CN115276917A - 一种利用历史信息的远程状态估计传输控制方法 - Google Patents

一种利用历史信息的远程状态估计传输控制方法 Download PDF

Info

Publication number
CN115276917A
CN115276917A CN202210902879.3A CN202210902879A CN115276917A CN 115276917 A CN115276917 A CN 115276917A CN 202210902879 A CN202210902879 A CN 202210902879A CN 115276917 A CN115276917 A CN 115276917A
Authority
CN
China
Prior art keywords
data information
moment
estimation
remote
sensor
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN202210902879.3A
Other languages
English (en)
Other versions
CN115276917B (zh
Inventor
李渝哲
阚赢敏
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Northeastern University China
Original Assignee
Northeastern University China
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Northeastern University China filed Critical Northeastern University China
Priority to CN202210902879.3A priority Critical patent/CN115276917B/zh
Publication of CN115276917A publication Critical patent/CN115276917A/zh
Application granted granted Critical
Publication of CN115276917B publication Critical patent/CN115276917B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
    • H04W4/30—Services specially adapted for particular environments, situations or purposes
    • H04W4/38—Services specially adapted for particular environments, situations or purposes for collecting sensor information
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L1/00—Arrangements for detecting or preventing errors in the information received
    • H04L1/12—Arrangements for detecting or preventing errors in the information received by using return channel
    • H04L1/16—Arrangements for detecting or preventing errors in the information received by using return channel in which the return channel carries supervisory signals, e.g. repetition request signals
    • H04L1/1607—Details of the supervisory signal
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W16/00—Network planning, e.g. coverage or traffic planning tools; Network deployment, e.g. resource partitioning or cells structures
    • H04W16/22—Traffic simulation tools or models
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W24/00—Supervisory, monitoring or testing arrangements
    • H04W24/02—Arrangements for optimising operational condition
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W28/00—Network traffic management; Network resource management
    • H04W28/16—Central resource management; Negotiation of resources or communication parameters, e.g. negotiating bandwidth or QoS [Quality of Service]
    • H04W28/18—Negotiating wireless communication parameters
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
    • Y02D30/00—Reducing energy consumption in communication networks
    • Y02D30/70—Reducing energy consumption in communication networks in wireless communication networks

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Quality & Reliability (AREA)
  • Selective Calling Equipment (AREA)

Abstract

本发明提供一种利用历史信息的远程状态估计传输控制方法，涉及通信领域和信息物理***远程估计技术领域。该方法包括两个部分：当历史数据信息成功到达远程估计端的时候，此时传感器以全部传输能量发送最新数据信息；当历史数据信息出现丢失的情况，此时传感器将全部传输能量分成两份，分别传输最新数据信息以及重新传输历史丢失数据信息。本发明在数据估计方面，通过在有数据信息丢失的情况下，对丢失的数据信息进行重传控制，提高远程终端的估计性能；在能量利用方面，通过对整体能量的进一步细分，划分为传输当前时刻数据信息的能量以及传输历史数据信息的能量，提高了能量的利用率，在工程实践中有一定应用价值。

