检索结果-南通市图书馆

在线全文

学校读者我要写书评

暂无评论

一种新的分布式无线传感网络估计算法

信息与电脑 2018年第6期30卷 43-44,47页

作者：黄成四川工程职业技术学院四川德阳618000

笔者在各传感器之间有一个衰落的无线通道和融合中心(Fusion Center,FC)的前提下,提出了一种基于泊松点过程的无线传感网络分布估计方法。首先描述了空间上随机的无线传感网络统计特性,推断出在不同信道状态信息的情况下,优化融合中心... 详细信息

笔者在各传感器之间有一个衰落的无线通道和融合中心(Fusion Center,FC)的前提下,提出了一种基于泊松点过程的无线传感网络分布估计方法。首先描述了空间上随机的无线传感网络统计特性,推断出在不同信道状态信息的情况下,优化融合中心所产生的中断性能。其次,结合路径损耗分析了无线传感网络的性能。最后,扩展分析了传感器噪声测量情况。仿真结果验证了提出的分析法的可行性和可靠性。

关键词：无线传感网络分布式估计泊松点过程中断概率

电网分布式虚假数据注入检测及错误估计的定位

在线全文

学校读者我要写书评

暂无评论

电网分布式虚假数据注入检测及错误估计的定位

第36届中国控制会议

作者：单科萌齐冬莲浙江大学电气工程学院

针对电力系统中存在的虚假数据注入（FDI）攻击问题,本文提出一种全新的分布式状态估计方法及其分布式FDI攻击检测算法,该算法可以准确检测电网系统是否遭受FDI攻击,并对遭受攻击篡改的状态变量进行准确定位。仿真结果验证了该算法的有... 详细信息

针对电力系统中存在的虚假数据注入（FDI）攻击问题,本文提出一种全新的分布式状态估计方法及其分布式FDI攻击检测算法,该算法可以准确检测电网系统是否遭受FDI攻击,并对遭受攻击篡改的状态变量进行准确定位。仿真结果验证了该算法的有效性。

关键词：分布式估计虚假数据注入攻击检测

来源： cnki会议评论

在线全文

cnki会议

学校读者我要写书评

暂无评论

具有丢包补偿的分布式一致性融合估计器

海军航空工程学院学报 2018年第3期33卷 282-288页

作者：赵国荣廖海涛韩旭王元鑫海军航空大学山东烟台264001

研究了具有随机丢包的网络化分布式一致性估计问题。丢包现象存在于各节点间局部状态估计值的传输过程中,引入一组服从Bernoulli分布的随机变量来描述。当发生丢包时,以融合节点前一时刻融合估计值的一步预测值进行补偿。建立了以估计... 详细信息

研究了具有随机丢包的网络化分布式一致性估计问题。丢包现象存在于各节点间局部状态估计值的传输过程中,引入一组服从Bernoulli分布的随机变量来描述。当发生丢包时,以融合节点前一时刻融合估计值的一步预测值进行补偿。建立了以估计器增益为决策变量,以所有传感器有限时域下状态融合估计误差和为代价函数的优化问题。在给定一致性权重下,通过最小化代价函数的上界得到了一组次优的估计器增益,并给出了融合估计器渐进稳定的充分条件。最后,通过算例仿真验证了算法的有效性。

关键词：分布式估计一致性算法随机丢包渐进稳定

在线全文

学校读者我要写书评

暂无评论

一种频率域相关性分布式扩散最小均方算法

计算机工程 2022年第5期48卷 215-221页

作者：陈凰陈睿邝祝芳黄华军中南林业科技大学计算机与信息工程学院长沙410004 湖南财政经济学院信息技术与管理学院长沙410205

以均方误差为代价函数的最小均方(LMS)自适应滤波算法具有结构简单、易于实现、计算复杂度低、稳定性好等优点,然而在对未知系统的脉冲响应进行估计时,传统的分布式扩散最小均方(DLMS)算法易受到噪声的干扰,从而降低估计精度。针对该问... 详细信息

