CN107124158A - 基于对数量化的无线传感器网络滤波信息处理系统及方法 - Google Patents
基于对数量化的无线传感器网络滤波信息处理系统及方法 Download PDFInfo
- Publication number
- CN107124158A CN107124158A CN201710195823.8A CN201710195823A CN107124158A CN 107124158 A CN107124158 A CN 107124158A CN 201710195823 A CN201710195823 A CN 201710195823A CN 107124158 A CN107124158 A CN 107124158A
- Authority
- CN
- China
- Prior art keywords
- mrow
- msub
- mtd
- matrix
- mover
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000001914 filtration Methods 0.000 title claims abstract description 100
- 238000013139 quantization Methods 0.000 title claims abstract description 72
- 230000010365 information processing Effects 0.000 title claims abstract description 60
- 238000000034 method Methods 0.000 title claims abstract description 39
- 239000011159 matrix material Substances 0.000 claims description 116
- 230000004927 fusion Effects 0.000 claims description 33
- 230000008569 process Effects 0.000 claims description 29
- 238000013461 design Methods 0.000 claims description 22
- 238000011002 quantification Methods 0.000 claims description 15
- 238000012545 processing Methods 0.000 claims description 10
- 230000003190 augmentative effect Effects 0.000 claims description 9
- 238000004891 communication Methods 0.000 claims description 9
- 238000005259 measurement Methods 0.000 claims description 9
- 238000003672 processing method Methods 0.000 claims description 8
- 230000005540 biological transmission Effects 0.000 claims description 7
- 230000008859 change Effects 0.000 claims description 7
- 230000001960 triggered effect Effects 0.000 claims description 5
- 238000013459 approach Methods 0.000 claims description 4
- 238000005070 sampling Methods 0.000 claims description 4
- 241000143252 Idaea infirmaria Species 0.000 claims description 3
- 102000002274 Matrix Metalloproteinases Human genes 0.000 claims description 3
- 108010000684 Matrix Metalloproteinases Proteins 0.000 claims description 3
- 238000009795 derivation Methods 0.000 claims description 3
- 230000009467 reduction Effects 0.000 abstract description 7
- 230000009897 systematic effect Effects 0.000 abstract description 2
- 238000010586 diagram Methods 0.000 description 9
- 230000007246 mechanism Effects 0.000 description 8
- 238000011160 research Methods 0.000 description 5
- 238000006073 displacement reaction Methods 0.000 description 4
- 230000000694 effects Effects 0.000 description 4
- 230000002776 aggregation Effects 0.000 description 3
- 238000004220 aggregation Methods 0.000 description 3
- 238000012546 transfer Methods 0.000 description 2
- 241001269238 Data Species 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000004744 fabric Substances 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000008054 signal transmission Effects 0.000 description 1
- 241000894007 species Species 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
Classifications
-
- H—ELECTRICITY
- H03—ELECTRONIC CIRCUITRY
- H03H—IMPEDANCE NETWORKS, e.g. RESONANT CIRCUITS; RESONATORS
- H03H21/00—Adaptive networks
- H03H21/0012—Digital adaptive filters
- H03H21/0043—Adaptive algorithms
Landscapes
- Compression, Expansion, Code Conversion, And Decoders (AREA)
- Feedback Control In General (AREA)
Abstract
本发明涉及一种基于对数量化的无线传感器网络滤波信息处理系统及方法,该系统包括:分别对应设置l个传感器、事件触发器、滤波器和量化器的传感器采样单元、事件触发单元、分布式滤波单元和量化单元,对应的1个传感器、事件触发器、滤波器和量化器依次连接,形成l组独立的滤波信息处理链路,l组滤波信息处理链路输出端连接有融合单元;传感器分别获取l个观测变量,传感器测得的观测变量进行事件触发输出至滤波器,滤波器进行系统状态变量估计,量化器进行量化,融合单元对l组状态变量量化估计值进行融合得到状态变量估计值。与现有技术相比,本发明能够实现信号有效地传输,降低传输数据量、减少网络拥塞、丢包等现象,提高系统性能。
