本文考虑非高斯噪声下传感器网络的状态估计问题.在机动目标跟踪、室内定位、水声导航等应用中,传感器的非高斯噪声会造成针对高斯噪声设计的常规状态估计算法精度下降.在现有针对单传感器系统的基于多变量Laplace(Multivariate Laplace...本文考虑非高斯噪声下传感器网络的状态估计问题.在机动目标跟踪、室内定位、水声导航等应用中,传感器的非高斯噪声会造成针对高斯噪声设计的常规状态估计算法精度下降.在现有针对单传感器系统的基于多变量Laplace(Multivariate Laplace,ML)鲁棒状态估计(Robust State Estimation based on ML,RSE-ML)算法基础上,本文借助信息滤波的特点,推导了针对多传感器系统的集中式RSE-ML(Centralized RSE-ML,CRSE-ML)算法,进一步利用一致性平均得到分布式RSE-ML(Distributed RSE-ML,DRSE-ML)算法.本文提出的DRSE-ML算法中利用ML建模非高斯噪声,借助变分贝叶斯方法估计噪声和状态参数,采用一致性算法进行分布式信息交互,克服了集中式算法通信和计算负担重的缺点,且具有自由参数少、估计精度高的特点.仿真结果表明,所提出的DRSE-ML算法估计精度优于现有相关算法,且能逼近集中式CRSE-ML算法的估计精度.展开更多
针对电-气-热综合能源系统(integrated energy system,IES),建立了非高斯测量噪声下的量测-状态方程。考虑耦合元件边界条件,将其既作为等式约束又作为虚拟量测方程,基于极大似然鲁棒状态估计方法,提出了一种考虑边界等式约束的电-气-热...针对电-气-热综合能源系统(integrated energy system,IES),建立了非高斯测量噪声下的量测-状态方程。考虑耦合元件边界条件,将其既作为等式约束又作为虚拟量测方程,基于极大似然鲁棒状态估计方法,提出了一种考虑边界等式约束的电-气-热IES鲁棒状态估计方法。在高斯和非高斯噪声下,进行仿真验证。仿真结果证明:所提方法可为IES在线分析和优化调度提供准确的全局状态感知。展开更多
针对一类非高斯噪声环境下固定点平滑估计问题,设计一种使用最大相关熵准则作为最优估计标准的平滑估计算法,称之为固定点最大相关熵平滑估计(fixed-point maximum correntropy smoother,FP-MCS).首先基于矩阵变换给出最大相关熵Kalman...针对一类非高斯噪声环境下固定点平滑估计问题,设计一种使用最大相关熵准则作为最优估计标准的平滑估计算法,称之为固定点最大相关熵平滑估计(fixed-point maximum correntropy smoother,FP-MCS).首先基于矩阵变换给出最大相关熵Kalman滤波的新表达形式;然后以此为基础,引入新的状态来扩展系统,并推导出固定点最大相关熵平滑估计的在线迭代方程;进一步比较平滑前后状态估计误差协方差,从理论上分析算法的性能改进,同时比较其计算复杂度;最后通过算例验证所设计的算法在非高斯混合噪声干扰下的有效性和优越性.展开更多
文摘本文考虑非高斯噪声下传感器网络的状态估计问题.在机动目标跟踪、室内定位、水声导航等应用中,传感器的非高斯噪声会造成针对高斯噪声设计的常规状态估计算法精度下降.在现有针对单传感器系统的基于多变量Laplace(Multivariate Laplace,ML)鲁棒状态估计(Robust State Estimation based on ML,RSE-ML)算法基础上,本文借助信息滤波的特点,推导了针对多传感器系统的集中式RSE-ML(Centralized RSE-ML,CRSE-ML)算法,进一步利用一致性平均得到分布式RSE-ML(Distributed RSE-ML,DRSE-ML)算法.本文提出的DRSE-ML算法中利用ML建模非高斯噪声,借助变分贝叶斯方法估计噪声和状态参数,采用一致性算法进行分布式信息交互,克服了集中式算法通信和计算负担重的缺点,且具有自由参数少、估计精度高的特点.仿真结果表明,所提出的DRSE-ML算法估计精度优于现有相关算法,且能逼近集中式CRSE-ML算法的估计精度.
文摘针对电-气-热综合能源系统(integrated energy system,IES),建立了非高斯测量噪声下的量测-状态方程。考虑耦合元件边界条件,将其既作为等式约束又作为虚拟量测方程,基于极大似然鲁棒状态估计方法,提出了一种考虑边界等式约束的电-气-热IES鲁棒状态估计方法。在高斯和非高斯噪声下,进行仿真验证。仿真结果证明:所提方法可为IES在线分析和优化调度提供准确的全局状态感知。
文摘针对一类非高斯噪声环境下固定点平滑估计问题,设计一种使用最大相关熵准则作为最优估计标准的平滑估计算法,称之为固定点最大相关熵平滑估计(fixed-point maximum correntropy smoother,FP-MCS).首先基于矩阵变换给出最大相关熵Kalman滤波的新表达形式;然后以此为基础,引入新的状态来扩展系统,并推导出固定点最大相关熵平滑估计的在线迭代方程;进一步比较平滑前后状态估计误差协方差,从理论上分析算法的性能改进,同时比较其计算复杂度;最后通过算例验证所设计的算法在非高斯混合噪声干扰下的有效性和优越性.