Description

一种利用历史信息的远程状态估计传输控制方法
技术领域
本发明涉及通信领域和信息物理***远程估计技术领域，尤其涉及一种利用历史信息的远程状态估计传输控制方法。
背景技术
信息物理***(Cyber-Physical System)是结合了通信(Communication)、计算(Computation)以及控制(Control)3C技术的适时交互、高效***的复杂***，实现***内的资源配置以及按需响应、快速迭代等功能。CPS具有***自治、安装便捷、可靠性强等优势，被广泛应用于智能交通、环境检测、战场监视等领域。但是由于信道衰减、通信干扰以及能量有限等情况的存在，会造成数据信息丢失进而影响估计与控制性能的下降。因此，研究如何在有限的资源能量下进行能量控制以及数据传输，使终端获得更好的估计性能至关重要。
现有的关于远程状态估计的传输控制研究分为两类：一类是基于控制传输功率的策略，研究重点在于如何选择功率发送当前信息；另一类是控制是否传输数据信息的策略，研究重点在于如何设计机制发送当前信息。但是当数据信息已经丢失，无论如何选择功率或者如何设计机制发送当前信息，都无法弥补历史数据丢失所带来的估计性能下降。
发明内容
本发明要解决的技术问题是针对上述现有技术的不足，提供一种利用历史信息的远程状态估计传输控制方法，实现在总体能量有限的情况下，提高远程估计端的估计性能。
为解决上述技术问题，本发明所采取的技术方案是：
一种利用历史信息的远程状态估计传输控制方法，包括两部分：第一部分是历史数据信息成功传输到达远程估计端，当前时刻传感器选择以全部能量发送最新数据信息；第二部分是历史数据信息丢失，此时传感器将总体传输能量分为两份，一份用来发送最新数据信息，剩下的另一份能量用来发送丢失的历史数据信息。具体步骤如下：
S1：构建整体***动态模型，对***自身物理过程变化以及传感器采集数据之后输出到远程估计端的过程进行描述，将过程状态、测量数值以及噪声影响以***状态空间形式表示如下：
xk+1＝Axk+ωk (1)
yk＝Cxk+vk (2)
其中，xk+1为***状态向量，yk为传感器测量向量；ωk和vk分别代表***噪声和测量噪声，二者是零均值的高斯白噪声，满足：
Figure BDA0003771532110000011
Figure BDA0003771532110000021
A和C分别代表控制***状态矩阵以及传感器测量输出矩阵，满足(A,C)可观，
Figure BDA0003771532110000022
可控；
S2：给定传感器总功率能量L＝1；在初始时刻k＝1时，传感器以能量L＝1发送当前测量值，同时远程估计端用Kalman滤波估计算法计算相应的误差协方差，Kalman滤波估计包括以下两个计算步骤：
S2.1：时间更新
Figure BDA0003771532110000023
Figure BDA0003771532110000024
S2.2：状态更新
Figure BDA0003771532110000025
Figure BDA0003771532110000026
Figure BDA0003771532110000027
其中，
Figure BDA0003771532110000028
分别表示***状态xk的先验和后验估计，
Figure BDA0003771532110000029
Pk分别表示对应的先验和后验误差协方差；
Figure BDA00037715321100000210
Figure BDA00037715321100000211
表示向量{y1,…,yk}张成的空间；
Figure BDA00037715321100000212
Figure BDA00037715321100000213
称为新息，也叫残差，表示当前测量值与上一时刻先验估计对当前测量值估计的差值，
Figure BDA00037715321100000214
Kk为Kalman滤波增益，
Figure BDA00037715321100000215
A′、C′表示矩阵A和C的转置；
S3：在步骤S2计算结果的基础上，运用蒙特卡洛算法计算当前时刻的均值误差期望协方差的迹；
S4：利用历史信息进行远程状态估计传输控制，具体过程如下：
将数据信息到达情况反馈给传感器，进入下一时刻；
设置随机数m(k)，传感器判断上一时刻是否丢包；
传感器和远程估计端之间信息传输的等效传输过程γk描述成如下独立二进制随机过程：
