基于自适应分布式滤波观测器的多智能体系统编队控制

本文考虑了全局指令系统输出信息受到信道扰动情况下线性多智能体系统的编队控制问题.首先,基于协作式输出调节理论框架对线性多智能体系统的编队控制问题进行数学建模.其次,针对受到信道扰动的全局指令系统输出信息,提出了一类基于受扰输出的自适应分布式滤波观测器,在降低网络信息交换量的同时消除扰动的影响.最后,设计了输出反馈确定等价控制律,解决了线性多智能体系统的分布式编队控制问题.给出了数值仿真结果检验控制性能.

军用无人系统协同感知与分布式滤波技术

现代战争由机械化向无人化转型,而人工智能、大数据等技术的发展促使未来战争形态呈现出仿生智能的特点。仿生无人机、智能无人车等载荷打击平台通过卫星数据链开展典型区域联合作战的前提是已知敌我双方的准确位置信息。围绕军用无人运动平台的演化历程和发展趋势,对无人系统的构成和特点进行归纳,进而指出多传感器协同感知是信息获取的主要形式,通过分布式滤波处理得到平台的位置和姿态。对多平台协同感知能力、协作估计策略和SLAM技术进行分析和总结,指出融合深度智能的协同认知、数据驱动和多源多模态融合等技术是提升无人作战效能的核心关键。

基于小波变换的多传感器多分辨分布式滤波

用小波变换和多分辨分析的思想建立一个最优的和动态的多分辨分布式滤波算法，最优是建立在估计误差方差最小的意义下的，而动态是当新的测量数据到来时，根据已有的估计预测值的测量值获得新的估计值。介绍了离散小波变换，给出了动态系统的描述，建立了基于小波变换最优和动态的多分辨分布式滤波算法，最后用一个例子说明算法的有效性。

基于小波变换的多分辨分布式滤波

用小波变换和多分辨分析的思想建立一个最优和动态的多分辨分布式滤波算法．在离散小波变换的基础上，给出动态系统的描述，建立了基于小波变换最优和动态的多分辨分布式滤波融合算法．

异类传感器信息融合的分布式滤波算法

基于联邦滤波算法,对雷达/红外双模导引头数据融合算法进行了研究,给出了基于雷达/红外双模导引头跟踪系统的结构及算法模型。针对典型工作状况参数,对匀速、匀加速、机动等目标运动状态进行了蒙特卡罗追踪仿真。仿真结果表明:基于联邦滤波的分布式融合跟踪算法,对各种目标运动状态下的位置、速度跟踪精度和抗干扰能力都相对于雷达单模跟踪的较好。

传感器网络环境中基于采样数据分布式滤波的研究综述

近年来,由大量具有感知、计算和通信能力的微型传感器组成的传感器网络越来越广泛地应用在生产及生活的方方面面.另一方面,随着微电子及数字信号技术的发展,利用采样数据的离散化的数字控制器或滤波器被普遍使用.为了反映这个新兴领域的最新进展,本文对传感器网络环境中基于采样数据分布式滤波的研究展开了综述.首先,综述了传感器网络中几种分布式滤波方法的研究进展.然后,针对不同的采样方式,详细总结了采样数据系统的控制与滤波问题的研究工作.随后,对目前已有的传感器网络基于采样数据的分布式滤波的研究结果进行了介绍.最后,对传感器网络环境中基于采样数据的分布式滤波方面未来可能的研究课题进行了展望.

基于五阶球面单纯形-径向容积准则的多终端一致分布式滤波定轨算法

为了提高多手持终端信息融合实时定轨的精度和系统容错性,该文提出一种基于五阶球面单纯形-径向容积准则的多终端一致分布式容积信息滤波(CD-SSRCIF)定轨算法。分别使用n维单纯形顶点和矩匹配法计算球面和径向积分,得到适用于系统状态维数n￡7时的五阶球面单纯形-径向容积准则。利用统计线性误差传播方法将此五阶容积准则嵌入扩展信息滤波器,将集中式变量展开得到多源集中式五阶容积信息滤波器。进而,利用平均一致性算法对集中式滤波中多源信息累加进行分布式等价表示,构成上下两层级联滤波器,下层滤波器执行平均一致性算法融合邻居节点的信息,输出虚拟量测值。上层滤波器利用该量测值执行五阶容积信息滤波,实时输出轨道状态估计值。仿真实验结果表明,五阶CD-SSRCIF算法无需信息融合中心,且具有比三阶算法更高的定轨精度。

带有欺骗攻击的分布式滤波器型迭代学习控制

研究了一类受欺骗攻击的离散系统的分布式滤波器型迭代学习控制,对于欺骗攻击的描述采用满足Bernoulli分布的随机序列,通过构造Lyapunov函数,导出滤波误差系统均方指数稳定且满足l_(2)-l_(∞)性能指标的充分条件,设计受欺骗攻击的分布式l_(2)-l_(∞)滤波器,并通过线性矩阵不等式方法求解滤波器参数。给出分布式滤波器型迭代控制收敛的充分条件,通过仿真实例说明该设计方法的有效性。