Description
技术领域
本发明涉及一种滤波信息处理系统及方法,尤其是涉及一种基于对数量化的无线传感器网络滤波信息处理系统及方法。
背景技术
当今社会,信息化无处不在,正是集合了人们对于信息化的迫切需求以及传感器设备的发展趋势,无线传感器网络应运而生。无线传感器网络由密集布设在监测区域内的大量节点组成,包括传感器节点、汇聚节点,这些节点能够相互协作完成指定任务。其中,传感器节点周期性地采集被测对象信息,并且将数据传送至汇聚节点,汇聚节点对所接收到的信息按照一定规则融合处理。无线传感器网络的一个重要运用是目标对象的状态估计,其目的是把带有诸多干扰的原始数据更准确地复现出来,实际应用中,常用的滤波器有:卡尔曼滤波器、鲁棒H2滤波器,鲁棒H∞滤波器以及鲁棒L2-L∞滤波器等。卡尔曼滤波器是一种发展成熟的经典滤波器,它可以实现信号的滤波和预测;其存在的缺陷是只能针对噪声为高斯白噪声的条件下进行滤波,因此,其使用范围受到了限制。对于其它种类的滤波器,针对时滞系统及网络控制系统的鲁棒滤波器已经有一些研究,如:Mehrdad Sahebsara,岳东等人设计了一些相应的滤波器。
前面的这些滤波器的设计中都假设信号传输(包括采集到的信号从传感器传送到控制器以及控制信号从控制器传送到执行器)为连续传输,而忽略了无线传感器网络中信道带宽有限的因素。一方面,由于无线传感器网络中传感器的测量信号往往需要通过网络进行传输,当没有外界扰动作用于系统,亦或是系统处于良好的运行状态时,周期性的采样信息势必会占用大量的信道带宽,造成网络资源的浪费,甚至会引起测量数据丢失、传感器饱和、传输延迟等一系列的网络问题。另一方面,考虑到传感器节点能量、数据处理、存储和网络通信资源相当有限等问题,如何在保证一定滤波效果的前提下,设计有效的滤波算法,最大化网络生命周期以及资源利用率是无线传感器网络亟待解决的问题之一。为了解决上述问题,事件触发机制应运而生。在事件触发机制中,事件是一个非常重要的概念,通过设计合适的触发条件,舍弃一些不那么重要的采样数据,在保证良好系统性能的前提下大量的减少数据传输次数,降低通信负载。因此,在无线传感器网络的滤波设计中研究事件触发机制是非常有意义的。
信号量化是数字控制系统中经常遇到的现象,目前在网络化控制系统中已经得到了广泛的关注。在网络控制系统中,控制输入和测量输出信号必须先经过量化之后才能被传输至下一个节点。量化问题在基于事件触发的网络控制系统中也有较深入的研究,目前有文献研究了输出反馈事件触发网络控制系统的L2控制器设计问题,所提出的设计方案可用于同时处理具有传输时滞和信号量化的网络化控制系统。然而,量化问题在无线传感器网络中的研究相对较少。量化过程通过量化器将实际信号转换成一个在有限集中取值的分段信号。由于量化的存在,不可避免的会带来量化误差,量化误差的存在会对系统的性能造成一些影响,严重时甚至可能产生极限环和混沌现象,因此,在无线传感器网络设计中量化误差是必须考虑的。考虑到无线传感器网络中存在通信带宽和资源有限的限制,研究事件触发机制下的无线传感器网络的量化问题比对一般的无线传感器网络进行量化控制设计更有意义。从现有的文献来看,现有的滤波信息处理方法设计过程中,为了简化运算,还没有设计者将事件触发机制和量化因素同时考虑在内。
发明内容
本发明的目的就是为了克服上述现有技术存在的缺陷而提供一种基于对数量化的无线传感器网络滤波信息处理系统及方法。
本发明的目的可以通过以下技术方案来实现:
一种基于对数量化的无线传感器网络滤波信息处理系统,用于对被控系统的观测变量进行数据传输与处理并估计系统状态变量,该系统包括:依次连接的传感器采样单元、事件触发单元、分布式滤波单元、量化单元和融合单元,传感器采样单元、事件触发单元、分布式滤波单元和量化单元分别对应设置l个传感器、事件触发器、滤波器和量化器,对应的1个传感器、事件触发器、滤波器和量化器依次连接,形成l组独立的滤波信息处理链路,l组滤波信息处理链路输出端连接至融合单元;
传感器分别获取l个观测变量,l组滤波信息处理链路分别根据该链路中传感器测得的观测变量进行事件触发输出至滤波器,滤波器根据观测变量进行系统状态变量估计,量化器对系统状态变量进行量化进而得到l组状态变量量化估计值,融合单元对l组状态变量量化估计值进行融合得到被控系统的状态变量估计值。
所述的事件触发器具体规则为:当ψ(yp(t),σp)>0时,事件触发,ψ(yp(t),σp)为第p个事件触发器是事件产生器函数,具体地:
其中,yp(t)为t时刻的对应于事件触发器的第p个传感器测量到被控系统的观测变量,为事件触发时刻事件触发器输出的被控系统的观测变量,σp∈(0,1)为事件触发阈值参数,Φp>0为事件触发权重矩阵;
事件触发时刻的下一次事件触发时刻为满足:
其中,表示时间集,inf表示集合的下确界。
第p个滤波信息处理链路中的滤波器为:
其中,为第p个滤波器在t时刻滤波处理得到的状态变量滤波器估计值矩阵,为第p个滤波器在(t+1)时刻滤波处理得到的状态变量滤波器估计值矩阵,为事件触发时刻事件触发器输出的被控系统的观测变量,Fp和Kp均为第p个滤波器的参数矩阵,为事件触发时刻的下一个事件触发时刻。
第p个滤波信息处理链路中的量化器为:
其中,为第p个量化器在t时刻量化处理得到的状态变量量化估计值矩阵,表示第p个量化器的量化函数,表示第p个滤波器在t时刻滤波处理得到的状态变量滤波器估计值矩阵,分别为矩阵中的n个元素,记作表示第p个滤波器在t时刻滤波处理得到的第i个状态变量滤波器估计值,第p个量化器中针对第i个状态变量的量化函数,i=1,2……n,n为状态变量总个数。
第p个量化器中针对第i个状态变量的量化函数具体为:
δpi为第p个量化器中针对第i个状态变量的量化参数,且满足:
为第p个通信信道的通信容量最小值;
进而得到:
其中,为第p个量化器的量化参数矩阵,diag{…}表示对角矩阵,I为适维单位阵,为第p个滤波器在t时刻滤波处理得到的状态变量滤波器估计值矩阵,为第p个量化器在t时刻量化处理得到的状态变量量化估计值矩阵。
所述的融合单元设置融合器,所述的融合器具体为:
其中,为融合得到被控系统的状态变量估计值矩阵,Wp为融合权重矩阵,l为量化器总个数,为第p个量化器在t时刻量化处理得到的状态变量量化估计值矩阵。
该系统中各事件触发器、滤波器、量化器以及融合单元中具体参数通过如下方式进行设计:
(a)构建系统状态方程:
其中,x(t)为被控系统的状态变量矩阵,Rn为n维欧几里得空间,yp(t)为第p个传感器测量到的系统的观测变量,ω(t)为属于的噪声输入,vp(t)为属于的测量噪声,A、B、Cp、Dp为适维矩阵;
(b)定义融合估计误差增广状态矩阵其中, 为融合得到被控系统的状态变量估计值矩阵,coll{}表示将排列成列向量,和为第p个滤波器在t时刻滤波处理得到的状态变量滤波器估计值矩阵,p=1,2……l;
(c)将带入步骤(b)中的融合估计误差得到:
其中,Wp为融合权重矩阵,p=1,2……l,为第p个量化器在t时刻量化处理得到的状态变量量化估计值矩阵,为第p个滤波器在t时刻滤波处理得到的状态变量滤波器估计值矩阵,分别为第p个量化器的量化参数矩阵,I为适维单位阵;
(d)联合系统状态方程、融合估计误差以及滤波器函数得到系统增广状态方程:
其中,第p个滤波信息处理链路中的滤波器为:
为第p个滤波器在t时刻滤波处理得到的状态变量滤波器估计值矩阵,为第p个滤波器在(t+1)时刻滤波处理得到的状态变量滤波器估计值矩阵,为事件触发时刻事件触发器输出的被控系统的观测变量,Fp和Kp均为第p个滤波器的参数矩阵,为事件触发时刻的下一个事件触发时刻,
p=1,2……l,F=diag{F1,…,Fl},K=diag{K1,…,Kl},C=coll{C1,…,Cp,…,Cl},D=diag{D1,D2,…Dl},
(e)建立系统约束条件;
(f)采用李雅普诺夫稳定性分析法建立使得系统增广状态方程在约束条件下稳定的线性矩阵不等式;
