基于线性编码补偿方法的非固定丢包率下的分布式融合估计器

发布时间：2021-01-16 08:03

　　为解决无线信道非固定丢包率建模和丢包补偿问题,研究了具有非固定丢包率的网络化多传感器融合估计问题。假定无线信道丢包率是非固定的,利用对过去得到的有限个测量值进行线性编码的方法对丢包进行补偿,针对系统矩阵中存在的非高斯非白噪声随机干扰,首先设计了一种利用每一时刻数据包到达变量的局部最优估计器,其次推导出融合估计误差协方差与传感器传输概率之间的函数关系。最后通过算例仿真验证所提方法的有效性。 

【文章来源】：北京航空航天大学学报. 2020,46(06)北大核心

【文章页数】：8 页

【部分图文】：

网络化分布式融合估计结构

分布式融合估计值和各传感器局部最优估计值的计算结果如图2所示。5条曲线分别表示系统真实状态xk、融合估计值 x ^ ok、局部最优估计值 x ^ k 1 、 x ^ k 2 和 x ^ k 3 。由图2可以看出,融合估计和局部估计均能较好地跟踪系统真值。图3表示融合估计和各传感器局部估计的估计误差协方差矩阵的迹的仿真结果。由图3可以看出,融合估计误差协方差矩阵的迹小于每一个局部估计误差协方差矩阵的迹,从而验证了式(20)。图4表示每一时刻计算得到的次优传输概率{p k,tran 1* ,p k,tran 2* ,p k,tran 3* }的计算结果。图4可以看出,次优传输概率在最开始随着各局部误差协方差矩阵的变化而变化,最终随着误差协方差矩阵的稳定而稳定,其稳定值为{0.06,0.999,0.999},由式(22)和式(33)可知次优传输概率的计算是离线进行的。表1为不同传输概率下所得到的融合估计误差协方差矩阵的迹趋于稳定的计算结果。由表1可以看出,传感器传输概率增大并不意味着融合估计精度会提高,计算出的稳定传输概率{0.06,0.999,0.999}虽不是全局最优解,但是次优解的精度损失不大,更重要的是其计算过程简单,避免了高维矩阵的求逆,能够有效提高实时性。图5表示,当乘性噪声分别在区间Dg=[-0.1,0.1]、Dg=[-0.3,0.3]和Dg=[-0.5,0.5]上服从均匀分布时,得到的融合估计误差协方差矩阵的迹Tr(Pok)的计算结果。由图5可以看出,gk的方差越大,即区间Dg的宽度越大,代表模型的不确定性越大,对应的Tr(Pok)越大,即融合估计误差越大,这符合实际情况。图6表示是否应用线性编码对原始测量数据进行处理得到的融合估计误差对比情况。由图6可知,应用线性编码后得到的融合估计误差更小,这是因为线性编码方法有效补偿了丢失的原始测量数据信息,并且新的传输量与原始测量值维数相同,并未引入额外的计算负担。图3 估计误差协方差矩阵的迹计算结果

估计误差协方差矩阵的迹计算结果

【参考文献】：
期刊论文
[1]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]. 赵国荣,韩旭,卢建华.  自动化学报. 2015(09)



本文编号：2980454