传感器网络上的分布式异常检测与估计：观测等价性与Q冗余观测器设计

在本文中，我们通过传感器网络上的分布式估计研究无状态与有状态的基于物理的异常检测场景。在有状态情形下，检测器跟踪传感器残差（即估计输出与真实输出之差），若所记录残差的某些统计量偏离预定义阈值则报警，例如$\chi^2$（卡方）检测器。相反，在无状态情形下，仅残差的瞬时偏差即触发报警，而不考虑传感器输出与估计数据的历史。针对两种情形给定（近似）误报率，我们基于噪声统计提出一种概率阈值设计。我们通过仿真表明，在有状态情形下增加窗口长度未必降低误报率，反而会带来不必要的报警延迟。所提检测算法的分布式特性使得能够通过添加冗余的观测等价传感器对故障传感器进行局部隔离并可能恢复。进而，我们给出了一种设计Q冗余分布式观测器的机制，其对网络上多达Q个传感器故障（或移除）具有鲁棒性。