(g)求解线性矩阵不等式,得到该系统中事件触发器、滤波器、量化器以及融合单元中具体参数,具体包括事件触发权重矩阵Φp,滤波器参数矩阵Fp和Kp,量化器量化参数矩阵以及融合单元融合权重矩阵Wp,p=1,2……l。
步骤(e)约束条件包括:
(1)在不考虑系统外部扰动以及传感器的测量噪声下,系统增广状态方程稳定;
(2)在零输入条件下,对于给定的性能参数γ>0,任意的非零 e(t)满足:
其中E[·]代表数学期望值;
(3)取得最优的融合权重矩阵W1,W2,…,Wl及最优的量化参数δp1,δp2,…,δpn满足:
{Wp,δp1,δp2,…,δpn(p=1,2,…,l)}=argminγ
argminγ表示γ取得最小值,δpi为第p个量化器中针对第i个状态变量的量化参数,量化器量化参数矩阵且满足:
为第p个通信信道的通信容量最小值。
步骤(f)具体为:
(f1)定义李亚普诺夫函数为V(η(t),t)=ηT(t)Pη(t),其中P为正定矩阵,P=diag{P1,P2},P1=diag{P11,P12,…P1l},P2=diag{P21,P22,…P2l};
(f2)对李雅普诺夫函数V(η(t),t)求导,求得使得李雅普诺夫函数导数小于0的矩阵不等式即为所述的线性矩阵不等式,具体地,线性矩阵不等式为:
其中, Δp=diag{δp1,δp2,...,δpn},Δ=diag{Δ1,…,Δl},W=[-W1,…,-Wl],上述各矩阵中的*表示对称矩阵中的对称元素,γ>0、θ>0和σp为给定的性能参数,p=1,2……l,Φ=diag{Φ1,…,Φl}为事件触发权重矩阵, 和为待求参数矩阵。
一种基于对数量化的无线传感器网络滤波信息处理方法,该方法包括如下步骤:
(1)设置l组独立的滤波信息处理链路,每组滤波信息处理链路包括依次设置的传感器、事件触发器、滤波器和量化器,在l组滤波信息处理链路后连接融合单元;
(2)每组滤波信息处理链路进行如下操作:传感器检测得到被控系统的观测变量,事件触发器在事件触发时刻将传感器检测得到的观测变量传输至对应的滤波器,滤波器对接收的数据进行滤波处理得到系统状态变量滤波器估计值,量化器对系统状态变量滤波器估计值进行量化得到状态变量量化估计值;
(3)融合单元对l组滤波信息处理链路得到的l组状态变量量化估计值进行融合得到被控系统的状态变量估计值。
与现有技术相比,本发明具有如下优点:
(1)本发明设置同时设置事件触发器和量化器,在考虑有限信道带宽的情况下,建立了事件触发机制下的滤波器模型,并采用对数量化器,将量化误差变换为与系统状态相关的不确定性来处理,得出了一个满足干扰抑制条件的滤波信息处理系统,能够实现信号有效地传输,降低传输数据量、减少网络拥塞、丢包等现象,提高系统系统性能;
(2)本发明l组滤波信息处理链路,通过量化器进行量化得到状态变量量化估计值,进而通过融合单元进行融合得到整个系统的状态变量估计值,从而减小了量化误差,提高了数据的准确性;
(3)本发明系统中各事件触发器、滤波器、量化器以及融合单元中具体参数的设计实现了对网络控制系统在干扰影响下的具有性能参数γ的鲁棒H∞滤波器的设计,提高了系统鲁棒性。
附图说明
图1为本发明基于对数量化的无线传感器网络滤波信息处理系统的结构框图;
图2为实施例设计的基于对数量化的无线传感器网络滤波信息处理系统仿真平台弹簧质量块示意图;
图3为实施例中对象状态x1与滤波器的估计值的对比图;
图4为实施例中对象状态x2与滤波器的估计值的对比图;
图5为实施例中对象状态x3与滤波器的估计值的对比图;
图6为实施例中对象状态x4与滤波器的估计值的对比图;
图7为实施例中滤波网络的估计误差曲线图;
图8实施例中第一个事件触发器触发时序图;
图9实施例中第二个事件触发器触发时序图。
具体实施方式
下面结合附图和具体实施例对本发明进行详细说明。
实施例
如图1所示,一种基于对数量化的无线传感器网络滤波信息处理系统,用于对被控系统的观测变量进行数据传输与处理并估计系统状态变量,该系统包括:依次连接的传感器采样单元、事件触发单元、分布式滤波单元、量化单元和融合单元,传感器采样单元、事件触发单元、分布式滤波单元和量化单元分别对应设置l个传感器、事件触发器、滤波器和量化器,对应的1个传感器、事件触发器、滤波器和量化器依次连接,形成l组独立的滤波信息处理链路,l组滤波信息处理链路输出端连接至融合单元;
传感器分别获取l个观测变量,l组滤波信息处理链路分别根据该链路中传感器测得的观测变量进行事件触发输出至滤波器,滤波器根据观测变量进行系统状态变量估计,量化器对系统状态变量进行量化进而得到l组状态变量量化估计值,融合单元对l组状态变量量化估计值进行融合得到被控系统的状态变量估计值。
所述的事件触发器具体规则为:当ψ(yp(t),σp)>0时,事件触发,ψ(yp(t),σp)为第p个事件触发器是事件产生器函数,具体地:
其中,yp(t)为t时刻的对应于事件触发器的第p个传感器测量到被控系统的观测变量,为事件触发时刻事件触发器输出的被控系统的观测变量,σp∈(0,1)为事件触发阈值参数,Φp>0为事件触发权重矩阵;
事件触发时刻的下一次事件触发时刻为满足:
其中,表示时间集,inf表示集合的下确界。
第p个滤波信息处理链路中的滤波器为:
其中,为第p个滤波器在t时刻滤波处理得到的状态变量滤波器估计值矩阵,为第p个滤波器在(t+1)时刻滤波处理得到的状态变量滤波器估计值矩阵,为事件触发时刻事件触发器输出的被控系统的观测变量,Fp和Kp均为第p个滤波器的参数矩阵,为事件触发时刻的下一个事件触发时刻。
第p个滤波信息处理链路中的量化器为:
其中,为第p个量化器在t时刻量化处理得到的状态变量量化估计值矩阵,表示第p个量化器的量化函数,表示第p个滤波器在t时刻滤波处理得到的状态变量滤波器估计值矩阵,分别为矩阵中的n个元素,记作表示第p个滤波器在t时刻滤波处理得到的第i个状态变量滤波器估计值,第p个量化器中针对第i个状态变量的量化函数,i=1,2……n,n为状态变量总个数。
第p个量化器中针对第i个状态变量的量化函数具体为:
δpi为第p个量化器中针对第i个状态变量的量化参数,且满足:
为第p个通信信道的通信容量最小值;
第p个量化器中针对第i个状态变量的量化函数有以下量化水平集:
其中,为量化密度,取值满足为满足的任意正数。每一个量化水平对应一个区间,这个区间数据经量化后的取值均为量化水平值。选取如下量化函数:
其中满足0<δpi<1,此量化函数为对称时不变的。
进而得到:
其中,为第p个量化器的量化参数矩阵,diag{…}表示对角矩阵,I为适维单位阵,为第p个滤波器在t时刻滤波处理得到的状态变量滤波器估计值矩阵,为第p个量化器在t时刻量化处理得到的状态变量量化估计值矩阵。
所述的融合单元设置融合器,所述的融合器具体为:
其中,为融合得到被控系统的状态变量估计值矩阵,Wp为融合权重矩阵,l为量化器总个数,为第p个量化器在t时刻量化处理得到的状态变量量化估计值矩阵。
该系统中各事件触发器、滤波器、量化器以及融合单元中具体参数通过如下方式进行设计:
(a)构建系统状态方程:
其中,x(t)为被控系统的状态变量矩阵,Rn为n维欧几里得空间,yp(t)为第p个传感器测量到的系统的观测变量,ω(t)为属于的噪声输入,vp(t)为属于的测量噪声,A、B、Cp、Dp为适维矩阵;
(b)定义融合估计误差增广状态矩阵其中, 为融合得到被控系统的状态变量估计值矩阵,coll{}表示将排列成列向量,和为第p个滤波器在t时刻滤波处理得到的状态变量滤波器估计值矩阵,p=1,2……l;
(c)将带入步骤(b)中的融合估计误差得到:
其中,Wp为融合权重矩阵,p=1,2……l,为第p个量化器在t时刻量化处理得到的状态变量量化估计值矩阵,为第p个滤波器在t时刻滤波处理得到的状态变量滤波器估计值矩阵,分别为第p个量化器的量化参数矩阵,I为适维单位阵;
(d)联合系统状态方程、融合估计误差以及滤波器函数得到系统增广状态方程:
其中,第p个滤波信息处理链路中的滤波器为:
