]
[30] 乌尔曼·J·朱利尔·S。具有协方差交集的广义分散数据融合（CI）；第79卷，2001:35-41·Zbl 1371.93195号
[31] 张杰、高S、钟毅、齐X、夏杰、杨杰。基于分布式噪声统计估计器的室内多宽带源跟踪的高级容积信息滤波。IEEE接入。2019;7:151851‐151866.
[32] 张杰、高仕、李刚、夏杰、齐克斯、高斌。具有多步传感器延迟、缺失测量和相关噪声的多传感器网络系统的分布式递归滤波。信号处理。2021;181:107868.
[33] 陈B、霍德、张伟、于莉。有界噪声下的网络融合估计。IEEE Trans Autom控制。2017;62(10):5415‐5421. ·Zbl 1390.93779号
[34] 奇西尔·巴蒂斯特利。Kullback‐Leibler平均值、概率密度一致性和保证稳定性的分布式状态估计。自动化。2014;50(3):707‐718. ·Zbl 1298.93311号
[35] ZareiJ，ShokriE。基于立方卡尔曼滤波器的非线性滤波的收敛性分析。IET科技。2015;9(3):294‐305.
[36] LiK，ChangL。基于M估计的鲁棒高斯信息滤波的统一形式。IEEE信号处理Lett。2017;24(4):412‐416.
[37] 硬X射线调制望远镜卫星。http://hxmtweb.ihep.ac.cn/。
[38] LiX、JinJ、ShenY。存在测量异常值时基于X射线脉冲星导航系统的改进无迹卡尔曼滤波器。Proc Inst Mech Eng Part G‐J Aerosp Eng.2018国际机械工程学会会刊，第G‐J部分，航空工程，2018；232(2):260‐269.
[39] 郭鹏、孙杰、薛杰。基于新的观测策略，使用多个探测器进行X射线脉冲星导航。IET雷达声纳导航。2018;12(4):442‐448.
[40] 喷气推进实验室星历表DE405。https://eclipse.egsfc.nasa.gov/help/de405‐预测.htm。
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。