具有随机采样特性的网络化系统H∞ 滤波

研究一类具有随机采样特性的网络化系统H∞滤波问题.通过将传感器的随机采样过程建模成马尔可夫链,将数据量化作用转化为模型的参数不确定性,并用二值随机变量描述丢包过程,从而用一个多随机变量的马尔可夫不确定性模型来描述滤波误差系统.应用Lyapunov稳定性理论和随机系统分析方法,导出了滤波误差系统随机稳定且具有给定H∞性能的充分条件,并给出了滤波器的设计方法.仿真结果验证了所提出方法的有效性.     

受有线无线异构网络诱导延时和数据丢包约束的分布式网络化H2/H∞滤波研究

针对分布式有线无线异构网络化滤波系统中部署在不同地理空间的多传感器通过无线网络与每个局部融合中心通信, 然后测量数据被传到网关并进行协议转换后通过有线网络传输到对应的分布式滤波器, 会导致数据传输出现分布式有线无线网络诱导延时和数据丢包, 使得H₂/H_∞滤波更加困难的问题, 本文首先采用有向图描述分布式传感器节点的通信拓扑, 然后运用Markov链和伯努利分布分别刻画分布式有线无线网络诱导延时和数据丢包特性, 进而建立了融合分布式滤波器参数、有线无线异构网络通信约束的普适滤波误差动态系统综合模型.理论上证明了在分布式有线无线异构网络通信约束下所设计的滤波器使得滤波误差动态系统随机稳定且满足给定的H₂/H_∞性能指标, 并建立了系统随机稳定性、分布式滤波器参数及最长有线无线网络诱导延时和数据丢包之间的关系.最后, 仿真实例验证了本文所提方法是可行且有效.     

具有一步随机时滞和多丢包的网络系统H∞滤波器设计

在网络系统中由于连接传感器和滤波器的网络带宽有限,系统测量数据在传输中会出现随机时延甚至丢失. 本文讨论了具有一步随机时延和丢包的网络系统的H∞滤波器设计问题.基于新近提出的同时描述随机时延和丢包的模型,利用线性矩阵不等式方法设计线性滤波器,使得滤波误差系统均方指数稳定,并具有给定的H∞性能. 滤波器参数通过求解一个线性矩阵不等式得到.仿真研究说明了所提出算法的有效性.     

带丢包一致性滤波算法研究

提出了一种基于一致性的分布式滤波算法, 针对实际应用中存在的网络丢包问题, 重点研究了有丢包时的分布式滤波算法, 通过理论分析给出了估计误差系统收敛的充分条件. 应用数值仿真将本 文提出的算法与已有的经典滤波算法分别在理想状况与有丢包状况时进行比较, 研究表明本算法在丢包时具有较优的滤波效果. 并进一步研究了一致性步长对估计误差协方差的影响, 发现存在估计误差达到最小值的最优步长. 最后, 研究了丢包率对算法的影响, 发现起``领导'作用的传感器在滤波时发挥重要作用, 可通过控制这些传感器的丢包率来减小丢包对整个网络系统的影响.     

基于鲁棒H∞滤波的蓄电池荷电状态估计

针对蓄电池系统的荷电状态(SOC)受蓄电池材料及加工制作、工作温度、充放电大小及频率等因素的影响,是一个典型的非线性时变系统,相应的状态估计模型在测量过程中存在噪声干扰引起模型参数不确定性的特征。以安时法为基础,建立SOC的状态方程并应用鲁棒H∞滤波算法预测SOC估计值。仿真研究表明,提出的鲁棒H∞滤波算法在有色噪声干扰下比卡尔曼滤波(Kalman filter)有更好的估计精度;在白噪声情况下,鲁棒H∞滤波算法可通过调节其参数达到和卡尔曼滤波器相同的估计精度。     

基于能量和地理信息的水下传感器网络协作传输技术研究

研究了一种适用于水下传感器网络的基于能量预测的分布式数据协作通信技术。针对水下复杂的监测环境、水下无线通信以及网络拓扑等动态特性,建立了一种基于H∞的节点能量预测算法,由能量和地理信息建立的二维表进行中继选择并建立了一种分布式数据协作传输技术。该技术根据水下传感器节点间无线链路的广播特性,根据H∞滤波器预测得到的节点剩余能量及其地理位置建立二维表,据此选择最优者作为协作节点,根据无线链路质量自适应选择放大重传和解码重传机制。数学分析表明,H∞滤波器对节点剩余能量的预测精度较高,而且该协作传输技术能够在有效地延长水下传感器网络生命周期的同时显著提高网络的资源利用率和系统吞吐率。     

卡尔曼一致性滤波器的丢包性能分析及能量优化

针对无线传感器网络(wireless sensor networks,WSNs)在实际应用中不可避免的数据包丢失现象,本文研究了分布式卡尔曼一致性滤波算法(distributed Kalman consensus filtering algorithm,DKF)在两类丢包情况下的稳定性和滤波性能问题,通过矩阵论理论分析得出了估计误差协方差收敛所能容忍的极限丢包率.然后,考虑到传感器节点能量有限,基于逾渗模型构建了一种能量可调的改进型分布式一致性卡尔曼滤波器,该滤波器充分利用无线传感器节点冗余布置的特点,以较小的滤波精度下降为代价,获取网络寿命的大幅度提高,实现了该分布式滤波器在滤波精度与能量消耗两个关键指标的有效权衡.最后利用仿真实例验证了所提出算法的有效性.     

