压缩分布式Kalman滤波器

切换拓扑下误差有界

面向稀疏高维状态估计，将压缩感知与分布式滤波结合，在马尔可夫切换拓扑下以更弱的激励条件保证估计误差上界。

Rongjiang, Li · Gan, Die · Xie, Siyu · 谷海波 · Jinhu, Lu

IEEE Transactions on Cybernetics 2024

技术优势

条件更弱

压缩协作激励条件比传统非压缩集体可观测性条件弱得多，使得更多场景下算法适用。

误差有界

在马尔可夫切换拓扑下建立了估计误差的上界，确保滤波稳定性。

应用场景

• 分布式状态估计：在随机切换拓扑下对高维稀疏状态进行分布式估计，无需满足传统可观测性条件。
• 稀疏信号恢复：通过压缩感知在低维空间融合信息，再利用重构技术恢复原始高维稀疏信号。
• 网络化控制系统：在网络拓扑随机切换的环境下实现稳定的分布式滤波与状态估计，提高系统鲁棒性。
• 传感器融合：各传感器对压缩数据进行协方差交叉融合，得到一致的分布式估计。