کد مقاله کد نشریه سال انتشار مقاله انگلیسی نسخه تمام متن
4946837 1439557 2017 37 صفحه PDF دانلود رایگان
عنوان انگلیسی مقاله ISI
Distributed weighted fusion estimation for uncertain networked systems with transmission time-delay and cross-correlated noises
ترجمه فارسی عنوان
توزیع برآورد فیوژن وزنی برای سیستم های نامشخص شبکه ای با زمان تأخیر انتقال و صداهای متقابل
ترجمه چکیده
این مقاله مسئله برآورد دولت را برای سیستم های نامشخص شبکه ای بررسی می کند، با توجه به انتقال داده ها به زمان تاخیر زمانی و صداهای متقابل مرتبط. برای تجزیه و تحلیل دقیق برآورد از اندازه گیری های متضاد، یک توزیع قوی تصحیح مبتنی بر فیلترینگ کالمن و روش همجوشی متمرکز پیشنهاد شده است. در نتیجه، میزان اطلاعات اضافی را کاهش داده و بار تخمین را کاهش می دهد. برای توصیف تاخیر زمان انتقال و ایجاد نوسانات متقابل و وابسته به دولت در اندازه گیری ارز در میان همسایگان، یک استراتژی نوآوری بازسازی مجدد فیوژن با وزن کم برای کاهش بار محاسباتی و جلوگیری از اثر نویز پیشنهاد شده است. علاوه بر این، برای به دست آوردن برآورد خطی بهینه، یک رویکرد برآورد تلفیقی برای همکاری اطلاعات با استفاده از وزن گذاری ماتریس های متقابل کوواریانس خطا استفاده می شود. در نهایت، یک مثال برای نشان دادن اثربخشی و استحکام روش پیشنهادی ارائه شده است.
موضوعات مرتبط
مهندسی و علوم پایه مهندسی کامپیوتر هوش مصنوعی
چکیده انگلیسی
This paper investigates the state estimation issue for uncertain networked systems considering data transmission time-delay and cross-correlated noises. A distributed robust Kalman filtering-based perception and centralized fusion method is proposed to improve the estimation accuracy from perturbed measurement; consequently, reduce the amount of redundant information and alleviate the estimation burden. To describe the transmission time-delay and give rise to cross-correlated and state-dependent noises in the exchange measurement among neighbors, a weighted fusion reorganized innovation strategy is proposed to reduce the computational burden and suppress noise effect. Moreover, to obtain the optimal linear estimate, a fusion estimation approach is used for information collaboration by weighting the error cross-covariance matrices. Finally, an illustrative example is presented to demonstrate the effectiveness and robustness of the proposed method.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Neurocomputing - Volume 270, 27 December 2017, Pages 54-65
نویسندگان
, , , , ,