具有随机一步时延及丢包的离散系统H∞滤波

针对存在随机一步时延及丢包的网络,研究了一类离散系统的H∞滤波问题。时延及丢包被认为是两个Bernoulli随机序列,利用线性矩阵不等式(LMI)方法给出了滤波器存在的充分条件,所设计的滤波器使得滤波误差系统在均方意义下是指数稳定的且满足给定的H∞性能。滤波器参数通过凸优化求解一个线性矩阵不等式获得。     

多丢包不确定离散系统的鲁棒Kalman滤波

研究了同时具有不确定性和多丢包情况下的离散时变系统的鲁棒滤波问题, 其中的不确定性是时变的、范数有界的, 且存在于系统的状态矩阵和输出矩阵中. 通过把多丢包问题建模成系统模型中的随机参数, 在允许的不确定性情况下, 给出了估计误差方差的上界, 并进一步基于矩阵范数的意义最小化该上界. 结果表明, 通过求解两个Riccati差分方程, 可以设计鲁棒滤波器. 最后, 提出适合在线计算的鲁棒滤波算法, 并通过仿真实例表明所提算法的有效性和实用性.     

基于H∞滤波能量预测中继选择协作传输技术*

研究了一种适用于分布式移动无线传感器网络数据传输基于能量预测的协作通信技术。针对无线传感器网络,协作数据传输技术难以有效解决无线网络动态拓扑结构、带宽和能量受限等问题,建立了一种基于H∞滤波器相邻节点剩余能量预测的分布式中继选择机制,并在此基础上建立数据协作传输技术。该技术充分利用无线信道的广播特性,首先根据H∞滤波器预测节点剩余能量,然后根据剩余能量值选择最大者作为协作节点,最后根据无线信道质量在放大重传和解码重传机制之间进行自适应调整。数学分析表明,H∞滤波器可以准确地预测节点的剩余能量,同时该协作传输技术能够显著提高无线传感器网络的资源利用率和系统吞吐率,有效延长网络寿命。     

具有长时延及丢包的网络控制系统H∞ 鲁棒滤波

研究了同时具有大于一个采样周期的随机传输时延及数据包丢失的网络控制系统H∞滤波问题.对于给定的丢包率,滤波误差系统被建模为具有两个事件速率约束的异步动态系统,利用异步动态系统理论给出滤波误差系统满足指数稳定和H∞性能指标的充分条件.H∞滤波器可通过解一组线性矩阵不等式求出.仿真结果验证了所提出方法的有效性.     

Research of cooperative transmission technology based on H ∞ filter energy prediction

研究了一种适用于分布式移动无线传感器网络数据传输基于能量预测的协作通信技术.针对无线传感器网络,协作数据传输技术难以有效解决无线网络动态拓扑结构、带宽和能量受限等问题,建立了一种基于H∞滤波器相邻节点剩余能量预测的分布式中继选择机制,并在此基础上建立数据协作传输技术.该技术充分利用无线信道的广播特性,首先根据H∞滤波器预测节点剩余能量,然后根据剩余能量值选择最大者作为协作节点,最后根据无线信道质量在放大重传和解码重传机制之间进行自适应调整.数学分析表明,H∞滤波器可以准确地预测节点的剩余能量,同时该协作传输技术能够显著提高无线传感器网络的资源利用率和系统吞吐率,有效延长网络寿命.     

带有无穷分布时滞的不确定系统的鲁棒H_∞滤波器设计

针对一类在系统的状态方程与可测输出中都包含有非线性无穷分布时滞的参数不确定系统,提出一种新颖的鲁棒H∞滤波器的设计方法.设计的鲁棒H∞滤波器可以保证对于带有时变且范数有界的参数不确定性的滤波误差系统是渐近稳定的,并且满足所给定的H∞性能指标.鲁棒H∞滤波器可以通过线性矩阵不等式方法获得.通过一个数值的例子验证了该方法的有效性.     

存在通讯限制的网络控制系统鲁棒故障检测

对一类具有随机丢包和通讯限制的网络控制系统的鲁棒故障检测问题进行研究;考虑控制器到执行器间存在通讯限制以及传感器到控制器间存在数据丢包,并将丢包用Bernoulli随机二进制分布进行描述;在此基础上建立带有故障的离散时间模型,基于所建立的模型设计故障检测滤波器,使得残差系统随机稳定,同时滤波误差系统的H∞范数满足给定的衰减水平;所设计的故障检测滤波器不但保证了残差系统对故障的灵敏,同时对系统的外部扰动输入具有鲁棒性;数值算例验证了文章所提方法是可行的.     