以均方误差为代价函数的最小均方(LMS)自适应滤波算法具有结构简单、易于实现、计算复杂度低、稳定性好等优点,然而在对未知系统的脉冲响应进行估计时,传统的分布式扩散最小均方(DLMS)算法易受到噪声的干扰,从而降低估计精度。针对该问题,提出一种频率域相关性分布式扩散最小均方(FCDLMS)算法。利用不相关信号的相关函数值趋近于零的性质,在DLMS算法基础上分别将输入信号的自相关函数以及输入和期望信号的互相关函数作为新的观测数据,消除噪声干扰,从而给出相关性DLMS(CDLMS)算法,并将算法扩展至频率域,在频率域中使用乘法运算而非卷积运算来更新抽头系数,减少计算复杂度。实验结果表明,与传统DLMS算法相比,频率域相关性分布式扩散最小均方算法在噪声环境下对分布式自适应网络中的未知系统脉冲响应具有更好的估计结果,算法性能更优,同时也能较好地适应多抽头数、多节点数、强噪声的复杂环境。

关键词：自适应网络相关函数分布式估计扩散最小均方噪声干扰

在线全文

学校读者我要写书评

暂无评论

传感器网络多重融合分布式一致性滤波算法

系统科学与数学 2023年第11期43卷 2773-2788页

作者：王瑞玺孙书利黑龙江大学电子工程学院哈尔滨150080

文章研究了在传感器网络下的分布式一致性滤波问题.在传感器网络中,各传感器之间存在最短路径链接通信以获得彼此的信息.文章提出了一种具有多重融合的分布式一致滤波算法.在每一时刻,每个传感器节点基于自身的观测进行局部滤波,然后将... 详细信息

文章研究了在传感器网络下的分布式一致性滤波问题.在传感器网络中,各传感器之间存在最短路径链接通信以获得彼此的信息.文章提出了一种具有多重融合的分布式一致滤波算法.在每一时刻,每个传感器节点基于自身的观测进行局部滤波,然后将估值发给邻居节点的同时接收邻居节点传来的估值.采用线性无偏最小方差最优矩阵加权融合算法,每个传感器节点基于自己和收到的邻居节点的估值进行融合估计.经过多次信息交换与融合使得所有传感器节点的估计结果趋于一致.所提出的算法要求节点之间互协方差阵的计算,存在较大的计算负担.为了避免各节点之间互协方差阵的计算,文章又提出了基于并行协方差交叉融合(PCI)的分布式次优一致性滤波器.并对所提出的算法进行了精度和计算量的比较分析.仿真例子验证了所提算法的有效性.

关键词：传感器网络多重融合分布式估计一致性滤波融合估计

一种多传感器组合导航系统的自适应分布式滤波算法

在线全文

学校读者我要写书评

暂无评论

大地测量与地球动力学 2023年第12期43卷 1275-1280页

作者：王玮孙炜玮潘新龙乔玉新韩真真烟台南山学院智能科学与工程学院山东省龙口市大学路12号265713 海军航空大学山东省烟台市二马路188号264001 山东东海热电有限公司山东省龙口市东海工业园区265713

针对联邦滤波器和集中式卡尔曼滤波器在实际应用中存在的问题及组合导航中量测噪声统计特性不准确引起滤波精度下降的问题,提出利用变分贝叶斯估计和分布式估计的多传感器组合导航系统自适应分布式滤波方法。首先,基于集中式卡尔曼滤波... 详细信息

针对联邦滤波器和集中式卡尔曼滤波器在实际应用中存在的问题及组合导航中量测噪声统计特性不准确引起滤波精度下降的问题,提出利用变分贝叶斯估计和分布式估计的多传感器组合导航系统自适应分布式滤波方法。首先,基于集中式卡尔曼滤波技术,推导分布式滤波的一种表达方法,该方法具有估计最优性、故障自动隔离且对导航系统无污染的特点;然后,结合变分贝叶斯估计技术,提出自适应分布式滤波方法,对系统状态和时变的量测噪声方差进行同步实时估计;最后,采用SINS/GNSS/CNS/ADS组合导航系统进行仿真验证。仿真结果表明,本文算法能实时跟踪突变或缓变的量测噪声方差,较联邦滤波算法可有效降低量测噪声统计特性不准确给系统带来的不利影响,进而提高组合导航系统的滤波精度。