为第p个滤波器在t时刻滤波处理得到的状态变量滤波器估计值矩阵,为第p个滤波器在(t+1)时刻滤波处理得到的状态变量滤波器估计值矩阵,为事件触发时刻事件触发器输出的被控系统的观测变量,Fp和Kp均为第p个滤波器的参数矩阵,为事件触发时刻的下一个事件触发时刻,p=1,2……l,F=diag{F1,…,Fl},K=diag{K1,…,Kl},C=coll{C1,…,Cp,…,Cl},D=diag{D1,D2,…Dl},
(e)建立系统约束条件;
(f)采用李雅普诺夫稳定性分析法建立使得系统增广状态方程在约束条件下稳定的线性矩阵不等式;
(g)求解线性矩阵不等式,得到该系统中事件触发器、滤波器、量化器以及融合单元中具体参数,具体包括事件触发权重矩阵Φp,滤波器参数矩阵Fp和Kp,量化器量化参数矩阵以及融合单元融合权重矩阵Wp,p=1,2……l。
步骤(e)约束条件包括:
(1)在不考虑系统外部扰动以及传感器的测量噪声下,系统增广状态方程稳定;
(2)在零输入条件下,对于给定的性能参数γ>0,任意的非零 e(t)满足:
其中E[·]代表数学期望值;
(3)取得最优的融合权重矩阵W1,W2,…,Wl及最优的量化参数δp1,δp2,…,δpn满足:
{Wp,δp1,δp2,…,δpn(p=1,2,…,l)}=argminγ, (18)
argminγ表示γ取得最小值,δpi为第p个量化器中针对第i个状态变量的量化参数,量化器量化参数矩阵且满足:
为第p个通信信道的通信容量最小值。
步骤(f)具体为:
(f1)定义李亚普诺夫函数为:
其中,P为正定矩阵,P=diag{P1,P2},P1=diag{P11,P12,…P1l},P2=diag{P21,P22,…P2l};
(f2)对李雅普诺夫函数V(η(t),t)求导,求得使得李雅普诺夫函数导数小于0的矩阵不等式即为所述的线性矩阵不等式,具体地,线性矩阵不等式为:
其中, Δp=diag{δp1,δp2,…,δpn},Δ=diag{Δ1,…,Δl},W=[-W1,…,-Wl],上述各矩阵中的*表示对称矩阵中的对称元素,γ>0、θ>0和σp为给定的性能参数,p=1,2……l,Φ=diag{Φ1,…,Φl}为事件触发权重矩阵, 和为待求参数矩阵。
通过以下算法获得最优的融合权重矩阵和最优的量化参数,使得H∞扰动抑制比γ尽可能地小。通过求解下面的优化问题求得融合权重矩阵W1,…,Wl和量化参数θ,σp,Φp(p=1,2,…,l)的值:
式(2)表示在同时满足式(21)和式(6)时γ取得最小值。
通过和分别求得H∞扰动抑制比γ和量化参数。
一种基于对数量化的无线传感器网络滤波信息处理方法,该方法包括如下步骤:
(1)设置l组独立的滤波信息处理链路,每组滤波信息处理链路包括依次设置的传感器、事件触发器、滤波器和量化器,在l组滤波信息处理链路后连接融合单元;
(2)每组滤波信息处理链路进行如下操作:传感器检测得到被控系统的观测变量,事件触发器在事件触发时刻将传感器检测得到的观测变量传输至对应的滤波器,滤波器对接收的数据进行滤波处理得到系统状态变量滤波器估计值,量化器对系统状态变量滤波器估计值进行量化得到状态变量量化估计值;
(3)融合单元对l组滤波信息处理链路得到的l组状态变量量化估计值进行融合得到被控系统的状态变量估计值。
本实施例用下面的实例验证滤波器的设计:
如图2所示,考虑一个具有两个质量和两个弹簧的机械系统,其中x1和x2分别为质量块m1=1kg和m2=0.5kg离平衡位置的水平位移,k1=1N/m和k2=1N/m表示弹簧的弹性系数,质量块与地面之间的阻尼系数用c=0.5来表示。
针对该机械系统设计2组滤波信息处理链路,利用牛顿第二定律和胡可定律,选择采样周期T=0.1s,将上述值代入并对连续系统离散化,得到离散化的系统矩阵为:
假设有两个传感器,分别测量水平位移x1和x2,则有:
C1=[1 0 0 0],C2=[0 1 0 0],D1=D2=0.1,
通过Matlab中的LMI工具箱,可求得滤波器增益分别为:
取事件触发阈值参数分别为σ1=0.35和σ2=0.38,通信容量最小值为由算法可以得到最优的噪声抑制比为γ=1.7482,最优融合权重矩阵和量化系数分别为:
可以看到有满足带宽限制条件。图3~图6为系统各状态以及状态估计值,图3为质量块m1的水平位移x1状态和状态估计值,图4为质量块m2的水平位移x2的状态和状态估计值,图5为质量块m1的水平移动速度v1状态和状态估计值,图6为质量块m2的水平移动速度v2的状态和状态估计值。
图7为滤波误差曲线图,从误差曲线图中可以看出,滤波网络能够保持良好的滤波效果。
图8和图9为滤波器1和滤波器2的各自对应的事件触发器的触发时序图。从事件触发时刻图中可知,该滤波网络的平均数据传输率为0.75,节约了25%的网络通信资源。
为了简单处理,现有的滤波信息处理方法中并没有考虑到传输中带宽有限的限制及量化所带来的误差的影响。然而,为了信号能够有效地传输,降低传输数据量、减少网络拥塞、丢包等因素,事件触发机制和量化是网络系统中必不可少的环节,不考虑这些因素会可能对系统性能造成很大的影响,对于反馈控制系统可能造成系统发散,甚至产生极限环和混沌现象。本发明实现了对网络控制系统在干扰影响下的具有性能参数γ的鲁棒H∞滤波信息处理方法的设计。在考虑有限信道带宽的情况下,建立了事件触发机制下的滤波器模型,并采用对数量化器,将量化误差变换为与系统状态相关的不确定性来处理,得出了一个满足干扰抑制条件的滤波信息处理方法,通过Lyapunov方法和线性矩阵不等式方法,可解出滤波信息处理方法的各参数,并通过一个例子证明了算法的有效性。由于本发明在滤波信息处理方法设计中充分考虑了实际中由于信道带宽有限、量化所带来的影响因素,从而更符合实际使用情况。
Claims (10)
1.一种基于对数量化的无线传感器网络滤波信息处理系统,用于对被控系统的观测变量进行数据传输与处理并估计系统状态变量,其特征在于,该系统包括:依次连接的传感器采样单元、事件触发单元、分布式滤波单元、量化单元和融合单元,传感器采样单元、事件触发单元、分布式滤波单元和量化单元分别对应设置l个传感器、事件触发器、滤波器和量化器,对应的1个传感器、事件触发器、滤波器和量化器依次连接,形成l组独立的滤波信息处理链路,l组滤波信息处理链路输出端连接至融合单元;
传感器分别获取l个观测变量,l组滤波信息处理链路分别根据该链路中传感器测得的观测变量进行事件触发输出至滤波器,滤波器根据观测变量进行系统状态变量估计,量化器对系统状态变量进行量化进而得到l组状态变量量化估计值,融合单元对l组状态变量量化估计值进行融合得到被控系统的状态变量估计值。
2.根据权利要求1所述的一种基于对数量化的无线传感器网络滤波信息处理系统,其特征在于,所述的事件触发器具体规则为:当ψ(yp(t),σp)>0时,事件触发,ψ(yp(t),σp)为第p个事件触发器是事件产生器函数,具体地:
其中,yp(t)为t时刻的对应于事件触发器的第p个传感器测量到被控系统的观测变量,为事件触发时刻事件触发器输出的被控系统的观测变量,σp∈(0,1)为事件触发阈值参数,Φp>0为事件触发权重矩阵;
事件触发时刻的下一次事件触发时刻为满足:
其中,表示时间集,inf表示集合的下确界。
3.根据权利要求1所述的一种基于对数量化的无线传感器网络滤波信息处理系统,其特征在于,第p个滤波信息处理链路中的滤波器为:
<mrow>
<msub>
<mover>
<mi>x</mi>
<mo>^</mo>
</mover>
<mi>p</mi>
</msub>
<mrow>
<mo>(</mo>
<mi>t</mi>
<mo>+</mo>
<mn>1</mn>
<mo>)</mo>
</mrow>
<mo>=</mo>
<msub>
<mi>F</mi>
<mi>p</mi>
</msub>
<msub>
<mover>
<mi>x</mi>
<mo>^</mo>
</mover>
<mi>p</mi>
</msub>
<mrow>
<mo>(</mo>
<mi>t</mi>
<mo>)</mo>
</mrow>
<mo>+</mo>
<msub>
<mi>K</mi>
<mi>p</mi>
</msub>
<msub>
<mi>y</mi>
<mi>p</mi>
</msub>
