传感器网络基于采样数据的分布式滤波

The sensor network is a multidisciplinary frontier research area. In this project, the distributed sampled-data filtering problem is investigated for sensor networks with incomplete information for several kinds of the sampling fashions. Firstly, various phenomena of incomplete information and the varying rule of dynamics of the network topology are analyzed in details. Secondly, when the sampling intervals are unknown and bounded, the distributed filtering problems are studied for both the given network topology case and the varying network topology case. Thirdly, when the sampling intervals are random, different probability distributions are proposed to characterize the sampling intervals and the stochastic sampled-data based distributed filtering problems with network-induced incomplete information are investigated. Fourthly, in the case of sampling with different rates, both the distributed H∞ and Kalman filtering problems are studied for sensor networks based on the multi-rate sampled-data. Finally, the results derived are demonstrated in experimental platform which is established for the study of the localization problem for multiple mobile robots in the environment of sensor networks. The research results obtained in this project are of great significance both in theory and application prospect.

传感器网络是多学科高度交叉的前沿研究领域。本项目针对几类不同的信号采样方式，研究传感器网络在信息不完全情形下基于采样数据的分布式滤波问题。首先，详细分析传感器网络环境中存在的多种信息不完全现象以及网络拓扑结构动态变化的规律，建立传感器网络中的信息交互模型；其次，针对采样间隔未知且有界的情形，分别研究给定网络拓扑结构和网络拓扑结构动态变化两种情形下的分布式滤波问题，并给出相应的分布式滤波算法；随后，针对采样间隔误差是随机的情形，提出利用不同的概率分布刻画采样间隔误差，并综合网络诱导的各种不完全信息研究基于随机采样数据的分布式滤波问题；再者，针对多速率采样情形，分别研究传感器网络基于多速率采样数据的分布式H∞滤波和分布式扩展Kalman滤波问题；最后，将本项目所得的理论成果在无线传感器网络环境下移动机器人定位问题的模拟实验平台上进行验证。本项目的研究成果具有重要的理论意义和广泛的应用前景。

本项目研究在传感器网络环境中基于采样数据的分布式滤波问题。全面分析包含周期采样和非周期采样的各种采样方式，详细讨论各种采样方法的特点，研究在网络化环境下基于采样数据的分布式率滤波问题并设计满足给定性能指标的分布式滤波器的结构和算法；充分的考虑网络化环境中产生的诸如丢包、信号量化与传感器饱和等多种信息不完全现象以及传感器网络拓扑结构动态变化等因素对分布式滤波算法的稳定性、抗干扰性和鲁棒性的影响。在此基础上进一步考虑了复杂网络和其他网络化系统中的状态估计问题，利用发展的基于采样数据的分布式滤波方法解决复杂网络和其他网络化系统基于采样数据的状态估计问题。最后整合获得结果，并在针对移动机器人定位问题的模拟实验装置平台上进行验证。在本项目资助下，培养硕士/博士研究生3名；发表/录用国际SCI期刊论文7篇。