事件触发调度下带有动态偏差的传感器网络分布式融合状态估计.pdfVIP

D0I:10.13878/ki.jnuist.20230523002

王有刚武怀勤?

事件触发调度下带有动态偏差的传感器

网络分布式融合状态估计

摘要0引言

本文研究了一类基于传感器网络传

输的具有加性和乘性噪声的线性系统的传感器网络是由许多智能传感器组成的，这些传感器具备通信

事件触发分布式滤波问题，并且所考虑

和数据处理能力，它们通过相互协作来观测目标或环境的情况.随着

的过程噪声和测量噪声具有一步自相关

且两步交叉相关特性.首先，利用一个递无人驾驶、健康监护和家庭自动化等领域的迅速发展，对传感器网络

推方程描述系统的动态偏差，并采用伯的需求不断增加.因此,对传感器网络的结构和动态特性进行了大量

努利分布的随机变量刻画随机丢包现的研究[1-2].其中,分布式滤波问题在基于传感器网络传输的分布式滤

象.其次，引入事件触发机制在确保滤波

性能的前提下降低信息传输频率，构造波中受到广泛关注[3-4].例如,针对一类带有均匀量化和欺骗攻击的离

基于一致性的新型分布式滤波器.再次，散随机系统,文献[5］提出一种新型的分布式滤波算法,可以有效地

利用随机分析技术建立滤波误差协方差

限制异常信息对滤波性能的负面影响.

上界的递推方程并通过最小化方差约束

指标，给出滤波增益的表达式.最后，通传统的Kalman滤波算法适用于受高斯白噪声影响的系统，然而

过数值仿真验证了所提出的优化滤波方在实际应用场景中,噪声往往具有相关性.例如，当目标和传感器在相

法的有效性。

同的环境中工作时，过程噪声和测量噪声可能存在交叉相关.针对这

关键词

传感器网络；递推分布式滤波；事件种情况,文献[6]建立了受自相关和交叉相关加性噪声影响的线性系

触发机制；相关噪声；动态偏差统模型,并提出了分布式加权鲁棒Kalman融合滤波算法.此外,乘性

噪声普遍存在,并且是引发随机不确定性的主要因素之一,因此,学

中图分类号TP212

文献标志码A者们已经提出了许多受乘性噪声影响的系统的滤波方法[7-8].除此之

外，系统还可能受到强相关性噪声的影响，即随机动态偏差噪声.文献

[9]首次将动态偏差表示为一个动态方程,并设计了解耦Kalman估

计器，提升了算法的计算效率和稳定性.近年来，随机动态偏差在时变

复杂网络的状态估计[10]、多速率系统的状态和故障联合估计[1]等问

题中受到广泛关注.然而，目前对同时受乘性噪声、加性相关噪声和动

态偏差影响的系统的分布式状态估计问题尚未得到充分研究,这也

是本文的研究目的之一：

目前,许多分布式滤波方法是基于时间触发机制的，即传感器在

每个采样时刻都向网络中传输信息.然而在现实中，网络化系统常常

面临能源受限和通信带宽不足的问题，频繁的通信会缩短网络的寿

收稿日期2023-05-23

资助项目国家自然科学基金命.为了更合理地分配网络资源，基于事件触发机制的分布式滤波算

作者简介法成为近年来的研究热点[12-14].例如，文献[15]使用一组线性T-S模

王有刚,男,讲师,研究方向为神经网络的

理论与应用.wan