导读:本文包含了分布式融合估计论文开题报告文献综述、选题提纲参考文献及外文文献翻译，主要关键词:分布式,传感器,信息,时延,系统,协方差,卡尔。
分布式融合估计论文文献综述
王元鑫,赵国荣,韩旭,廖海涛[1]（2019）在《具有随机时延和丢包的分布式融合估计器》一文中研究指出针对分布式融合框架,考虑了具有模型不确定性、传感器失效、数据传输时延和丢包的多传感器融合估计问题。其中,利用系统矩阵中的乘性随机噪声来描述模型的不确定性,利用量测方程中相互独立的二值随机变量来描述传感器失效现象,局部最优估计传送至融合中心的过程中存在着随机时延和丢包现象,在融合中心创建符合信号存储原则的时延-丢包模型。设计了一种局部增益,使最优无偏估计器的误差协方差最小,利用线性最小方差融合估计方法,推导出递推形式下的分布式融合估计器。最后,通过算例仿真有效证明了所设计融合估计器的性能。(本文来源于《计算机仿真》期刊2019年10期）
王艳[2]（2019）在《异步采样和网络诱导特征的多传感网络化系统分布式融合估计》一文中研究指出近年来,多传感器信息融合估计受到了越来越多的关注,并广泛应用于移动机器人,智能电网等领域,基于无线传感器网络(WSNs)的分布式融合估计问题已经成为国内外的研究热点.例如,移动机器人追踪,多传感器叁容水箱液面估计以及温室区域温度控制估计等实际问题都是基于分布式估计或融合估计理论的.然而基于WSNs的融合估计框架中,由于网络的介入使得数据在传输过程中会受到时延和丢包等网络诱导特征以及恶意的网络攻击等影响,这些因素都可能导致估计性能下降,也使得融合估计系统的分析和设计面临诸多挑战.因此如何降低多传感器信息传输过程中诱导的网络不确定因素对状态估计的影响,是基于WSNs的分布式估计研究的难点之一,设计一个鲁棒性强,可靠度高的分布式滤波算法是实现信息融合问题的关键所在,但是针对这些问题的研究工作还较少.考虑到多传感器多率异步采样机制,传输过程中时延和丢包等网络诱导特征以及网络攻击,本文研究基于WSNs的分布式融合估计问题,研究的主要工作及取得的创新性成果如下(1)综述了多传感器分布式融合估计的国内外研究现状和存在的挑战性问题.(2)研究带有模型不确定性,网络诱导时延和数据丢包的无线传感网络化系统分布式融合估计问题,设计一种基于鲁棒Kalman滤波分布式融合估计器.针对不同传感器在数据传输过程中出现的多通道网络诱导时延,利用补偿机制将时滞系统转化为无时延系统进行研究,并利用多个伯努利序列来分别建模不同通道的数据丢包现象.基于成功到达的采样数据,设计一组基于鲁棒Kalman滤波算法的网络化估计器来得到局部估计,并利用协方差交互融合方法来减少通信和计算负担,获得比局部估计精度更高的融合估计器.(3)进一步研究一类带有多传感器多率采样的网络化系统分层分簇融合估计问题.考虑到传感器节点的空间分布性和能量受限等特征,提出一种基于簇内局部估计和簇间融合估计的双层异步分布式估计策略.考虑无线传感器网络的丢包和网络攻击现象,在簇头节点设计一个基于簇内节点多率采样数据的网络化强跟踪滤波器来获得系统的局部估计,其中引入的时变渐消因子可以补偿由异步采样和未知系统干扰导致的建模误差.其次,利用多个邻居簇头节点的局部状态估计或预测状态估计信号,提出一种带有时变融合时刻的多率融合估计方法.所提方法充分考虑了多传感器多率采样方式、多率数据的多通道传输以及分层分簇的分布式结构,适用于异步多传感器分布式估计系统.本文针对带有多传感器多率异步采样,传输过程中时延、丢包和网络攻击等网络诱导特征分布式融合估计问题进行研究,设计了两类滤波融合方法,分别对移动目标追踪和叁容水箱ITTS进行数值仿真,其实验结果验证了所提分布式融合估计方法的可行性.(本文来源于《山西大学》期刊2019-06-01）