基于自适应事件触发和量化的时滞系统分布式滤波

研究基于自适应事件触发机制和量化的时滞系统分布式滤波问题,设计自适应事件触发机制,此触发机制不仅取决于滤波器自身最新释放数据和当前估计值,还取决于自身和邻居节点最新释放数据的误差。相较于固定参数事件触发,自适应事件触发参数根据滤波性能动态变化。考虑传感器精度和网络传输带宽优先,在数据传输前进行量化处理。构造Lyapunov函数并给出滤波误差系统均方指数稳定且满足l_(2)-l_(∞)性能指标的充分条件,设计带有数据量化的离散时滞系统分布式l_(2)-l_(∞)滤波器,并通过线性矩阵不等式方法求解滤波器参数。仿真实例说明设计的滤波器能够降低数据量化带来的影响,且自适应事件触发机制相较于固定参数事件触发,在保证滤波性能前提下能够降低数据传输频率,节约网络通信资源。

马尔可夫切换基因调控网络的分布式滤波

研究了传感器网络中一类具有马尔可夫跳变参数的离散时间基因调控网络的分布式H_∞滤波问题.首先,在同时出现网络诱导时滞和随机切换传感网络拓扑情形下建立分布式滤波系统模型.相应的滤波误差系统为具有时变时滞的非线性马尔可夫切换时滞系统.其次,利用随机Lyapunov泛涵分析了增广滤波误差系统的随机稳定性和H_∞性能.再次,借助于凸优化问题的解获得滤波系统参数.最后,利用数值仿真例子验证了该设计方法的有效性.

ADAS系统视觉与毫米波雷达分布式抗差卡尔曼滤波融合算法

自动驾驶车辆常常利用多传感器对周围目标进行检测和跟踪,但受限于传感器多源异构特性和复杂多变的驾驶环境,准确的多目标检测和跟踪仍是实现自动驾驶的一大困难和挑战。本文面向高级驾驶辅助系统(ADAS)的多目标检测与跟踪任务,采用了基于1个视觉传感器和5个毫米波雷达(1V5R)的传感器配置方案,且设计了基于分布式抗差卡尔曼滤波器的多传感器信息融合算法以实现对周围目标的准确感知。首先,针对不同传感器数据特征,采用不同的线性卡尔曼滤波器和扩展卡尔曼滤波器进行数据融合,并基于分布式卡尔曼滤波建立了1V5R多传感器信息融合框架。其次,为降低传感器动态误差对于融合精度的影响,在卡尔曼加权观测融合的基础上,引入抗差估计方法,实现了对传感器动态误差的实时估计和修正。最后,通过离线仿真和实车道路试验对所提出的基于分布式抗差卡尔曼滤波的多传感器融合算法进行了验证。试验结果表明,与单一传感器的测量值相比,所提出的算法能有效融合多个传感器的信息以提升目标的检测与跟踪精度,且鲁棒性较好。

车载GNSS/SINS/里程计分布式弹性融合导航方法

为提升复杂环境下低成本车载导航系统的容错性能,本文研究了基于次优增益融合(SGF)算法的GNSS/SINS/里程计分布式弹性融合方法。该方法首先根据阿克曼转向几何建立了四轮里程计测速补偿模型,提升了惯性测量单元(IMU)安装中心处的前向和侧向测速精度;然后设计了基于卡方检验统计量的故障检测与分类准则,充分利用了可获取的观测信息;最后构建了随机模型和信息分配因子(ISF)弹性优化模型,分别从传感器层和决策层减少了异常观测的影响,实现了车载多源信息的弹性融合。通过实际跑车数据对GNSS/SINS/里程计分布式弹性融合方法进行测试验证。试验结果表明,本文方法能有效减少子系统故障对全局状态估计的影响,提升复杂环境下系统的容错性能。此外,与经典的联邦卡尔曼滤波(FKF)算法相比,SGF算法全局融合精度损失有限,计算效率却显著提升,有利于多源信息弹性融合的实际工程应用。

基于自适应加权融合的分布式滤波算法

针对存在丢包的传感器网络中每个传感器节点对目标估计确信度不同的问题,提出一种基于自适应加权融合的分布式滤波算法.考虑节点在网络中的影响力及其节点属性,将节点重要度与传感器网络节点观测数据间的支持度线性加权,获得每个传感器节点对目标的估计确信度,并将该确信度构成的融合权值引入节点状态估计值的一致性协议中,更新传感器节点对目标的状态估计值,提高分布式滤波算法的估计精度和传感器节点估计值的一致性.仿真结果验证了所提出方法的有效性.

