http://bhxb.buaa.edu.cnjbuaa@buaa.edu.cnDOI:10.13700/j.bh.1001-5965.2021.0240基于有限存储空间的分布式传感器融合估计器韩旭1，王元鑫2，*，程显超1，王小飞2(1.解放军91001部队，北京100036；2.海军航空大学青岛校区，青岛266041)摘要：研究具有信息传输模型不确定性、随机时间延迟和数据丢包的网络化多传感器分布式融合估计问题。模型的不确定性刻画为系统矩阵中的非高斯非白噪声干扰，在远程处理中心处设置有限长度的存储空间用来存储各个传感器延迟到达的测量值。在最小方差原则下设计了一种利用测量值到达变量的最优常增益局部估计器，利用协方差交叉加权方法得到最优分布式融合估计器并推导得到使得估计器有界的条件。最后，通过某电源系统计算实例仿真验证所提融合估计器的有效性。关键词：存储空间；模型不确定性；随机时延和丢包；常增益局部估计器；CI融合估计器中图分类号：TJ765.2文献标志码：A文章编号：1005-5965（2023）02-0335-09由于无线网络化多传感器融合估计在航空航天、智能交通、工业生产自动控制、无人运载体导航及环境监测等领域的重要应用，国内外学者已经对其产生了广泛的关注和研究[1-5]。然而网络化融合估计在工程背景中受多因素影响不可避免地产生模型的不确定性、随机传输时延和数据包丢失问题，使得融合估计性能受到严重损害。针对存有时延和丢包问题的状态估计器设计问题，学术界已经探究了一些理论成果。Sun和Ma[6-7]利用将状态矩阵建立增广矩阵的思路，将随机时延和丢包系统转变成无时延系统，并利用射影思想推导出最优估计器，但是增广方法导致高维矩阵的求逆计算，使得计算负担成指数增加。文献[8]讨论集中式融合估计时，对存在传感器增益退化甚至无效、模型不确定性、观测数据时延甚至丢包情况下如何进行融合估计问题进行考虑，并提出2种不同的鲁棒融合估计算法。文献[9]同时考虑模型不确定性、传感器量测衰减、随机传输时间延迟和丢包，提出一种集中式框架下的融合估计器，该估计器在设计新息模型时利用了当前时刻之前估计值的加权值，表明该方法得到的估计结果要比经典Kalman方法精确度更高。但是该估计器需要处理不同传感器不同时刻的误差交联，当传感器数量和时延较大时，实时性难以保证。文献[10]提出了一种具有传感器增益退化、随机传输时间延迟和数据包丢失的分布式融合估计器，该估计器虽精度上比集中式结构稍有损失，但计算量得到了有效降低。文献[7-9]在每一个采样周期内，只保留到达估计中心...
