Remote Nonlinear State Estimation With Stochastic Event-Triggered Sensor Schedule
Remote Nonlinear State Estimation With Stochastic Event-Triggered Sensor Schedule
复制标题
使用随机事件触发传感器调度的远程非线性状态估计
DOI：
10.1109/tcyb.2017.2776976
复制
发表时间：
2019-03
影响因子：
11.8
通讯作者：
Yang Hongjiu
中科院分区：
文献类型：
--
作者：
Li Li;Yu Dongdong;Xia Yuanqing;Yang Hongjiu
研究了通信受限的无线传感器网络中非线性系统的远程状态估计问题。由于非线性变换导致的非高斯特性，利用无迹变换技术获得状态和测量的近似高斯概率分布。为了减少过多的数据传输，不可控和可控的随机事件触发调度方案的开发，以决定是否当前的测量应该被发送。与现有的一些确定性事件触发调度方案相比，新开发的方案在保持新息过程的高斯性方面具有潜在的优势。在所提出的方案下，两个非线性状态估计器的设计基于无味卡尔曼滤波器。通过分析估计误差和误差协方差的性质，建立了这两种估计的稳定性和收敛性条件。结果表明，通信速率和估计质量之间的预期妥协，可以通过适当调整事件触发的参数矩阵。数值算例验证了所得结果的有效性.
This paper concentrates on the remote state estimation problem for nonlinear systems over a communication-limited wireless sensor network. Because of the non-Gaussian property caused by nonlinear transformation, the unscented transformation technique is exploited to obtain approximate Gaussian probability distributions of state and measurement. To reduce excessive data transmission, uncontrollable and controllable stochastic event-triggered scheduling schemes are developed to decide whether the current measurement should be transmitted. Compared with some existing deterministic event-triggered scheduling schemes, the newly developed ones possess a potential superiority in maintaining Gaussian property of innovation process. Under the proposed schemes, two nonlinear state estimators are designed based on the unscented Kalman filter. Stability and convergence conditions of these two estimators are established by analyzing behaviors of estimation error and error covariance. It is shown that an expected compromise between communication rate and estimation quality can be achieved by properly tuning event-triggered parameter matrix. Numerical examples are provided to testify the validity of the proposed results.
登录
查看更多内容
事件触发状态估计：实验性能评估和比较研究
影响因子：
4.8
作者：
Chen, Wentao;Shi, Dawei;Shi, Ling
通讯作者：
Shi, Ling
一类具有混合时滞和非线性的复杂网络的事件触发状态估计方法
影响因子：
11.8
作者：
Licheng Wang;Zidong Wang;Tingwen Huang;Guoliang Wei
通讯作者：
Guoliang Wei
影响因子：
5.4
作者：
Keyou You;Lihua Xie
通讯作者：
Keyou You;Lihua Xie
影响因子：
6.4
作者：
Hu, Jun;Wang, Zidong;Stergioulas, Lampros K.
通讯作者：
Stergioulas, Lampros K.
DOI：
10.1016/j.ins.2014.08.047
发表时间：
2015-01
期刊：
Inf. Sci.
影响因子：
--
作者：
Xiaohua Ge;Qing-Long Han
通讯作者：
Xiaohua Ge;Qing-Long Han