针对基于数据分发服务的分散式组网导航系统(decentralized networked navigation system based on DDS,DDS-DNNS)单定位节点状态估计问题,考虑节点能量约束及传感器增益退化,以Bayes理论为基础,设计了具有随机事件触发机制(stochastic ...针对基于数据分发服务的分散式组网导航系统(decentralized networked navigation system based on DDS,DDS-DNNS)单定位节点状态估计问题,考虑节点能量约束及传感器增益退化,以Bayes理论为基础,设计了具有随机事件触发机制(stochastic event-triggered,SET)的DDS-DNNS最小均方误差状态估计器。其中,SET机制通过比较是否传输测量值对应的后验估计的差异来决定测量值的重要程度。以此为基础,选取Wasserstein距离作为度量来表示后验估计的差异,并利用Wasserstein距离的性质及Bayes定理证明了后验估计是Gaussian的,从而得到了估计器的类Kalman滤波递推形式以及SET机制的显式表达式。证明了估计器的预测误差协方差有界,且上界和下界均收敛,同时,证明了平均信息传输率有界并推导得到了上界和下界的表达式。利用算例仿真演示了如何通过平均信息传输率的上界和下界确定调整矩阵,模拟了SET机制中一阶矩信息和二阶矩信息对SET机制的影响,同时采用比较实验验证了估计器的有效性。展开更多
为应对复杂多变的未知环境对海洋航行器运动预测所造成的挑战,提出了一种融合级联滤波与误差触发支持向量回归(error-triggered support vector regression,ETSVR)的智能预测系统。首先,该系统基于移动平均滤波对原始数据进行预处理,以...为应对复杂多变的未知环境对海洋航行器运动预测所造成的挑战,提出了一种融合级联滤波与误差触发支持向量回归(error-triggered support vector regression,ETSVR)的智能预测系统。首先,该系统基于移动平均滤波对原始数据进行预处理,以剔除异常值并抑制高频噪声,为后续预测提供高质量的数据集;其次,引入二阶扩展卡尔曼滤波对系统状态进行精确估计,进一步增强数据的平稳度和可靠性;最后,设计ETSVR算法对处理后的高质量数据集进行学习,以构建海洋航行器的运动预测模型,实现精准运动预测,并借助误差触发机制提升系统的实时性与计算效率。基于湖试数据的实验结果表明,所提出的智能运动预测系统在多项误差指标上均显著优于传统的线性回归算法。例如,在侧向速度预测中,均方误差较线性回归算法降低约53.2%;在转艏角速度预测中,最大误差减少了约58.2%。这些结果表明,提出的级联滤波与ETSVR算法相结合的智能预测系统,能够显著提升海洋航行器在复杂未知环境中的运动预测精度,具有较好的应用前景和重要的研究意义。展开更多
文摘针对基于数据分发服务的分散式组网导航系统(decentralized networked navigation system based on DDS,DDS-DNNS)单定位节点状态估计问题,考虑节点能量约束及传感器增益退化,以Bayes理论为基础,设计了具有随机事件触发机制(stochastic event-triggered,SET)的DDS-DNNS最小均方误差状态估计器。其中,SET机制通过比较是否传输测量值对应的后验估计的差异来决定测量值的重要程度。以此为基础,选取Wasserstein距离作为度量来表示后验估计的差异,并利用Wasserstein距离的性质及Bayes定理证明了后验估计是Gaussian的,从而得到了估计器的类Kalman滤波递推形式以及SET机制的显式表达式。证明了估计器的预测误差协方差有界,且上界和下界均收敛,同时,证明了平均信息传输率有界并推导得到了上界和下界的表达式。利用算例仿真演示了如何通过平均信息传输率的上界和下界确定调整矩阵,模拟了SET机制中一阶矩信息和二阶矩信息对SET机制的影响,同时采用比较实验验证了估计器的有效性。
文摘为应对复杂多变的未知环境对海洋航行器运动预测所造成的挑战,提出了一种融合级联滤波与误差触发支持向量回归(error-triggered support vector regression,ETSVR)的智能预测系统。首先,该系统基于移动平均滤波对原始数据进行预处理,以剔除异常值并抑制高频噪声,为后续预测提供高质量的数据集;其次,引入二阶扩展卡尔曼滤波对系统状态进行精确估计,进一步增强数据的平稳度和可靠性;最后,设计ETSVR算法对处理后的高质量数据集进行学习,以构建海洋航行器的运动预测模型,实现精准运动预测,并借助误差触发机制提升系统的实时性与计算效率。基于湖试数据的实验结果表明,所提出的智能运动预测系统在多项误差指标上均显著优于传统的线性回归算法。例如,在侧向速度预测中,均方误差较线性回归算法降低约53.2%;在转艏角速度预测中,最大误差减少了约58.2%。这些结果表明,提出的级联滤波与ETSVR算法相结合的智能预测系统,能够显著提升海洋航行器在复杂未知环境中的运动预测精度,具有较好的应用前景和重要的研究意义。
