多智能体网络上动态场的分布式估计
信息论
2017-01-11 v1 math.IT
摘要
本工作提出了用于多智能体/传感器网络上时变随机场估计的分布式算法。传感器网络对动态场进行稀疏且有噪声的局部测量。每个传感器旨在基于自身局部观测和邻居估计，获得整个场的无偏分布式估计，且均方误差（MSE）有界。本工作开发了三种新颖的分布式估计器：伪新息卡尔曼滤波器（Pseudo-Innovations Kalman Filter, PIKF）、分布式信息卡尔曼滤波器（Distributed Information Kalman Filter, DIKF）和共识+新息卡尔曼滤波器（Consensus+Innovations Kalman Filter, CIKF）。我们设计增益矩阵，使得估计器在局部观测和网络通信模型的最小假设下实现无偏估计且MSE有界。本工作建立了这三种分布式估计器之间的权衡，并展示了它们优于现有解决方案。我们通过广泛的数值评估验证了结果。
引用
@article{arxiv.1701.02710,
title = {Distributed Estimation of Dynamic Fields over Multi-agent Networks},
author = {Subhro Das and José M. F. Moura},
journal= {arXiv preprint arXiv:1701.02710},
year = {2017}
}
备注
Accepted for publication at ICASSP 2017