<mrow>
<mo>(</mo>
<msubsup>
<mi>t</mi>
<mi>m</mi>
<mi>p</mi>
</msubsup>
<mo>)</mo>
</mrow>
<mo>,</mo>
</mrow>
其中, 为第p个滤波器在t时刻滤波处理得到的状态变量滤波器估计值矩阵,为第p个滤波器在(t+1)时刻滤波处理得到的状态变量滤波器估计值矩阵,为事件触发时刻事件触发器输出的被控系统的观测变量,Fp和Kp均为第p个滤波器的参数矩阵,为事件触发时刻的下一个事件触发时刻。
4.根据权利要求1所述的一种基于对数量化的无线传感器网络滤波信息处理系统,其特征在于,第p个滤波信息处理链路中的量化器为:
其中,为第p个量化器在t时刻量化处理得到的状态变量量化估计值矩阵,表示第p个量化器的量化函数,表示第p个滤波器在t时刻滤波处理得到的状态变量滤波器估计值矩阵,分别为矩阵中的n个元素,记作 表示第p个滤波器在t时刻滤波处理得到的第i个状态变量滤波器估计值,第p个量化器中针对第i个状态变量的量化函数,i=1,2……n,n为状态变量总个数。
5.根据权利要求4所述的一种基于对数量化的无线传感器网络滤波信息处理系统,其特征在于,第p个量化器中针对第i个状态变量的量化函数具体为:
<mrow>
<msub>
<mi>q</mi>
<mrow>
<mi>p</mi>
<mi>i</mi>
</mrow>
</msub>
<mrow>
<mo>(</mo>
<msub>
<mover>
<mi>x</mi>
<mo>^</mo>
</mover>
<mrow>
<mi>p</mi>
<mi>i</mi>
</mrow>
</msub>
<mo>(</mo>
<mi>t</mi>
<mo>)</mo>
<mo>)</mo>
</mrow>
<mo>=</mo>
<mrow>
<mo>(</mo>
<mn>1</mn>
<mo>+</mo>
<msub>
<mover>
<mi>&Delta;</mi>
<mo>~</mo>
</mover>
<mrow>
<mi>p</mi>
<mi>i</mi>
</mrow>
</msub>
<mo>)</mo>
</mrow>
<msub>
<mover>
<mi>x</mi>
<mo>^</mo>
</mover>
<mrow>
<mi>p</mi>
<mi>i</mi>
</mrow>
</msub>
<mrow>
<mo>(</mo>
<mi>t</mi>
<mo>)</mo>
</mrow>
<mo>,</mo>
</mrow>
δpi为第p个量化器中针对第i个状态变量的量化参数,且满足:
<mrow>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>n</mi>
</munderover>
<msub>
<mi>&delta;</mi>
<mrow>
<mi>p</mi>
<mi>i</mi>
</mrow>
</msub>
<mo>&GreaterEqual;</mo>
<msubsup>
<mi>&delta;</mi>
<mi>p</mi>
<mn>0</mn>
</msubsup>
<mo>,</mo>
</mrow>
为第p个通信信道的通信容量最小值;
进而得到:
<mrow>
<msubsup>
<mover>
<mi>x</mi>
<mo>^</mo>
</mover>
<mi>p</mi>
<mi>c</mi>
</msubsup>
<mrow>
<mo>(</mo>
<mi>t</mi>
<mo>)</mo>
</mrow>
<mo>=</mo>
<mrow>
<mo>(</mo>
<mi>I</mi>
<mo>+</mo>
<msub>
<mover>
<mi>&Delta;</mi>
<mo>~</mo>
</mover>
<mi>p</mi>
</msub>
<mo>)</mo>
</mrow>
<msub>
<mover>
<mi>x</mi>
<mo>^</mo>
</mover>
<mi>p</mi>
</msub>
<mrow>
<mo>(</mo>
<mi>t</mi>
<mo>)</mo>
</mrow>
<mo>,</mo>
</mrow>
其中,为第p个量化器的量化参数矩阵,diag{…}表示对角矩阵,I为适维单位阵,为第p个滤波器在t时刻滤波处理得到的状态变量滤波器估计值矩阵,为第p个量化器在t时刻量化处理得到的状态变量量化估计值矩阵。
6.根据权利要求1所述的一种基于对数量化的无线传感器网络滤波信息处理系统,其特征在于,所述的融合单元设置融合器,所述的融合器具体为:
<mrow>
<mover>
<mi>x</mi>
<mo>^</mo>
</mover>
<mrow>
<mo>(</mo>
<mi>t</mi>
<mo>)</mo>
</mrow>
<mo>=</mo>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>p</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>l</mi>
</munderover>
<msub>
<mi>W</mi>
<mi>p</mi>
</msub>
<msubsup>
<mover>
<mi>x</mi>
<mo>^</mo>
</mover>
<mi>p</mi>
<mi>c</mi>
</msubsup>
<mrow>
<mo>(</mo>
<mi>t</mi>
<mo>)</mo>
</mrow>
<mo>,</mo>
</mrow>
其中,为融合得到被控系统的状态变量估计值矩阵,Wp为融合权重矩阵,l为量化器总个数,为第p个量化器在t时刻量化处理得到的状态变量量化估计值矩阵。
7.根据权利要求1所述的一种基于对数量化的无线传感器网络滤波信息处理系统,其特征在于,该系统中各事件触发器、滤波器、量化器以及融合单元中具体参数通过如下方式进行设计:
(a)构建系统状态方程:
<mrow>
<mfenced open = "{" close = "">
<mtable>
<mtr>
<mtd>
<mrow>
<mi>x</mi>
<mrow>
<mo>(</mo>
<mi>t</mi>
<mo>+</mo>
<mn>1</mn>
<mo>)</mo>
</mrow>
<mo>=</mo>
<mi>A</mi>
<mi>x</mi>
<mrow>
<mo>(</mo>
<mi>t</mi>
<mo>)</mo>
</mrow>
<mo>+</mo>
<mi>B</mi>
<mi>w</mi>
<mrow>
<mo>(</mo>
<mi>t</mi>
<mo>)</mo>
</mrow>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<msub>
<mi>y</mi>
<mi>p</mi>
</msub>
<mrow>
<mo>(</mo>
<mi>t</mi>
<mo>)</mo>
</mrow>
<mo>=</mo>
<msub>
<mi>C</mi>
<mi>p</mi>
</msub>
<mi>x</mi>
<mrow>
<mo>(</mo>
<mi>t</mi>
<mo>)</mo>
</mrow>
<mo>+</mo>
<msub>
<mi>D</mi>
<mi>p</mi>
</msub>
<msub>
<mi>v</mi>
<mi>p</mi>
</msub>
<mrow>
<mo>(</mo>
<mi>t</mi>
<mo>)</mo>
</mrow>
</mrow>
</mtd>
</mtr>
</mtable>
</mfenced>
<mo>,</mo>
<mn>1</mn>
<mo>&le;</mo>
<mi>p</mi>
<mo>&le;</mo>
<mi>l</mi>
<mo>,</mo>
</mrow>
其中,x(t)为被控系统的状态变量矩阵,Rn为n维欧几里得空间,yp(t)为第p个传感器测量到的系统的观测变量,ω(t)为属于的噪声输入,vp(t)为属于的测量噪声,A、B、Cp、Dp为适维矩阵;