赵国荣,韩旭,万兵,闫鑫[3]（2016）在《具有传感器增益退化、随机时延和丢包的分布式融合估计器》一文中研究指出研究了具有传感器增益退化、模型不确定性、数据传输时延和丢包的网络化多传感器分布式融合估计问题,模型的不确定性描述为系统矩阵受到随机扰动,传感器增益退化现象通过统计特性已知的随机变量来描述,随机时延和丢包现象存在于局部最优状态估计向融合中心传输的过程中.首先,设计了一种局部最优无偏估计器,然后将传输时延描述为随机过程,并在融合中心端建立符合存储规则的时延–丢包模型,利用最优线性无偏估计方法,导出最小方差意义下的分布式融合估计器.最后,通过算例仿真证明所设计融合估计器的有效性.(本文来源于《自动化学报》期刊2016年07期）
王光辉,孙书利[4]（2015）在《基于CI算法的多传感器时滞航迹的分布式融合估计》一文中研究指出网络的传感器节点向处理中心传输局部估计时,不可避免地存在随机延迟,从而导致航迹无序现象频发。在分布式框架下,研究多传感器时滞航迹的融合估计问题。采用最新可利用的局部估计原则,若未收到最新局部估计,则用之前收到的最新的估计进行预报。进而,运用避免计算互协方差阵的CI算法进行分布式融合。避免了计算互协方差阵,且能改善局部估计的精度。仿真例子说明算法的有效性。(本文来源于《黑龙江大学工程学报》期刊2015年03期）
赵国荣,韩旭,卢建华[5]（2015）在《一种基于数据驱动传输策略的带宽受限的分布式融合估计器》一文中研究指出针对无线网络化多传感器融合估计中存在的网络拥堵、传感器能量有限以及通信带宽有限的问题,本文以多传感器经通信网络组成的线性离散随机系统为研究对象,提出了一种基于数据驱动传输策略的带宽受限的分布式融合估计器,能够在降低传感器数据传输率的同时满足有限带宽的限制.在目标状态满足高斯性的前提下,给出了融合估计误差均方差一致有界的条件.最后通过算例仿真验证所提方法的有效性.(本文来源于《自动化学报》期刊2015年09期）
孔云波,冯新喜,乔向东,刘钊[6]（2015）在《高斯混合概率假设密度无序估计分布式融合》一文中研究指出针对分布式传感器网络中多目标随机集状态混合无序估计问题,本文提出了一种基于高斯混合概率假设密度无序估计分布式融合算法.在高斯混合概率假设密度滤波器的框架下,首先基于概率假设密度递推滤波特性,建立适用于多目标随机集状态混合无序估计的最新可利用估计判别机制,然后利用扩展协方差交叉融合算法对经过最新可利用估计判别机制获得的无序概率假设密度强度估计进行融合处理,针对融合过程中高斯分量快速增长的问题,在保证信息损失最小的前提下,对融合过程的不同环节实施高斯混合分量裁剪操作,给出了一种多级分层分量裁剪算法.最后,仿真实验验证了文中所提的算法的有效性和可行性.(本文来源于《控制理论与应用》期刊2015年04期）
石晓航,梁青阳,张庆杰,李强,樊超宇[7]（2014）在《面向分布式融合估计的快速一致性算法》一文中研究指出针对分布式多传感器网络信息融合估计问题,提出一种快速一致性算法。首先,对图论知识、多智能体平均一致性算法以及加权矩阵进行描述;其次,利用LMS原理以及本地节点与邻居节点的估计误差定义代价函数,并利用其对加权矩阵进行更新,得到快速一致性算法,同时简要介绍了参数选取问题;最后,对常用加权矩阵进行仿真实验。结果表明,快速一致性算法能够提高一致性的收敛速度,在传感器网络连通度较低时效果明显。(本文来源于《电光与控制》期刊2014年06期）
王圣东,管飞,陈林元,孙亮[8]（2013）在《多目标环境下基于分布式融合思想的误差估计方法》一文中研究指出针对多雷达多目标跟踪过程中分布未知的系统误差估计问题,提出了基于"分布式融合思想"的误差估计方法。给出相应误差估计方法的计算公式,利用改进截断奇异值方法来减轻矩阵病态性的影响,提高误差估计的稳健性。设置了两种不同的系统误差仿真场景,对"分布式"误差估计方法在两种情形下的估计性能进行了仔细对比分析。结合"分布式"误差估计方法与"集中式估计"方法所体现出的优缺点,提出了一种将两种方法结合起来的系统误差估计算法,算法通过合理选择阈值门限η,能够在多雷达多目标且系统误差分布未知的复杂环境下对两种误差估计算法自适应地进行切换,从而充分发挥两种误差估计算法各自的优点,给出更好的误差估计结果。(本文来源于《指挥控制与仿真》期刊2013年04期）
