[发明专利]分布式异步一致性滤波方法、电子设备及计算机存储介质

权利要求书

1.一种分布式异步一致性滤波方法，适用于异步传感器网络，其特征在于，所述分布式异步一致性滤波方法包括：

异步传感器网络中的各传感器节点通过采样获得各自的测量值；

各传感器节点基于各自采样获得的测量值，利用预设的滤波算法在各自的异步采样时刻进行局部滤波，得到各自的局部估计；

在一致融合时刻，基于离一致融合时刻最近的各传感器节点的测量值，将其局部估计结果同步到一致融合时刻；并基于各传感器节点同步后的局部估计，对各传感器节点实施加权平均一致性迭代，在经过预设次数的迭代后，得到一致滤波结果。

2.如权利要求1所述的分布式异步一致性滤波方法，其特征在于，所述各传感器节点基于各自采样获得的测量值，利用预设的滤波算法在各自的异步采样时刻进行局部滤波，得到各自的局部估计，包括：

各传感器节点基于各自采样获得的测量值，利用Kalman滤波算法在各自的异步采样时刻进行局部滤波，得到各自的局部估计。

3.如权利要求2所述的分布式异步一致性滤波方法，其特征在于，所述各传感器节点基于各自采样获得的测量值，利用Kalman滤波算法在各自的异步采样时刻进行局部滤波，得到各自的局部估计，包括：

根据下式计算各传感器节点预测的状态估计值和估计误差的协方差矩阵

其中，表示从到时刻系统的状态转移矩阵，表示过程噪声的协方差矩阵，表示第i个传感器在第k个滤波时间间隔(t_k-1,t_k]内第s-1个局部估计值，表示第i个传感器在第k个滤波时间间隔(t_k-1,t_k]内第s-1个局部估计误差的协方差矩阵；

根据下式计算各传感器节点的滤波增益矩阵

其中，表示测量矩阵，表示测量噪声的协方差矩阵；

计算局部传感器节点更新的状态估计值和误差协方差矩阵

其中，表示第i个传感器节点在第k个滤波时间间隔(t_k-1,t_k]内的第s个测量值，表示系统的状态。

4.如权利要求3所述的分布式异步一致性滤波方法，其特征在于，所述基于各传感器节点同步后的局部估计，对各传感器节点实施加权平均一致性迭代，在经过预设次数的迭代后，得到一致滤波结果，包括：

各传感器节点将同步后的局部估计结果发送给其邻居节点，同时接收邻居节点的局部估计结果，并将接收的邻居节点的局部估计结果与自身的局部估计结果一起进行加权平均迭代，得到一致滤波结果。

5.如权利要求4所述的分布式异步一致性滤波方法，其特征在于，所述在一致融合时刻，基于离一致融合时刻最近的各传感器节点的测量值，将其局部估计结果同步到一致融合时刻，包括：

基于离一致融合时刻最近的传感器节点的测量值，将其局部估计结果同步到一致融合时刻，转换公式如下所示：

其中，表示第i个传感器节点在一致融合t_k时刻的状态估计值，表示从到t_k时刻的状态转移矩阵，表示第i个传感器节点在一致融合t_k时刻估计误差的协方差矩阵，表示过程噪声的协方差矩阵。