受一类多通道异构网络通信约束的网络系统H2/H∞滤波研究

针对异构网络中不同类型网络及每个通道在不同时刻所产生的网络诱导延时和数据丢包不同,使得异构网络环境下H2/H∞ 滤波更加困难的新问题,不同于目前广泛研究的单种类型网络环境下的H2/H∞滤波方法,首先,深入分析了异构网络通信特性并给出了数学描述公式,然后,建立了融合多通道异构网络通信约束的滤波误差动态系统综合模型.基于Lyapunov-Krasovskii 理论,证明了在已知有线网络和无线网络分别存在的最长网络诱导延时情况下,所设计的滤波器使得滤波误差动态系统随机稳定且满足给定的H2/H∞ 性能指标.仿真验证该方法可行且有效.     

基于ANN的多路径传输WSNs数据丢包率预测

为了提高无线传感器网络(WSNs)数据传输的准确率,设计了一种基于人工神经元网络(ANN)的数据丢包(DPL)率预测方法。通过预测WSN数据包在多个传输路径上的丢包率,选择出最优数据传输路径。首先,建立1个150节点的网络拓扑结构,使各节点在固定区域内随机分布,并采用粒子群算法对各节点进行层级聚类。然后,采用1个3层前向人工神经元网络来预测数据传输的丢包率。在BP网络学习算法中引入动量修正因子,避免了ANN训练陷入局部极小的问题。ANN的3个输入分别为传输路径上的节点数目、节点应用环境类型和节点采样频率。最后,采用基于最优最差蚂蚁系统(BWAS)的多传输路径规划方法,以传输路径数据丢包率作为评价参数,选择最优传输路径。经仿真验证可知,本方法能够获得较高的数据传输准确率,与FEC纠删编码多路径传输策略相比具有明显优势。     

一种滤波系数化的分布式航迹融合方法

传感器本身及外界环境存在的随机干扰,使得量测信息具有不确定性及相关性,且当某个传感器的测量精度较低时,直接融合观测信息导致融合算法有效性的降低。针对此问题,提出一种滤波系数化的分布式航迹融合方法。该方法通过局部估计信息建立支持度矩阵来完成滤波估计信息的系数化,最后加权组合滤波,实现对目标的实时融合跟踪。相对于原有融合算法,无论在哪种情况下该方法均使融合跟踪精度提高了16%以上,保证了算法的有效性。     

一种优化的贝叶斯估计多传感器数据融合方法

由于来自多个传感器的测量数据总是有一定程度的不确定性和不一致性,采用多传感器数据融合算法将多个节点的测量数据进行数据融合,利用数据的冗余度来减小这种不确定性,得到高可靠性的数据信息。提出了一种优化的贝叶斯估计多传感器数据融合方法,将贝叶斯估计和卡尔曼滤波器结合起来,应用于无线传感网络数据融合中。根据滤波器应用到传感数据、融合数据或者两者的方式,提出3种不同的技术,即:前向滤波法、后向滤波法和前后向滤波法。通过一个实例研究估计移动机器人的位置,验证算法的有效性。实验表明,在集中式和分布式两个方面数据融合体系结构,结合卡尔曼滤波器的贝叶斯融合算法能够有效地解决数据的不确定性和不一致性。     

具有区间快变时延的NCS H∞鲁棒容错控制

针对存在时延和丢包的网络化控制系统,同时考虑参数不确定性和有限能量外部扰动的影响,研究了执行器或传感器失效时系统的H∞鲁棒容错控制问题.将丢包当作一种特殊时延,考虑综合时延的区间快变特性,采用状态反馈控制策略,通过构造适当的Lyapunov-Krasovskii泛函,推证出了闭环系统对执行器或传感器失效故障具有H∞鲁棒...     

一类不确定非线性离散时滞系统的鲁棒H∞滤波设计

考虑一类同时带有非线性动态和参数不确定性的离散时滞系统的鲁棒H∞滤波设计问题．假设参数不确定性具有线性分式形式,而非线性动态满足Lipschitz条件,给出滤波器使误差系统鲁棒渐近稳定且达到指定的干扰抑制水平．对参数已知情形,先建立广义有界实引理,然后给出H∞滤波器的存在条件,证明了H∞滤波器的存在性可归结为线性矩阵不等式的可解性,基于线性矩阵不等式给出了H∞滤波器的综合方法和步骤．对参数不确定性情形,通过引进标度参数,将不确定非线性离散时滞系统的鲁棒H∞滤波问题转化为确定系统的H∞滤波设计．最后给出仿真例子验证所得结果的有效性．