(b)定义融合估计误差增广状态矩阵其中, 为融合得到被控系统的状态变量估计值矩阵,coll{}表示将排列成列向量,和为第p个滤波器在t时刻滤波处理得到的状态变量滤波器估计值矩阵,p=1,2……l;
(c)将带入步骤(b)中的融合估计误差得到:
<mrow>
<mi>e</mi>
<mrow>
<mo>(</mo>
<mi>t</mi>
<mo>)</mo>
</mrow>
<mo>=</mo>
<mrow>
<mo>(</mo>
<mover>
<mi>W</mi>
<mo>^</mo>
</mover>
<mo>+</mo>
<msub>
<mover>
<mi>W</mi>
<mo>~</mo>
</mover>
<mover>
<mi>&Delta;</mi>
<mo>~</mo>
</mover>
</msub>
<mo>)</mo>
</mrow>
<mi>&eta;</mi>
<mrow>
<mo>(</mo>
<mi>t</mi>
<mo>)</mo>
</mrow>
<mo>,</mo>
</mrow>
其中,Wp为融合权重矩阵,p=1,2……l,为第p个量化器在t时刻量化处理得到的状态变量量化估计值矩阵,为第p个滤波器在t时刻滤波处理得到的状态变量滤波器估计值矩阵,分别为第p个量化器的量化参数矩阵,I为适维单位阵;
(d)联合系统状态方程、融合估计误差以及滤波器函数得到系统增广状态方程:
<mrow>
<mfenced open = "{" close = "">
<mtable>
<mtr>
<mtd>
<mrow>
<mi>&eta;</mi>
<mrow>
<mo>(</mo>
<mi>t</mi>
<mo>+</mo>
<mn>1</mn>
<mo>)</mo>
</mrow>
<mo>=</mo>
<mover>
<mi>A</mi>
<mo>~</mo>
</mover>
<mi>&eta;</mi>
<mrow>
<mo>(</mo>
<mi>t</mi>
<mo>)</mo>
</mrow>
<mo>+</mo>
<mover>
<mi>B</mi>
<mo>~</mo>
</mover>
<mi>v</mi>
<mrow>
<mo>(</mo>
<mi>t</mi>
<mo>)</mo>
</mrow>
<mo>-</mo>
<mover>
<mi>K</mi>
<mo>~</mo>
</mover>
<mi>f</mi>
<mrow>
<mo>(</mo>
<mi>t</mi>
<mo>)</mo>
</mrow>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<mi>e</mi>
<mrow>
<mo>(</mo>
<mi>t</mi>
<mo>)</mo>
</mrow>
<mo>=</mo>
<mover>
<mi>W</mi>
<mo>~</mo>
</mover>
<mi>&eta;</mi>
<mrow>
<mo>(</mo>
<mi>t</mi>
<mo>)</mo>
</mrow>
</mrow>
</mtd>
</mtr>
</mtable>
</mfenced>
<mo>,</mo>
</mrow>
其中,第p个滤波信息处理链路中的滤波器为:
<mrow>
<msub>
<mover>
<mi>x</mi>
<mo>^</mo>
</mover>
<mi>p</mi>
</msub>
<mrow>
<mo>(</mo>
<mi>t</mi>
<mo>+</mo>
<mn>1</mn>
<mo>)</mo>
</mrow>
<mo>=</mo>
<msub>
<mi>F</mi>
<mi>p</mi>
</msub>
<msub>
<mover>
<mi>x</mi>
<mo>^</mo>
</mover>
<mi>p</mi>
</msub>
<mrow>
<mo>(</mo>
<mi>t</mi>
<mo>)</mo>
</mrow>
<mo>+</mo>
<msub>
<mi>K</mi>
<mi>p</mi>
</msub>
<msub>
<mi>y</mi>
<mi>p</mi>
</msub>
<mrow>
<mo>(</mo>
<msubsup>
<mi>t</mi>
<mi>m</mi>
<mi>p</mi>
</msubsup>
<mo>)</mo>
</mrow>
<mo>,</mo>
</mrow>
为第p个滤波器在t时刻滤波处理得到的状态变量滤波器估计值矩阵,为第p个滤波器在(t+1)时刻滤波处理得到的状态变量滤波器估计值矩阵,为事件触发时刻事件触发器输出的被控系统的观测变量,Fp和Kp均为第p个滤波器的参数矩阵,为事件触发时刻的下一个事件触发时刻,
p=1,2……l,F=diag{F1,…,Fl},K=diag{K1,…,Kl},C=coll{C1,…,Cp,…,Cl},D=diag{D1,D2,…Dl},
(e)建立系统约束条件;
(f)采用李雅普诺夫稳定性分析法建立使得系统增广状态方程在约束条件下稳定的线性矩阵不等式;
(g)求解线性矩阵不等式,得到该系统中事件触发器、滤波器、量化器以及融合单元中具体参数,具体包括事件触发权重矩阵Φp,滤波器参数矩阵Fp和Kp,量化器量化参数矩阵以及融合单元融合权重矩阵Wp,p=1,2……l。
8.根据权利要求7所述的一种基于对数量化的无线传感器网络滤波信息处理系统,其特征在于,步骤(e)约束条件包括:
(1)在不考虑系统外部扰动以及传感器的测量噪声下,系统增广状态方程稳定;
(2)在零输入条件下,对于给定的性能参数γ>0,任意的非零 e(t)满足:
<mrow>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>t</mi>
<mo>=</mo>
<mn>0</mn>
</mrow>
<mi>&infin;</mi>
</munderover>
<mi>E</mi>
<mo>&lsqb;</mo>
<mo>|</mo>
<mo>|</mo>
<mi>e</mi>
<mrow>
<mo>(</mo>
<mi>t</mi>
<mo>)</mo>
</mrow>
<mo>|</mo>
<msup>
<mo>|</mo>
<mn>2</mn>
</msup>
<mo>&rsqb;</mo>
<mo>&le;</mo>
<msup>
<mi>&gamma;</mi>
<mn>2</mn>
</msup>
<mrow>
<mo>(</mo>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>p</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>l</mi>
</munderover>
<mo>|</mo>
<mo>|</mo>
<msub>
<mi>v</mi>
<mi>p</mi>
</msub>
<mo>(</mo>
<mi>t</mi>
<mo>)</mo>
<mo>|</mo>
<msup>
<mo>|</mo>
<mn>2</mn>
</msup>
<mo>+</mo>
<mo>|</mo>
<mo>|</mo>
<mi>w</mi>
<mo>(</mo>
<mi>t</mi>
<mo>)</mo>
<mo>|</mo>
<msup>
<mo>|</mo>
<mn>2</mn>
</msup>
<mo>)</mo>
</mrow>
<mo>,</mo>
</mrow>
其中E[·]代表数学期望值;
(3)取得最优的融合权重矩阵W1,W2,…,Wl及最优的量化参数δp1,δp2,…,δpn满足:
{Wp,δp1,δp2,…,δpn(p=1,2,…,l)}=arg minγ
arg minγ表示γ取得最小值,δpi为第p个量化器中针对第i个状态变量的量化参数,量化器量化参数矩阵 i=1,2……n,且满足:
