通过主动激励推断网络动态系统拓扑
多智能体系统
2022-08-25 v1
摘要
网络动态系统（NDSs）的拓扑推断近年受到相当关注。多数开创性工作致力于从NDSs的丰富观测中推断拓扑，以渐近逼近真实拓扑。利用NDSs会对各类扰动作出反应且扰动影响持续扩散的特性，本文聚焦于通过少量主动激励推断拓扑。关键挑战在于从呈现的状态偏差中区分系统噪声与激励的不同影响，其中影响随时衰減且激励不可任意大。为落地，我们提出一种基于单次激励的推断方法以推断节点的跳邻居。首先推导了精确单跳邻居推断的激励条件并给出概率保证。随后将结果扩展至跳邻居推断与多次激励情形，给出了推断精度与激励幅值的显式关系。具体而言，基于激励的推断方法不仅适用于缺乏丰富观测的场景，也可作为辅助手段提升现有方法精度。仿真验证了分析结果。
引用
@article{arxiv.2208.11276,
title = {Inferring Topology of Networked Dynamical Systems by Active Excitations},
author = {Yushan Li and Jianping He and Cailian Chen and Xinping Guan},
journal= {arXiv preprint arXiv:2208.11276},
year = {2022}
}
备注
Accepted by IEEE CDC 2022