分簇传感网络系统两级鲁棒观测融合Kalman滤波器

研究了分簇传感网络分布式融合Kalman滤波器.根据最邻近原则将传感网络分成簇,每簇由传感节点和簇首组成.应用极大极小鲁棒估计原理,基于带噪声方差最大保守上界的最坏保守系统,对带不确定性噪声方差的分簇传感网络系统提出了两级鲁棒观测融合Kalman滤波器.当传感器数量非常多的时候它可以明显减小通信负担.在鲁棒性分析中利用Lyapunov方程方法证明了局部和融合Kalman滤波器的鲁棒性.提出了鲁棒精度的概念,并证明了局部和融合鲁棒Kalman滤波器之间的鲁棒精度关系.证明了两级加权观测融合器的鲁棒精度等价于相应的全局集中式鲁棒融合器的鲁棒精度,并且高于每个局部观测融合器的鲁棒精度.一个仿真例子说明上述结果的准确性.     

协方差交叉融合鲁棒Kalman滤波器

对于带未知互协方差的两传感器系统,提出一种协方差交叉（CI）融合鲁棒稳态Kalman滤波器,它关于未知互协方差具有鲁棒性.严格证明了该滤波器的实际精度高于每个局部滤波器的精度,但低于带已知互协方差的最优融合Kalman滤波器的精度.基于协方差椭圆给出了精度关系的几何解释.进一步将上述结果推广到一般多传感器情形.一个跟踪系统的Monte-Carlo仿真例子表明,其实际精度接近于带已知互协方差的最优融合器的精度.     

带不确定参数和噪声方差的鲁棒观测融合Kalman滤波器

对带不确定参数和噪声方差的多传感器定常系统,引入虚拟白噪声补偿不确定参数,可将其转化为带已知参数和不确定噪声方差系统.应用极大极小鲁棒估值原理和加权最小二乘法,基于带噪声方差保守上界的最坏情形保守系统,提出了鲁棒加权观测融合Kalman滤波器,并证明了它与集中式融合鲁棒Kalman滤波器是等价的,且融合器的鲁棒精度高于每个局部滤波器鲁棒精度.一个Monte-Carlo仿真例子说明了如何寻求不确定参数的鲁棒域和如何搜索保守性较小的虚拟噪声方差上界.     

带观测滞后和不确定噪声方差的多智能体传感网络鲁棒序贯协方差交叉融合Kalman滤波（英文）

This paper deals with the problem of designing robust sequential covariance intersection(SCI) fusion Kalman filter for the clustering multi-agent sensor network system with measurement delays and uncertain noise variances. The sensor network is partitioned into clusters by the nearest neighbor rule. Using the minimax robust estimation principle, based on the worst-case conservative sensor network system with conservative upper bounds of noise variances, and applying the unbiased linear minimum variance(ULMV) optimal estimation rule, we present the two-layer SCI fusion robust steady-state Kalman filter which can reduce communication and computation burdens and save energy sources, and guarantee that the actual filtering error variances have a less-conservative upper-bound. A Lyapunov equation method for robustness analysis is proposed, by which the robustness of the local and fused Kalman filters is proved. The concept of the robust accuracy is presented and the robust accuracy relations of the local and fused robust Kalman filters are proved. It is proved that the robust accuracy of the global SCI fuser is higher than those of the local SCI fusers and the robust accuracies of all SCI fusers are higher than that of each local robust Kalman filter. A simulation example for a tracking system verifies the robustness and robust accuracy relations.     

不确定多传感器系统鲁棒观测融合Kalman 预报器

对于带不确定模型参数和噪声方差的线性离散时不变多传感器系统, 用虚拟噪声补偿不确定参数, 系统转化为仅带噪声方差不确定性的多传感器系统. 用加权最小二乘法和极大极小鲁棒估计准则, 基于带噪声方差保守上界的最坏情形保守系统, 提出一种鲁棒加权观测融合稳态Kalman 预报器, 并应用Lyapunov 方程方法证明了它的鲁棒性, 同时给出了与鲁棒局部和集中式融合Kalman 预报器的精度比较. 最后通过一个仿真例子说明了如何搜索参数扰动的鲁棒域, 并验证了所提出的理论结果的正确性和有效性.

     

相关观测融合稳态Kalman滤波器及其最优性

对于带相关观测噪声和带不同观测阵的多传感器系统, 用加权最小二乘 (Weighted least squares, WLS) 法提出了两种相关观测融合稳态Kalman滤波算法. 其原理是用加权局部观测方程得到一个融合观测方程, 它伴随状态方程实现观测融合稳态Kalman滤波. 用信息滤波器证明了它们功能等价于集中式融合稳态Kalman滤波算法, 因而具有渐近全局最优性, 且可减少计算负担. 它们可应用于多通道自回归滑动平均 (Autoregressive moving average, ARMA) 信号观测融合滤波和反卷积. 两个数值仿真例子验证了它们的功能等价性.     

