.png){kind=icon}
返回
Distributed maximum correntropy divided difference consensus filtering based on covariance intersection over wireless sensor networks
.png){kind=icon}
PRE
AI
DOI：10.1080/00207721.2025.2563105.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
本文研究了受非高斯噪声影响的无线传感器网络（WSNs）中的分布式状态估计（DSE）问题。近期提出的基于一阶最大相关熵的差分差值（MCDD1）滤波和二阶最大相关熵的差分差值（MCDD2）滤波，在非高斯噪声下能够实现比一阶差分差值（DD1）滤波和二阶差分差值（DD2）滤波更优的性能。然而，上述滤波器主要处理来自单个中心传感器的状态估计，不适用于实际应用中的大规模传感器网络。基于MCDD1和MCDD2，本文利用协方差交集（CI）融合规则，提出了两种新颖的DSE滤波器，分别称为一阶分布式最大相关熵差分差值一致性（DMCDDC1）滤波和二阶分布式最大相关熵差分差值一致性（DMCDDC2）滤波。此外，我们证明了DMCDDC1滤波和DMCDDC2滤波方法的估计是一致的，且其均方估计误差呈指数有界。最后，通过一个典型的空中交通管制场景验证了所提滤波器的有效性。
Keyword:
Distributed state estimation (DSE)
maximum correntropy criterion (MCC)
covariance intersection (CI)
divided difference filter (DDF)
期刊
I
IF:
4.6
论文数:
1.1K
被引数:
7.3K
机构
引用论文
分享收藏
分享收藏Overview of the Application of Remote Sensing in Effective Monitoring of Water Quality Parameters
OAAI
OAAI分享收藏Robust M-estimation-based maximum correntropy Kalman filter基于鲁棒M估计的最大相关熵Kalman滤波器.png)
ISA TRANSACTIONS
ISA TRANSACTIONSIF6.5
PREAI
分享收藏Kullback-Leibler average, consensus on probability densities, and distributed state estimation with guaranteed stabilityAUTOMATICA
AUTOMATICAIF5.9
PREAI
分享收藏分享收藏
查看更多内容