<mrow>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>n</mi>
</munderover>
<msub>
<mi>&delta;</mi>
<mrow>
<mi>p</mi>
<mi>i</mi>
</mrow>
</msub>
<mo>&GreaterEqual;</mo>
<msubsup>
<mi>&delta;</mi>
<mi>p</mi>
<mn>0</mn>
</msubsup>
<mo>,</mo>
</mrow>
为第p个通信信道的通信容量最小值。
9.根据权利要求7所述的一种基于对数量化的无线传感器网络滤波信息处理系统,其特征在于,步骤(f)具体为:
(f1)定义李亚普诺夫函数为其中P为正定矩阵,P=diag{P1,P2},P1=diag{P11,P12,…P1l},P2=diag{P21,P22,…P2l};
(f2)对李雅普诺夫函数V(η(t),t)求导,求得使得李雅普诺夫函数导数小于0的矩阵不等式即为所述的线性矩阵不等式,具体地,线性矩阵不等式为:
<mrow>
<mfenced open = "[" close = "]">
<mtable>
<mtr>
<mtd>
<msub>
<mi>&Lambda;</mi>
<mn>11</mn>
</msub>
</mtd>
<mtd>
<mn>0</mn>
</mtd>
<mtd>
<msub>
<mi>&Lambda;</mi>
<mn>13</mn>
</msub>
</mtd>
<mtd>
<msub>
<mi>&Lambda;</mi>
<mn>14</mn>
</msub>
</mtd>
</mtr>
<mtr>
<mtd>
<mo>*</mo>
</mtd>
<mtd>
<msub>
<mi>&Lambda;</mi>
<mn>22</mn>
</msub>
</mtd>
<mtd>
<msub>
<mi>&Lambda;</mi>
<mn>23</mn>
</msub>
</mtd>
<mtd>
<mn>0</mn>
</mtd>
</mtr>
<mtr>
<mtd>
<mo>*</mo>
</mtd>
<mtd>
<mo>*</mo>
</mtd>
<mtd>
<msub>
<mi>&Lambda;</mi>
<mn>33</mn>
</msub>
</mtd>
<mtd>
<mn>0</mn>
</mtd>
</mtr>
<mtr>
<mtd>
<mo>*</mo>
</mtd>
<mtd>
<mo>*</mo>
</mtd>
<mtd>
<mo>*</mo>
</mtd>
<mtd>
<msub>
<mi>&Lambda;</mi>
<mn>44</mn>
</msub>
</mtd>
</mtr>
</mtable>
</mfenced>
<mo><</mo>
<mn>0</mn>
<mo>,</mo>
</mrow>
其中, Δp=diag{δp1,δp2,…,δpn},Δ=diag{Δ1,…,Δl},W=[-W1,…,-Wl],上述各矩阵中的*表示对称矩阵中的对称元素,γ>0、θ>0和σp为给定的性能参数,p=1,2……l,Φ=diag{Φ1,…,Φl}为事件触发权重矩阵, 和为待求参数矩阵。
10.一种基于对数量化的无线传感器网络滤波信息处理方法,其特征在于,该方法包括如下步骤:
(1)设置l组独立的滤波信息处理链路,每组滤波信息处理链路包括依次设置的传感器、事件触发器、滤波器和量化器,在l组滤波信息处理链路后连接融合单元;
(2)每组滤波信息处理链路进行如下操作:传感器检测得到被控系统的观测变量,事件触发器在事件触发时刻将传感器检测得到的观测变量传输至对应的滤波器,滤波器对接收的数据进行滤波处理得到系统状态变量滤波器估计值,量化器对系统状态变量滤波器估计值进行量化得到状态变量量化估计值;
(3)融合单元对l组滤波信息处理链路得到的l组状态变量量化估计值进行融合得到被控系统的状态变量估计值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710195823.8A CN107124158B (zh) | 2017-03-29 | 2017-03-29 | 基于对数量化的无线传感器网络滤波信息处理系统及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710195823.8A CN107124158B (zh) | 2017-03-29 | 2017-03-29 | 基于对数量化的无线传感器网络滤波信息处理系统及方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107124158A true CN107124158A (zh) | 2017-09-01 |
CN107124158B CN107124158B (zh) | 2020-07-28 |
Family
ID=59717436
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710195823.8A Expired - Fee Related CN107124158B (zh) | 2017-03-29 | 2017-03-29 | 基于对数量化的无线传感器网络滤波信息处理系统及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107124158B (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109410361A (zh) * | 2018-11-02 | 2019-03-01 | 华东理工大学 | 一种基于马尔科夫跳变的事件触发状态估计系统 |
CN110113723A (zh) * | 2019-05-07 | 2019-08-09 | 中国民航大学 | 基于无线传感网络的飞机舱内环境参数测量估计方法 |
CN113110363A (zh) * | 2021-05-24 | 2021-07-13 | 齐齐哈尔大学 | 基于事件驱动策略的网络系统非脆弱模糊滤波器设计方法 |
CN113206673A (zh) * | 2021-05-24 | 2021-08-03 | 上海海事大学 | 用于网络化控制系统信号量化的差分缩放方法及终端 |
CN116628862A (zh) * | 2023-07-19 | 2023-08-22 | 浙江大学海南研究院 | 一种质量切换无人船的动力定位事件触发鲁棒h∞滤波方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH05252027A (ja) * | 1992-03-04 | 1993-09-28 | Fujitsu Ltd | 位相同期ループ回路 |
US6785391B1 (en) * | 1998-05-22 | 2004-08-31 | Nippon Telegraph And Telephone Corporation | Apparatus and method for simultaneous estimation of transfer characteristics of multiple linear transmission paths |
CN102651641A (zh) * | 2011-02-24 | 2012-08-29 | 同济大学 | 基于对数量化的网络控制系统l2-l∞滤波信息处理方法 |
CN105606381A (zh) * | 2016-01-28 | 2016-05-25 | 同济大学 | 一种分布式滤波网络系统及设计方法 |
CN106454892A (zh) * | 2016-08-30 | 2017-02-22 | 衢州学院 | 一种基于量化和事件的集值卡尔曼滤波方法 |
-
2017
- 2017-03-29 CN CN201710195823.8A patent/CN107124158B/zh not_active Expired - Fee Related