带丢失观测和不确定噪声方差系统改进的鲁棒协方差交叉融合稳态Kalman滤波器

对带丢失观测和不确定噪声方差的线性定常多传感器系统,引入虚拟噪声将原系统转化为仅带不确定噪声方差的系统.根据极大极小鲁棒估值原理,用Lyapunov方程方法提出局部鲁棒稳态Kalman滤波器及其实际方差最小上界,并利用保守的局部滤波误差互协方差,提出一种改进的鲁棒协方差交叉(covariance intersection,CI)融合稳态Kalman滤波器及其实际方差最小上界.证明了所提出的鲁棒局部和融合滤波器的鲁棒性,并证明了改进的CI融合器鲁棒精度高于原始CI融合鲁棒精度,且高于每个局部滤波器的鲁棒精度.一个仿真例子验证所提出结果的正确性和有效性.     

确保状态估计性能的离散时间鲁棒Kalman滤波器

讨论了一类具有不确定噪声的离散时间线性系统的鲁棒Kalman滤波器的设计思想和方法.文中给出确保估计误差性能指标的不确定噪声协方差矩阵的扰动上界,并在此界限内采用最坏情况下最优滤波器实现对状态的估计,它不仅能极小化不确定下的最坏性能,而且还能确保估计误差性能指标达到给定的某个自由度.     

不确定噪声方差定常系统保性能鲁棒Kalman滤波器

对带不确定噪声方差线性定常系统鲁棒Kalman滤波,提出一般的统一的保性能鲁棒性概念.用Lyapunov方程方法,提出两类保性能极大极小鲁棒稳态Kalman滤波器.一类是寻求不确定噪声方差最大扰动域(鲁棒域),使得对于扰动域内的所有扰动,确保系统滤波精度偏差的最大下界是零,最小上界是所预置的精度偏差指标;另一类是在预置噪声方差有界扰动域内,寻求滤波精度偏差的最大下界和最小上界.通过引入不确定噪声方差扰动的参数化表示,问题转化为相应的非线性与线性最优化问题,可分别用Lagrange乘数法和线性规划(LP)方法求解.应用于跟踪系统的仿真例子验证了所提结果的正确性和有效性.     

带观测滞后和不确定噪声方差的多智能体传感网络鲁棒序贯协方差交叉融合Kalman滤波

针对带观测滞后和不确定噪声方差的分簇多智能体传感网络系统,研究鲁棒序贯协方差交叉融合Kalman滤波器的设计问题.应用最邻近法则,传感网络被分成簇.应用极大极小鲁棒估计原理,基于带噪声方差最差保守上界的最差保守传感网络系统,提出了两级序贯协方差交叉(SCI)融合鲁棒稳态Kalman滤波器,可减小通信和计算负担并节省能量,且保证实际滤波误差方差有一个最小保守上界.一种Lyapunov方程方法被提出用于证明局部和融合滤波器的鲁棒性.提出了鲁棒精度的概念且证明了局部和融合鲁棒Kalman滤波器的鲁棒精度关系.证明全局SCI融合器的鲁棒精度高于每簇SCI融合器的精度且两者的鲁棒精度都高于每个局部鲁棒滤波器的精度.一个跟踪系统的仿真例子证明了鲁棒性和鲁棒精度关系.     

无线传感网络中的分簇融合决策方法

无线传感网络的簇划分和簇内节点访问顺序对数据融合决策能耗和耗时具有重要影响．对此,提出一种分簇融合方法,采用最大熵聚类法和蚁群算法实现分簇和节点访问顺序规划,在簇内由移动代理以渐近方式完成局部融合,中心服务节点通过二次融合得到最终结果．仿真实验以能耗×耗时为评价指标,分析了簇数目对数据融合效率和准确性的影响．验证了分簇融合决策方法能有效降低网络能耗和耗时．提高融合准确性和执行效率．     

基于Gauss-Hermite逼近的非线性加权观测融合无迹Kalman滤波器

对非线性多传感器系统,基于Gauss-Hermite逼近方法和加权最小二乘法,提出了一种具有普适性的非线性加权观测融合算法.该算法可将一个高维观测压缩为一个低维观测.在此基础上,结合无迹Kalman滤波器（Unscented Kalman filter,UKF）,提出了非线性加权观测融合无迹Kalman滤波器（WMF（Weighted measurement fusion）-UKF）.与集中式融合UKF（CMF（Centralized measurement fusion）-UKF）相比,该算法计算负担小且具有逼近的估计精度.特别是在传感器数量较大时,该算法在计算量上的优势更加明显.仿真例子验证了算法的有效性.     

