互相关信息未知情形下几类随机系统的分布式一致性滤波

Unknown correlation phenomenon is ubiquitously existing in fusion estimate problems for multiple sensor networks. If not be handled properly, it may deteriorate the accuracy and performance of the filter and also brings large challenges to design a qualified estimator. In this project, we are going to start with the unknown correlation information, by giving it a proper mathematical model and devote to developing its corresponding optimal fusion strategy and distributed consensus filtering algorithm for stochastic sensor networks. Firstly, by investigating the mechanism of unknown correlation phenomena, we further divide it into two categories: partial unknown correlation and complete unknown correlation; Next, a simple yet effective mathematical model for each category will be given, based on which, we will study their optimal fusion estimation problems. Further, according to consensus theory, distributed consensus filtering algorithms of practical usefulness will be developed under the stochastic noise circumstances. Besides, the performances of the consensus filtering algorithm, for example stochastic stability and robustness, will be discussed and the conditions for designing consensus filters will also be given. Finally, some results will be tested experimentally based on a real mobile robot localization platform under the discussed sensor network circumstances to validate the effectiveness and correctness of the proposed consensus algorithm. It's our belief that the project will further advance the research on unknown correlation and consensus theory, and the obtained results should provide theoretic support for real implement.

互相关信息未知现象在多传感器信息融合估计问题中普遍存在，经常导致估计器的精度和性能下降，也为估计器的设计带来很大挑战。本项目针对互相关信息未知现象，建立合适的数学模型，研究多传感器网络的最优融合和分布式一致性估计问题。首先，将互相关信息未知现象细分为部分未知和完全未知两种情形，探讨其发生的机理；随后，针对每种具体情况给出简洁而有效的数学描述，研究互相关信息未知情形下多传感器网络的最优融合问题；进而，结合一致性理论，考虑随机噪声影响下多传感器网络的估计问题，寻求工程上行之有效的分布式一致性估计方案，并分析其随机稳定性、鲁棒性等性能，得到满足相关性能要求的分布式一致性估计器存在条件；最后，通过传感器网络环境下移动机器人定位系统仿真与实验验证结论的正确性与有效性。本课题将有效地推进对互相关信息未知现象的研究和多传感器网络分布式一致性融合估计理论的发展，也将为实际工程应用提供有效的理论工具。

传感器网络在我们日常生活和生产中发挥着越来越重要的作用，分布式传感器网络的信息融合估计（滤波）问题已成为备受关注的研究热点和前沿领域。多传感器信息融合也称为多源信息融合或多传感器数据融合，是一个新兴交叉研究领域。本项目主要以分布式状态估计中普遍存在的互相关信息未知这一现象为切入点，研究最优融合估计和分布式一致性滤波问题。针对每种具体情况给出了简洁而有效的数学描述，在此基础上，研究了在互相关信息未知情形下最优融合问题；进而，针对时不变、时变或随机的网络拓扑结构，综合运用了线性、非线性、多模态等滤波工具，结合一致性准则，设计出了一套行之有效的分布式一致性滤波方案，并分析了其相关性能指标；最后，通过仿真实验平台验证了所获得算法的有效性。本课题极大地推进了分布式滤波和控制领域的研究和发展，研究成果也将为实际工程应用提供有效的工具。项目研究形成了一系列研究成果，发表包括IEEE Transactions on Automatic Control、Automatic在内的SCI论文20多篇，3篇ESI高被引论文，申请发明专利2项。研究在分布式一致性控制滤波问题中取得了实质性进展，将为处理互相关信息未知情形下的分布式一致性控制与滤波问题提供新的技术支持，对于处理传感器和多智能体系统领域具有挑战性的问题提供新的思路和可能的解决方案。

内容获取失败，请点击重试