不确定环境下多自主体系统分布式估计及控制.pdfVIP

张强：不确定环境下多自主体系统的分布式估计与控制 2 分布式参数估计 分布式估计算法的设计与分析是传感器网络实际应用的需要，旨在研究基于各传感器的局部观测 信息以及传感器间的局部信息交换，如何设计可扩展性强的分布式估计算法，通过传感器间的协作提 高整体的可观测能力．与传统的基于信息融合中心的集中式参数估计算法相比，分布式估计算法对单 个传感器的失效更具鲁棒性，并且极大降低了传感器的通信和计算成本，提高了传感器网络的整体存 活时间． 由于外界环境存在各种不确定性，设计鲁棒性好和精度高的分布式参数估计算法是传感器网络应 用的迫切需要．本文结合预测和滤波的思想，提出了一类重要的随机逼近 一趋同型分布式估计算法，并 证明算法对随机传感通信噪声、随机信道增益和Markov信号丢失等多种不确定性因素具有鲁棒性． 2．1 传感和通信模型 2．1．1 传感模型 考虑由Ⅳ个传感器构成的传感器网络分布式协同估计某他维未知参数向量 的问题．由于传感 器感知能力有限，传感器 i(i=1…．，Ⅳ)独立观测得到的局部带噪声观测量往往仅是 的部分元素， 即啦 《n．因此需要传感器间的协作通信及 自身动态迭代，才能获知未知参数所有信息的准确估计． 假设传感器 i对参数向量 的观测值为该参数向量的随机线性函数，并被随机噪声污染，即传感 器 i在 t时刻的观测值可表示为如下形式： (￡)= (t) + (￡)，t：0，1， (2．1) 其中Zi(￡)，Vi(t)∈ t分别为传感器 i在t时刻的观测向量和随机观测噪声， (￡)∈ t 为时变随 机观测矩阵． 2．1．2 通信模型 各传感器间的通信关系用加权有向图 = {， ， 来建模．传感器网络中各邻居传感器按如 下方式进行信息交换．在通信信道 (J，i)∈ 的发送端，传感器 J将其对未知参数向量在 t时刻的估 计状态 j(t)向传感器 i发送．在实际应用中，由于通信信道的丢失和重建以及随机噪声和随机信道 增益等不确定因素的影响，一部分通信信道会以一定的正概率发生信号丢失．我们用状态空间为 f0，1 的Markov链 描述信道 (J，i)的丢失和重建随时间的演化，并按一定的次序将描述每条通信信道 状态的Markov链列为 向量 m ． 在通信信道 (J，i)的接收端，传感器 i接收到对 (t)的估计信号描述为 = ％)+’兽；笔， c2 其中 t()∈ 表示 (，)的随机信道增益，经常产生于模拟通信信道的传输[6】． t(t)为随机可 加通信噪声，它是对通信热噪声、信道衰落等现象的良好建模 7【】． 530 中国科学 ：数学 第 43卷 第 6期 2．2 算法设计 基于以上的传感和通信模型，我们对传感器 i设计了如下分布式参数估计算法： 川 ) ) 叼㈤(--1 ㈤ ㈤)+ ( )一 ㈤) …．，Ⅳ) (2_3) J∈M t 其中 t(￡)∈ ”表示传感器 i在 t时刻对参数 0 的估计状态； t表示传感器 i在 t时刻的邻居传感 器集合．t()由 (2．2)定义，为传感器 i接收到的传感器J状态的估if；bi()为增益函数； =EC~(t) 与 tt／i~；。 ()由t时刻通信拓扑图Gt的加权邻接矩阵 决定，即n ()=。 “． 为进行收敛性分析，我们将分布式估计算法 (2．3)写为如下联立方程： x(t+1)=x(t)一(B(t) 厶)(￡ 0厶) (￡)+(B(t)0 )[T (1Ⅳ 0一 (t)) +AL(mO (t)+叫：’+ TC(t)(1g 0)+ Tu()]，t≥0， (2．4) 其中x(t)= (t)…．，TⅣ()]T，B(t)=diag{bl(t)…．，6Ⅳ())，c 是 对应的Laplace矩阵， = diag{C1，… ，(IⅣ，0(t)=diag{C1(t)一 l，…，CN(t)一 )，v(t)= ()，．．．，u ()]T，△