带未知有色观测噪声的自校正融合Kalman滤波器

对于带未知有色观测噪声的多传感器线性离散定常随机系统, 未知模型参数和噪声方差的一致的融合估值器用递推增广最小二乘法(RELS)和求解相关函数方程得到. 将这些估值器代入到最优解耦融合Kalman滤波器中, 得出了自校正解耦融合Kalman滤波器, 并用动态方差误差系统分析(DVESA)和动态误差分析(DESA)方法证明了它收敛于最优解耦融合Kalman滤波器, 因而具有渐近最优性. 一个带3传感器跟踪系统的仿真例子说明了其有效 性.     

MANET中基于鲁棒度的IDS分簇方案

基于电池剩余能量、节点相对运动及节点安全性能,以最大稳定链路数为测度,提出节点鲁棒度的概念,引入节点鲁棒度评估数学模型,设计一种基于鲁棒度的移动自组网入侵检测系统分簇方案。该方案考虑自组网中入侵检测系统的实际需求,仅有效扩展原HELLO消息。与同类算法相比,该方案能形成更安全稳定的簇结构,具有更低的通信开销和更高的运行效率。     

离散不确定系统分布式鲁棒融合滤波器设计

针对一类离散多传感器动态模型的不确定系统,将鲁棒滤波理论与数据融合技术相结合,基于参数依赖Lyapunov函数,研究该离散系统的鲁棒融合滤波器设计问题。在集中式鲁棒融合滤波器的基础上,探讨了分布式加权融合滤波器的设计方法,通过仿真实验比较了鲁棒融合滤波器的性能。结果表明,利用该分布式加权融合算法,不仅对于解决当系统模型中存在参数不确定性时的滤波问题有较好的鲁棒性能和较低的计算量,而且在多传感器系统中对于满足不同精度鲁棒融合滤波器的设计需要具有较大的灵活性。     

具有随机观测滞后和丢失的网络系统鲁棒H∞滤波

研究一类同时具有随机观测滞后和丢失的网络控制系统鲁棒H∞滤波问题. 网络建模采用新近同时描述随机一步时滞和数据包丢失的模型, 基于Lyapunov理论和线性矩阵不等式技术设计系统的满阶滤波器, 减小了状态增广带来的计算负担, 同时引入松弛变量使Lyapunov矩阵和系统矩阵分离, 降低结果的保守性, 得到了使滤波误差系统在均方意义下鲁棒指数稳定并具有给定H∞性能的一个LMI形式的充分条件. 仿真结果验证了该方法有效性.     

鲁棒式融合型光纤距离方位集成传感机理

提出一种鲁棒式信息融合型的光纤接近觉距离方位集成的传感新技术 ,通过多发射光纤及分时顺序工作 ,该传感器实现光纤传感网络补偿的方法、距离方位传感信息集成及提供足够的信息冗余     

鲁棒（Robust）谱估计算法研究

本文在估计理论,系统辨识,B. D. Martin D. Thomson工作的基础上,提出一种改进的鲁棒谱估计算法。该方法易于直接用于在线鲁棒谱估计。文中给出仿真实例。     

不确定系统改进的鲁棒协方差交叉融合稳态Kalman预报器

针对带随机参数和噪声方差两者不确定性的线性离散多传感器系统,利用虚拟噪声补偿随机参数不确定性,原系统可转化为仅带不确定噪声方差的系统.根据极大极小鲁棒估值原理,用Lyapunov方程方法提出局部鲁棒稳态Kalman预报器及其误差方差最小上界,并利用保守的局部预报误差互协方差,提出改进的鲁棒协方差交叉（Covariance intersection,CI）融合稳态Kalman预报器及其误差方差最小上界.克服了原始CI融合方法要求假设已知局部估值及它们的保守误差方差的缺点和融合误差方差上界具有较大保守性的缺点.证明了鲁棒局部和融合预报器的鲁棒性,并证明了改进的CI融合器鲁棒精度高于原始CI融合器鲁棒精度,且高于每个局部预报器的鲁棒精度.一个仿真例子验证了所提出结果的正确性和有效性.     

带不确定噪声方差保性能鲁棒集中式融合Kalman 预报器

对于带不确定噪声方差的多传感器系统, 基于极大极小鲁棒估计原理, 提出保证估计性能的集中式融合鲁棒稳态Kalman 预报器. 对于预置的估计精度偏差指标, 利用Lagrange 乘数法求得相应噪声方差的最大扰动域, 使该域中所有可容许的噪声扰动, 其实际精度对鲁棒精度的偏差被保证在预置范围内, 并给出精度偏差的最大下界和最小上界. 应用Lyapunov 方程方法证明了保证估计性能能够被满足. 仿真分析表明了所得结果的正确性和有效性.