Figure BDA00037715321100000216
用λk＝Pr(γk＝0)表示在k时刻数据信息丢失的概率，计算公式如下：
Figure BDA00037715321100000217
其中，χ是一个有正交调幅相关的常数，Γk是在k时刻的传输功率，N0是加性高斯白噪声的功率谱密度，W是信道带宽；
若上一时刻计算后的λk大于m(k)，则判断为上一时刻未发生数据信息丢失，以全部传输能量发送当前时刻的测量值，然后执行步骤S5，按情况2进行更新；
反之，则判断为上一时刻发生数据信息丢失，当前时刻传感器以传输能量Lα和Lβ分别发送当前数据信息和历史丢失数据信息，然后执行步骤S5；
此时传感器的传输集合如下：
Figure BDA0003771532110000031
其中，
Figure BDA0003771532110000032
Figure BDA0003771532110000033
其中，
Figure BDA0003771532110000034
和
Figure BDA0003771532110000035
分别表示为能量Lα和Lβ进行传输的决策变量，若决策变量数值标记为1则代表选择能量进行传输，反之则未传输；
Figure BDA0003771532110000036
代表k-1时刻最新数据信息的到达结果，如果记为1，则代表传感器传输数据被远程估计端接收，反之如果记为0，则代表丢失了k-1时刻的数据信息；
S5：在上述利用历史信息的远程状态传输控制策略下，首先根据Kalman滤波计算当前时刻的误差协方差，其次根据不同的数据信息到达情况，经由蒙特卡洛算法计算当前时刻的均值误差协方差的迹；
具体情况如下：
情况1：当前数据信息以及历史丢失数据信息均成功到达远程估计端，此时先更新k-1时刻的状态估计，其次在更新后的k-1时刻估计的基础上更新k时刻的状态估计；
情况2：当前数据信息到达且重传的历史数据信息未到达远程估计端，此时，当前时刻的更新过程同步骤S2.1和步骤S2.2；
情况3：当前数据信息未到达且重传的历史数据信息到达远程估计端，此时先更新k-1时刻的状态估计，其次在更新后的k-1时刻估计的基础上进行k时刻的时间估计；
情况4：当前数据信息以及历史丢失数据信息均未成功到达远程估计端，此时，Kalman滤波增益Kk＝0，更新过程同步骤S2.1和步骤S2.2。
在上述情况下，当前时刻传感器发送双数据信息，给出此时远程估计端的Kalman滤波状态误差估计协方差以及均值误差协方差的迹的表达式；
远程估计端的数据信息到达情况及到达的测量值集合表示如下：
Figure BDA0003771532110000037
得到k时刻的双数据信息不同到达情况下的误差估计协方差表达式如下：
Figure BDA0003771532110000041
其中，h(X),
Figure BDA0003771532110000042
g(X)分别代表不同的函数表达式，具体如下：
Figure BDA0003771532110000043
决策变量
Figure BDA0003771532110000044
和
Figure BDA0003771532110000045
分别代表当前时刻最新数据信息和历史时刻丢失数据信息的到达结果，如果决策变量记为1，则代表传感器传输数据被远程估计器端接收，反之则丢失了对应数据信息；
进一步，得到均值误差协方差的迹的表达式为：
Figure BDA0003771532110000046
其中，Tr代表对矩阵求迹运算；
S6：判断当前时刻k是否为总采样点数，若是，则输出所有采样点的均值误差协方差的迹，结束数据传输过程；若否，则返回步骤S4，进行下一时刻的数据传输，依次遍寻所有采样点。
采用上述技术方案所产生的有益效果在于：本发明提供的利用历史信息的远程状态估计传输控制方法，在数据估计方面，通过在有数据信息丢失的情况下，对丢失的数据信息进行重传，提高远程估计端的估计性能；在能量利用方面，通过对整体能量的进一步细分，划分为传输当前时刻数据信息的能量以及传输历史数据信息的能量，提高了能量的利用率；在性能分析方面，给出了所提传输策略的稳态分析以及优于传统传输策略的条件，为解决远程状态估计中的资源优化问题提供了方法。
附图说明
图1为本发明实施例提供的利用历史信息的远程状态估计传输控制方法原理图；
图2为本发明实施例提供的利用历史信息的远程状态估计传输控制方法流程图；