徐苏,杨红[9]（2011）在《基于贝叶斯估计的加权最小二乘分布式融合》一文中研究指出针对不同观测矩阵加权最小二乘算法没有考虑到模型参数本身信息的共同缺点,提出基于贝叶斯估计的带不同观测矩阵的加权最小二乘分布式(Bayes Estimation Weighted Least Square,BEWLS)融合Kalman滤波算法。该方法首先采用推广的离散卡尔曼滤波对非线性系统线性化,然后在考虑模型参数本身的先验信息条件下,采用基于贝叶斯(Bayes)估计方法对Kalman滤波算法的观测方程进行加权最小二乘融合。BEWLS融合算法减少了计算负担,提高了融合精度,便于实时应用。理论和仿真证明:BEWLS融合具有优越性。(本文来源于《探测与控制学报》期刊2011年06期）
孙甲冰[10]（2011）在《多传感器离散随机系统的分布式融合估计研究》一文中研究指出多源信息融合,又称多传感器信息融合,是近年来兴起的一门新的边缘交叉学科.信息融合估计理论是信息融合理论的一个重要分支,是其重要基础理论部分.传统的估计理论有两大分支：针对非随机系统的观测器理论和针对随机系统的滤波理论.在信息融合领域中主要讨论随机系统,故针对随机系统的融合估计理论,又称为信息融合滤波理论.融合估计有两种基本方式.一种方式是将所有传感器的观测方程合并成一个高维的观测方程,再去处理.该方式称为集中式融合.另一种方式为各传感器先利用自身的量测数据得到局部的估计,再将局部估计送到融合中心;融合中心利用各局部估计及局部估计间的相关信息得到融合估计.该方式称为分布式融合.综合而言,分布式融合比集中式融合更有优势,因而也是目前研究融合估计问题采用的主要方式.本文研究了几类带多传感器的线性离散随机系统的分布式融合估计问题,主要内容和创新点如下：一.针对一类多传感器线性离散奇异系统,研究了其分布式融合全阶状态估计问题.所研究的这类系统的噪声相关情形比较复杂：不仅过程噪声与量测噪声是相关的,各传感器的量测噪声也是相关的.本文没有采用经典的结构分解的方法,而是通过一个变换,将带多传感器的原奇异系统化为一个非奇异系统组,然后对这个组内的每个子系统进行状态估计.利用子系统状态与原系统状态的关系,得到原系统状态的局部估计、局部估计误差方差和局部估计误差互协方差,进而利用线性最小方差意义下的最优加权融合算法,得到原系统状态的融合估计.二.针对一类有时滞的多传感器线性离散奇异系统,研究了其分布式融合状态估计问题.这类系统不仅在状态方程含有多个时滞项,在输出方程也含有多个时滞项.其中时滞量是定常的,且为已知.和第一个问题类似,首先通过一个变换,将带多传感器的原系统化为一个非奇异系统组.然后对这个组内的每个子系统通过射影方法进行状态估计,并利用子系统状态与原系统状态的关系,得到原系统状态的局部估计、局部估计误差方差和局部估计误差互协方差,再利用最优加权融合算法,可得到原系统状态的融合估计.叁.针对叁类有数据丢包的多传感器线性离散系统,研究了其分布式最优融合状态估计问题.这叁类系统各有不同的丢包模型.对这几类系统,得到了各局部估计、局部估计误差方差和局部估计误差互协方差.在此基础上,利用线性最小方差意义下的最优加权融合算法,得到了系统状态的分布式最优融合状态估计.四.针对四类有不确定参数的多传感器线性离散系统,研究了其分布式融合估计问题.首先,对多面体型参数不确定多传感器系统,讨论了其分布式融合鲁棒H2和H∞滤波问题；其次,对带随机参数的多传感器系统,讨论了其分布式最优融合滤波问题；然后,对带随机参数且有数据丢包的多传感器系统,讨论了其分布式最优融合滤波问题；最后,对参数不确定满足“二次和约束”的系统,讨论了其分布式融合H∞滤波问题.对这几类系统,分别得到了各自的分布式融合估计问题的解.五.针对一类状态受约束的多传感器线性离散系统,研究了其状态融合估计问题.首先,通过“状态投影”方法,得到受限的系统状态的局部估计和估计误差方差,在求得受限的局部估计之间的估计误差互协方差后,利用线性最小方差意义下的加权融合算法,得到了受限的原系统状态的分布式最优融合滤波器.理论分析和仿真算例均表明,融合滤波器优于每一个局部滤波器.(本文来源于《山东大学》期刊2011-10-20）