拓扑切换的多传感器网络化系统分布式H_∞滤波

研究一类带有随机切换拓扑的多传感器网络化系统的分布式H∞滤波问题.首先提出一种新的监控机制来辨识拓扑的切换时刻,并利用Markov链来建模若干拓扑模态间切换.为了节约滤波系统的通信和计算资源,基于拓扑切换时刻的采样输出引入一组拓扑依赖的分布式事件触发传输方案.同时考虑主通道和冗余通道的数据丢包、拓扑切换与事件触发传输的影响,将网络化滤波误差系统建模为一随机时滞系统.利用Lyapunov-Krasovskii泛函,给出一有界实数引理使得滤波误差系统是稳定的且满足一定的衰减性能,并提出一种事件触发参数和网络化滤波增益的协同设计方法,最后通过仿真例子证明所设计滤波器的有效性和低能耗.

多雷达实时定轨的一致性分布式容积信息滤波算法

针对传统单雷达实时定轨精度较低而多雷达集中式定轨需要信息融合中心且通信量较大的问题,提出一种多雷达一致性分布式容积信息滤波(CD-CIF)算法。该算法由平均一致性滤波器和容积信息滤波器级联构成。平均一致性滤波器融合雷达对卫星的多源观测信息,输出的量测值收敛于多源量测信息的平均一致值。容积信息滤波器利用此量测值执行等效集中式滤波以更新状态估计值和协方差矩阵。仿真校验结果表明,多雷达CD-CIF算法实时定轨精度明显高于单雷达定轨精度,与多雷达集中式算法相当,但无需信息融合中心且降低了通信量。

网络化系统的分布式H_∞滤波

对网络化系统的分布式H∞滤波问题进行了研究.利用输入时滞方法对网络化分布式滤波系统建立了模型,模型中考虑了分布式滤波器之间离散信号传输的特点.与现有文献中对分布式滤波器之间采用连续信号传输的模型相比,采用离散信号传输的模型提高了系统的可行性.当分布式滤波器对应连通图为弱连通时,应用Lyapunov-Krasovskii稳定性理论对滤波误差系统的H∞性能进行了分析,并通过线性矩阵不等式(LMI)技术给出了分布式H∞滤波器的设计方法.最后通过数值例子说明了所给方法的有效性.

一种基于事件触发的分布式卡尔曼一致性滤波算法设计

针对无线传感器网络中存在的通信带宽受限等问题,设计了基于事件触发的分布式卡尔曼一致性滤波算法。采用增量发送的传输机制,每个传感器仅在当前时刻观测值与最新触发时刻观测值之间的差值平方超出阈值时,才将观测值发送到相应的估值器。而每个估值器都可以通过时间触发的规则从其邻居节点接收到估计值。为了避免估值之间互协方差矩阵的计算,通过局部最小化方差的上界提出了事件触发的分布式卡尔曼滤波器。基于李雅普诺夫方法证明了算法在均方意义下的指数有界性。数值仿真验证了事件触发的阈值越小,通信率越高且滤波器的估计精度越高;否则,通信率越低且估计精度越低。

带未知通信干扰和丢包补偿的多传感器网络化不确定系统的分布式融合滤波

研究了带有未知通信干扰、观测丢失和乘性噪声不确定性的多传感器网络化系统的状态估计问题.通过白色乘性噪声描述系统状态和观测中的随机不确定性,采用一组服从Bernoulli分布的随机变量描述网络传输过程中存在的观测丢失现象,且数据传输中存在未知的网络通信干扰.当发生丢包时,以当前丢失观测的预报值进行补偿.对每个单传感器子系统,应用线性无偏最小方差估计准则设计了不依赖于未知通信干扰的最优线性滤波器.推导了任两个局部滤波误差之间的互协方差阵.进而,应用矩阵加权融合估计算法给出了分布式融合状态滤波器.仿真例子验证了算法的有效性.

能量有效的分布式粒子滤波

该文根据无线传感器网络节点能量有限的特点,从节能的角度提出了能量有效的分布式粒子滤波算法。该文首先给出了算法的一个总体框架,然后从大数定理出发,研究粒子数对算法性能的影响。接着,基于节点的位置信息和测量方程,提出了一种节点选择算法。通过节点选择,可以把粒子滤波算法的计算复杂度分布到各个节点,进行分布式处理。最后,通过仿真验证算法的有效性。

基于分布式Kalman滤波和BP神经网络组合的静电陀螺漂移辨识方法(英文)

提出一种新的方法,把分布式Kalman滤波(DKF)方法与后向传播神经网络(BPNN)技术相结合,用于静电陀螺漂移的模型辨识。首先,为了消除测量噪声影响,将同一个静电陀螺带有噪声的多次测量数据集映射到一个虚拟的传感器网络中,然后采用具有嵌入式紧致滤波功能的DKF对映射数据进行滤波预处理。在此基础上,将预处理结果转换为用于训练神经网络的输入数据和输出数据,然后采用BPNN辨识静电陀螺漂移。实验表明,该方法可有效用于陀螺漂移的模型辨识。