网络化多传感器系统的序贯式融合滤波——基于噪声估计方法

在网络化多传感器系统中,由于各传感器采集到的量测信息在经网络向融合中心传递的过程中,常会出现各种随时间变化的延迟现象,而处理该类系统融合滤波问题的现有方法又大都难以实现滤波过程实时性与滤波精度最优性的共赢.为此,本文在线性最小均方误差意义下,利用不同时刻状态间的递推关系和噪声估计方法,提出了一种实时、递归、最优的序贯式融合滤波器.首先利用状态间的递推关系,将不同时刻得到的量测信息转化为当前状态的伪量测信息.其次,利用新提出的噪声估计方法求解伪量测方程中增益噪声的估计值和用于滤波器设计的增益矩阵.然后,基于转化后的伪量测信息和求取的滤波增益矩阵实现对系统状态的最优估计.以此方法依次处理该融合周期内到达融合中心的各量测信息,建立起一种实时、递归、最优的序贯式融合滤波器.最后,用计算机仿真来验证新方法的有效性.

具有未知传输干扰和丢包的网络化多传感器系统的CI融合滤波器

研究了具有未知传输干扰和观测丢失的网络化多传感器系统的滤波器设计问题。采用一组满足伯努利分布的随机变量来描述观测丢失现象。在没有传输干扰任何信息的情形下,基于线性无偏最小方差估计准则,设计了系统状态的具有Kalman形式的递推滤波器。应用CI(Covariance Intersection)融合算法给出了分布式次优融合状态滤波器。并基于融合状态滤波器给出了未知传输干扰估计。仿真验证了该算法的有效性。

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.

基于事件触发传输机制的分布式融合估计

在网络化多传感器系统中,信息传输往往受到通信带宽和资源的限制。有必要设计一种事件触发传输机制来克服这种缺陷。本文研究了一类通信受限下网络化多传感器系统的分布式融合估计问题,当考虑存在未知有界噪声的网络化多传感器融合系统时,首先引入一种事件触发机制(ETM)以解决网络资源受限问题,并提出一种基于事件触发信息的局部估计器和分布式融合准则。然后基于有界递归优化思想,构建事件触发估计器均方误差上界,通过建立并求解凸优化问题以获得局部估计器增益和分布式加权融合。最后,通过仿真示例验证了本文所提方法的有效性。