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH05252027A (ja) * | 1992-03-04 | 1993-09-28 | Fujitsu Ltd | 位相同期ループ回路 |
US6785391B1 (en) * | 1998-05-22 | 2004-08-31 | Nippon Telegraph And Telephone Corporation | Apparatus and method for simultaneous estimation of transfer characteristics of multiple linear transmission paths |
CN102651641A (zh) * | 2011-02-24 | 2012-08-29 | 同济大学 | 基于对数量化的网络控制系统l2-l∞滤波信息处理方法 |
CN105606381A (zh) * | 2016-01-28 | 2016-05-25 | 同济大学 | 一种分布式滤波网络系统及设计方法 |
CN106454892A (zh) * | 2016-08-30 | 2017-02-22 | 衢州学院 | 一种基于量化和事件的集值卡尔曼滤波方法 |
Non-Patent Citations (1)
Title |
---|
刘涛等: "通信受限网络控制系统的H∞控制", 《控制与决策》 * |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109410361A (zh) * | 2018-11-02 | 2019-03-01 | 华东理工大学 | 一种基于马尔科夫跳变的事件触发状态估计系统 |
CN110113723A (zh) * | 2019-05-07 | 2019-08-09 | 中国民航大学 | 基于无线传感网络的飞机舱内环境参数测量估计方法 |
CN110113723B (zh) * | 2019-05-07 | 2020-02-11 | 中国民航大学 | 基于无线传感网络的飞机舱内环境参数测量估计方法 |
CN113110363A (zh) * | 2021-05-24 | 2021-07-13 | 齐齐哈尔大学 | 基于事件驱动策略的网络系统非脆弱模糊滤波器设计方法 |
CN113206673A (zh) * | 2021-05-24 | 2021-08-03 | 上海海事大学 | 用于网络化控制系统信号量化的差分缩放方法及终端 |
CN113206673B (zh) * | 2021-05-24 | 2024-04-02 | 上海海事大学 | 用于网络化控制系统信号量化的差分缩放方法及终端 |
CN116628862A (zh) * | 2023-07-19 | 2023-08-22 | 浙江大学海南研究院 | 一种质量切换无人船的动力定位事件触发鲁棒h∞滤波方法 |
CN116628862B (zh) * | 2023-07-19 | 2024-04-02 | 浙江大学海南研究院 | 一种质量切换无人船的动力定位事件触发鲁棒h∞滤波方法 |
Also Published As
Publication number | Publication date |
---|---|
CN107124158B (zh) | 2020-07-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107124158A (zh) | 基于对数量化的无线传感器网络滤波信息处理系统及方法 | |
CN101790251B (zh) | 基于改进粒子群优化算法的无线传感器节点联盟生成方法 | |
CN103596191B (zh) | 一种无线传感器网络智能配置系统及其方法 | |
Ren et al. | Dynamic sensor transmission power scheduling for remote state estimation | |
CN104049533A (zh) | 基于隐半马尔可夫模型的网络控制系统控制器设计方法 | |
CN102316496A (zh) | 无线传感器网络中基于卡尔曼滤波的数据融合方法 | |
CN105606381B (zh) | 一种分布式滤波网络系统及设计方法 | |
CN106452513A (zh) | 一种基于时延受限的无线传感网中移动式能量补充方法 | |
Tan et al. | Distributed hybrid-triggered H∞ filter design for sensor networked systems with output saturations | |
CN102612080A (zh) | 基于第二代小波零树编码的最小能耗自适应汇聚路由方法 | |
CN109787699A (zh) | 一种基于混合深度模型的无线传感器网络路由链路状态预测方法 | |
Song et al. | Distributed consensus‐based Kalman filtering in sensor networks with quantised communications and random sensor failures | |
CN103607292A (zh) | 面向电力通信网络业务的快速分布式监测方法 | |
Liu et al. | Finite-time synchronization for periodic T–S fuzzy master-slave neural networks with distributed delays | |
Li et al. | A novel communication-aware formation control strategy for dynamical multi-agent systems | |
Regin et al. | A Novel Rough Set Based Congestion Control Technique for the Effective Routing in WSN | |
CN102946443A (zh) | 一种实现大规模数据传输的多任务调度方法 | |
CN107743302A (zh) | 无线传感器网络中基于压缩感知的速率分配和路由联合优化算法 | |
Jiang et al. | Human-cyber-physical ubiquitous intelligent communication: System architecture, key technologies, and challenges | |
CN114139688A (zh) | 基于马尔可夫链共识的工业物联网分布式联邦学习方法 | |
CN107483541A (zh) | 一种基于滚动时域的在线任务迁移方法 | |
Wang et al. | Research of wireless congestion control algorithm based on EKF | |
WO2022102054A1 (ja) | ニューラルアーキテクチャ探索システムおよび探索方法 | |
Li et al. | Distributed H∞ filtering over multiple-channel sensor networks with Markovian channel switching and time-varying delays | |
CN103795420B (zh) | 一种基于分段的sbr多属性数据压缩方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20200728 |
|
CF01 | Termination of patent right due to non-payment of annual fee |