时滞发生概率不确定情形下随机系统的分布式滤波

This project is concerned with the distributed filtering for stochastic systems under uncertain occurring probability of time-delay. By concerning stochastic time-delay with uncertain occurring probability、the incomplete information occurring in the measurement process and the complex environment of sensor networks fully, giving the mathematical descriptions of stochastic time-delay with uncertain occurring probability, the simple and effective state equations describing the complex target systems and the unified measurement models describing various incomplete information simultaneously are established. Then, based on fixed network topology, the influence of stochastic time-delay with uncertain occurring probability and the incomplete information to the filtering performance is discussed, and by constructing distributed filters and simplifying filter existence conditions, the distributed filtering algorithms satisfying the given constraints are obtained. Furthermore, when network topology changes, by discussing the changing reason and mechanism of dynamic topology, the mathematical descriptions of dynamic topology are given and the distributed filtering design algorithms under uncertain occurring probability of time-delay are established, the effect of dynamic topology on distributed filtering performance is also illustrated. Finally, the obtained results will be verified and improved by using numerical simulations and experimental platform. This research can provide new ideas for distributed filtering of sensor networks, and the obtained results have important theoretical significance and broad application prospects.

本项目研究时滞发生概率不确定情形下几类随机系统的分布式滤波问题。重点考虑更符合工程实际的发生概率具有不确定性的随机时滞现象、测量过程中的信息不完全现象以及传感器网络复杂环境的影响，给出时滞发生概率不确定性的数学描述，建立简洁有效的反映监测目标复杂性的状态方程和反映多种信息不完全现象的统一测量模型。然后，在固定网络拓扑结构下，分析发生概率不确定随机时滞以及其他信息不完全现象对滤波性能的影响，构造合适的分布式滤波器，简化滤波器的存在性条件，建立满足特定性能指标的分布式滤波算法；进一步在网络拓扑结构动态变化时，分析拓扑结构变化的原因及其变化机制，给出反映网络拓扑动态的数学描述，讨论拓扑结构动态变化对分布式滤波性能的影响，建立时滞发生概率不确定情形下分布式滤波器的设计方法，并通过数值仿真和实验平台进行验证和完善。本项目可为传感器网络分布式滤波的研究提供新的思路，具有重要的理论意义和广泛的应用前景。

传感器网络在军事侦查、空间探测、交通控制等领域具有广泛的应用前景，在国际上已被认为是继互联网之后的第二大网络，被列为二十一世纪全球四大高新技术产业之一。随着“感知中国”、“智慧地球”等国家战略性课题的提出，以及传感器网络标准化工作的进展，传感器网络必将得到大规模的应用。作为一种新型的信息获取和处理平台，传感器网络具有获取信息多样、容错能力强、监测精度高等优点，通过大量传感器节点在感知区域的协作，提高了对目标的检测精度。传感器网络通常工作在恶劣或者危险环境，传感器节点采集的信息受到统计特性已知或未知的随机噪声、多重噪声以及关联噪声等各种噪声的污染，势必会影响节点测量的准确性，甚至影响整个网络的测量结果。因此，设计估计精度高且实时性好的状态估计/滤波算法具有重要的理论意义和广泛的应用前景。本项目研究时滞影响下几类随机系统的状态估计/滤波问题。重点考虑更符合工程实际的发生概率具有不确定性的随机时滞现象、测量过程中的信息不完全现象、不同类型的噪声以及传感器网络复杂环境的影响，给出时滞发生概率不确定性的数学描述，建立简洁有效的反映监测目标复杂性的状态方程和反映多种信息不完全现象的统一测量模型。然后，在给定的网络拓扑结构下，分析发生概率不确定随机时滞以及其他信息不完全现象对滤波性能的影响，构造合适的状态估计器/滤波器，简化其存在性条件，建立满足特定性能指标并具有较小保守性的分布式状态估计/滤波算法，并通过数值仿真和实验平台进行验证和完善。项目研究成果共发表学术论文39篇，发表的期刊包括《IEEE Transactions on Automatic Control》、《IEEE Transactions on Systems, Man, and Cybernetics: Systems》、《Neurocomputing》等，其中SCI期刊论文30篇，ESI高被引论文1篇。在CRC Press出版专著1部，部分研究成果荣获河南省科技进步二等奖2项，授权发明专利10项，获批河南省创新型科研团队1个。本项目为传感器网络分布式状态估计/滤波的研究提供新的思路，研究结果具有重要的理论和应用价值。