关键词：变分贝叶斯自适应滤波分布式估计组合导航联邦滤波

考虑元素烧损和仓储成本的特种铝合金配料优化

在线全文

学校读者我要写书评

暂无评论

控制与决策 2023年第7期38卷 1854-1860页

作者：张浩徐志刚王军义中国科学院沈阳自动化研究所沈阳110169

配料计算是特种铝合金熔炼的重要准备工序,直接影响产品的最终性能.为提高产品质量和配料效率,降低原料和仓储物流成本,建立考虑元素烧损和旧料循环利用等因素的特种铝合金配料优化模型.针对该模型的目标多样性和非线性等特点,设计以投... 详细信息

配料计算是特种铝合金熔炼的重要准备工序,直接影响产品的最终性能.为提高产品质量和配料效率,降低原料和仓储物流成本,建立考虑元素烧损和旧料循环利用等因素的特种铝合金配料优化模型.针对该模型的目标多样性和非线性等特点,设计以投料量和投料时间为决策变量的实数编码规则,提出一种基于第3代非支配遗传算法并融入分布式估计策略的多目标优化算法用于求解该模型.通过基于真实生产数据的仿真实验进行模型和算法验证.实验结果表明,所提出模型能够有效地解决特种铝合金配料优化问题,与传统的多目标优化算法相比,所提出求解算法能够获得更优的结果.

关键词：配料优化特种铝合金分布式估计 NSGA-Ⅲ 元素烧损多目标优化

在线全文

学校读者我要写书评

暂无评论

基于协作神经动力学的分布式非凸优化研究

基于协作神经动力学的分布式非凸优化研究

作者：夏子聪浙江师范大学

学位级别：硕士

随着科学技术的进步,科学问题和工程任务中数据集和计算规模的激增对优化算法提出巨大挑战.相对于传统的集中式优化算法,分布式优化方法可以突破单核运算的瓶颈以应对大规模优化问题.因其较强的鲁棒性、安全性、可扩展性和并行计算能力... 详细信息

随着科学技术的进步,科学问题和工程任务中数据集和计算规模的激增对优化算法提出巨大挑战.相对于传统的集中式优化算法,分布式优化方法可以突破单核运算的瓶颈以应对大规模优化问题.因其较强的鲁棒性、安全性、可扩展性和并行计算能力,分布式优化成为应用数学、工程技术、计算机科学以及社会科学等领域中的一个研究热点,其方法和技术在智能控制、分布式学习和能源系统等领域中的关键问题得到广泛应用.此外,对于非凸性的处理一直是最优化理论研究的难点,并给实际问题的解决和方法的设计分析带来了挑战.本文针对非凸优化问题提出并分析了基于协作神经动力学的分布式非凸优化方法,文章主要内容包括:1.本文研究了基于协作神经动力学的分布式非凸优化方法.基于增广拉格朗日函数,设计了神经动力学系统用于局部最优解的分布式搜索.在协作神经动力学方法中,其上层利用历史经验通过粒子群规则进行初值重置,在其下层采用多个神经动力学系统进行全局最优解搜索.三个数值例子中展示了增广拉格朗日函数的效果和所提出方法的的可行性.相比于现有凸性条件下设计的分布式优化方法,所设计的神经动力学系统可以有效的收敛到局部最优解,而不会产生震荡甚至发散的行为.突破现有分布式非凸优化方法在需要特殊非凸性条件或者只获得局部最优解的不足,所提出方法在一般非凸条件下能实现全局最优解的搜索.2.本文建立了分布式非凸最优资源分配方法.为了限制所分配资源地的数量,在最优资源分配问题中,引入基约束.针对无基约束和带基约束的非凸最优资源分配问题,设计了神经动力学系统用于决定满足基约束的局部资源分配策略.在协作神经动力学方法的范式下,设计了分布式非凸资源分配优化方法.本文提供了三个资源分配的仿真应用涉及智能电网中的经济调度问题和暖通系统的冷水机负载分配问题.实验说明了增广拉格朗日函数的有效性,并通过蒙特卡洛测试说明了分布式非凸最优资源分配优化方法的稳定性和优化效果.相比于凸性条件下且不考虑基约束的为最优资源分配问题建立的系统,所设计的神经动力学系统可以有效地获得满足基约束的局部资源分配策略.相比于现有凸条件下分布式最优资源分配方法,所建立的方法可以在非凸条件和基约束下,稳定有效地进行全局最优资源分配策略的搜索.3.本文提出了分布式全局耦合约束非凸优化方法.本文采用分布式估计解决了非凸条件下全局耦合约束不易实现分布式计算的难点.本文证明所设计的神经动力学系统能收敛到优化问题的最优解.结合一组神经动力学系统和指导初值重置的粒子群优化规则,设计了分布式协作神经动力学优化方法.此外,该方法可以同时实现上下层的分布式计算.数值例子说明了增广拉格朗日函数和分布式估计的有效性.电力市场的应用说明了分布式协作神经动力学优化方法的稳定性和优化效果.