分布式融合估计论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
近年来,多传感器信息融合估计受到了越来越多的关注,并广泛应用于移动机器人,智能电网等领域,基于无线传感器网络(WSNs)的分布式融合估计问题已经成为国内外的研究热点.例如,移动机器人追踪,多传感器叁容水箱液面估计以及温室区域温度控制估计等实际问题都是基于分布式估计或融合估计理论的.然而基于WSNs的融合估计框架中,由于网络的介入使得数据在传输过程中会受到时延和丢包等网络诱导特征以及恶意的网络攻击等影响,这些因素都可能导致估计性能下降,也使得融合估计系统的分析和设计面临诸多挑战.因此如何降低多传感器信息传输过程中诱导的网络不确定因素对状态估计的影响,是基于WSNs的分布式估计研究的难点之一,设计一个鲁棒性强,可靠度高的分布式滤波算法是实现信息融合问题的关键所在,但是针对这些问题的研究工作还较少.考虑到多传感器多率异步采样机制,传输过程中时延和丢包等网络诱导特征以及网络攻击,本文研究基于WSNs的分布式融合估计问题,研究的主要工作及取得的创新性成果如下(1)综述了多传感器分布式融合估计的国内外研究现状和存在的挑战性问题.(2)研究带有模型不确定性,网络诱导时延和数据丢包的无线传感网络化系统分布式融合估计问题,设计一种基于鲁棒Kalman滤波分布式融合估计器.针对不同传感器在数据传输过程中出现的多通道网络诱导时延,利用补偿机制将时滞系统转化为无时延系统进行研究,并利用多个伯努利序列来分别建模不同通道的数据丢包现象.基于成功到达的采样数据,设计一组基于鲁棒Kalman滤波算法的网络化估计器来得到局部估计,并利用协方差交互融合方法来减少通信和计算负担,获得比局部估计精度更高的融合估计器.(3)进一步研究一类带有多传感器多率采样的网络化系统分层分簇融合估计问题.考虑到传感器节点的空间分布性和能量受限等特征,提出一种基于簇内局部估计和簇间融合估计的双层异步分布式估计策略.考虑无线传感器网络的丢包和网络攻击现象,在簇头节点设计一个基于簇内节点多率采样数据的网络化强跟踪滤波器来获得系统的局部估计,其中引入的时变渐消因子可以补偿由异步采样和未知系统干扰导致的建模误差.其次,利用多个邻居簇头节点的局部状态估计或预测状态估计信号,提出一种带有时变融合时刻的多率融合估计方法.所提方法充分考虑了多传感器多率采样方式、多率数据的多通道传输以及分层分簇的分布式结构,适用于异步多传感器分布式估计系统.本文针对带有多传感器多率异步采样,传输过程中时延、丢包和网络攻击等网络诱导特征分布式融合估计问题进行研究,设计了两类滤波融合方法,分别对移动目标追踪和叁容水箱ITTS进行数值仿真,其实验结果验证了所提分布式融合估计方法的可行性.
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
分布式融合估计论文参考文献
[1].王元鑫,赵国荣,韩旭,廖海涛.具有随机时延和丢包的分布式融合估计器[J].计算机仿真.2019
[2].王艳.异步采样和网络诱导特征的多传感网络化系统分布式融合估计[D].山西大学.2019
[3].赵国荣,韩旭,万兵,闫鑫.具有传感器增益退化、随机时延和丢包的分布式融合估计器[J].自动化学报.2016
[4].王光辉,孙书利.基于CI算法的多传感器时滞航迹的分布式融合估计[J].黑龙江大学工程学报.2015
[5].赵国荣,韩旭,卢建华.一种基于数据驱动传输策略的带宽受限的分布式融合估计器[J].自动化学报.2015
[6].孔云波,冯新喜,乔向东,刘钊.高斯混合概率假设密度无序估计分布式融合[J].控制理论与应用.2015
[7].石晓航,梁青阳,张庆杰,李强,樊超宇.面向分布式融合估计的快速一致性算法[J].电光与控制.2014
[8].王圣东,管飞,陈林元,孙亮.多目标环境下基于分布式融合思想的误差估计方法[J].指挥控制与仿真.2013
[9].徐苏,杨红.基于贝叶斯估计的加权最小二乘分布式融合[J].探测与控制学报.2011
[10].孙甲冰.多传感器离散随机系统的分布式融合估计研究[D].山东大学.2011
论文知识图