关键词：分布式优化非凸优化多智能体系统协作神经动力学分布式估计

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

分布式扩散无迹卡尔曼滤波研究

分布式扩散无迹卡尔曼滤波研究

作者：赵宏宇西南大学

学位级别：硕士

随着人们对快速、可靠的数据访问需求增加,传感器逐渐朝着轻巧化、智能化以及低成本化的趋势发展。无线通信和传感器技术的发展使得大量低成本和低功耗传感器能够相互通信并通过协作完成任务,形成传感器网络。与其他数据融合方法相比,... 详细信息

随着人们对快速、可靠的数据访问需求增加,传感器逐渐朝着轻巧化、智能化以及低成本化的趋势发展。无线通信和传感器技术的发展使得大量低成本和低功耗传感器能够相互通信并通过协作完成任务,形成传感器网络。与其他数据融合方法相比,分布式滤波在没有本地融合中心的情况下运行,不仅具有低耗能、高可靠、鲁棒性好等特点,还可以在多个平台之间共享更完整、更准确、更及时的数据。其中,基于扩散策略的分布式估计由于不要求网络具有一个环形的循环结构,也不需要约束每个节点与周围邻居节点收敛到相同值,从而具有更好的灵活性和更强的鲁棒性。当无线传感器网络受到外部事件的影响时,传感器节点可能表现为数据异常;当传感器本身的通信和计算能力受到各种因素的限制时,可能会出现数据收集和传输受限。并且滤波器的实际应用还会受到普遍存在的非线性模型的限制。基于此,本文针对非线性模型中传感器网络异常以及资源受限问题对分布式扩散无迹卡尔曼滤波进行研究。首先,本文对无线传感器网络模型及系统模型进行介绍,同时展开描述了无迹卡尔曼滤波过程,包括采样、更新、预测三个步骤,并且对分布式扩散策略下的无迹卡尔曼滤波进行详细描述。其次,针对网络中受到攻击的场景,研究了抗网络攻击的安全分布式无迹卡尔曼滤波,并提出了一种基于聚类的扩散无迹卡尔曼攻击检测算法。在扩散过程中,将两层循环机制应用到状态估计攻击检测和协方差矩阵攻击检测中,为可信邻居节点的局部估计分配更大的权重,从而降低了网络攻击对估计性能的影响。通过仿真验证了该算法在安全节点信息未知的情况下,对于四种攻击模型都适用,包括虚假数据注入攻击、随机攻击、反向攻击和重放攻击,均具有良好的估计精度。最后,针对传感器资源受限问题,将事件触发策略和量化策略结合,本文提出了具有资源约束的扩散无迹卡尔曼滤波,即基于自适应事件触发和量化策略的扩散无迹卡尔曼滤波。通过当前时刻与上一时刻数据的相似度,选择事件触发方案或量化方案。当相似度较高时,选择事件触发方案,传感器节点采用基于每个条目的自适应事件触发方法来确定传输哪些信息条目,从而实现对传输数据的降维。当相似度较低时,选择量化方案,传感器节点采用抖动量化模型,与邻居节点之间交换量化后的信息,从而降低通信代价。此外,通过性能分析证明了该算法的收敛性,并计算了通信成本。在数值仿真中验证了该方法可以以较小的估计精度为代价实现通信成本显著的降低。

关键词：分布式估计非线性滤波卡尔曼滤波攻击检测资源受限