图3为本发明实施例提供的利用历史信息的远程状态估计传输控制方法和传统的远程状态估计传输控制算法的性能对比图。
具体实施方式
下面结合附图和实施例，对本发明的具体实施方式作进一步详细描述。以下实施例用于说明本发明，但不用来限制本发明的范围。
本实施例基于离散定常***，使用本发明提出的利用历史信息的远程状态估计传输控制方法，在有限的资源能量下提高远程估计端估计性能，其原理如图1所示，该方法包括两部分：第一部分是历史数据信息成功传输到达远程估计端，当前时刻传感器选择以全部能量发送最新数据信息；第二部分是历史数据信息丢失，此时传感器将总体传输能量分为两份，一份用来发送最新数据信息，剩下的另一份能量用来发送丢失的历史数据信息。具体详细实施步骤如图2所示，包括以下步骤：
S1：构建整体***动态模型，对***自身物理过程变化以及传感器采集数据之后输出到远程估计端的过程进行描述，将过程状态、测量数值以及噪声影响以***状态空间形式表示如下：
xk+1＝Axk+ωk (1)
yk＝Cxk+vk (2)
其中，xk+1为***状态向量，yk为传感器测量向量；ωk和vk分别代表***噪声和测量噪声，二者是零均值的高斯白噪声，满足：
Figure BDA0003771532110000051
Figure BDA0003771532110000052
A和C分别代表控制***状态矩阵以及传感器测量输出矩阵，满足(A,C)可观，
Figure BDA0003771532110000053
可控。
S2：给定传感器总功率能量L＝1；在初始时刻k＝1时，传感器以能量L＝1发送当前测量值，同时远程估计端用Kalman滤波估计算法计算相应的误差协方差，Kalman滤波估计包括以下两个计算步骤：
S2.1：时间更新
Figure BDA0003771532110000054
Figure BDA0003771532110000055
S2.2：状态更新
Figure BDA0003771532110000056
Figure BDA0003771532110000057
Figure BDA0003771532110000058
其中，
Figure BDA0003771532110000059
分别表示***状态xk的先验和后验估计，
Figure BDA00037715321100000510
Pk分别表示对应的先验和后验误差协方差；
Figure BDA00037715321100000511
Figure BDA00037715321100000512
表示向量{y1,…,yk}张成的空间；
Figure BDA00037715321100000513
Figure BDA00037715321100000514
称为新息，也叫残差，表示当前测量值与上一时刻先验估计对当前测量值估计的差值，
Figure BDA00037715321100000515
Kk为Kalman滤波增益，
Figure BDA00037715321100000516
A′、C′表示矩阵A和C的转置。
S3：在步骤S2计算结果的基础上，运用蒙特卡洛算法计算当前时刻的均值误差期望协方差的迹；
S4：利用历史信息进行远程状态估计传输控制，具体过程如下：
将数据信息到达情况反馈给传感器，进入下一时刻；
设置随机数m(k)，传感器判断上一时刻是否丢包。
无线传感器在加性高斯白噪声(AWGN)信道上通过正交调幅(QAM)传输数据信息。在上述过程中，数据信息可能因硬件故障、网络拥堵甚至病毒入侵而丢失。因此需要对传输过程中数据信息丢失情况进行建模，全面描述通信过程及传输结果。其中，传感器和远程估计端之间信息传输的等效传输过程γk描述成如下独立二进制随机过程(伯努利过程)：
Figure BDA0003771532110000061
用λk＝Pr(γk＝0)表示在k时刻数据信息丢失的概率，计算公式如下：
Figure BDA0003771532110000062
其中，χ是一个有正交调幅相关的常数，Γk是在k时刻的传输功率，N0是加性高斯白噪声的功率谱密度，W是信道带宽。
若上一时刻计算后的λk大于m(k)，则判断为上一时刻未发生数据信息丢失，以全部传输能量发送当前时刻的测量值，然后执行步骤S5，按情况2进行更新。
反之，则判断为上一时刻发生数据信息丢失，当前时刻传感器以传输能量Lα和Lβ分别发送当前数据信息和历史丢失数据信息，然后执行步骤S5。
此时传感器的传输集合如下：
Figure BDA0003771532110000063
其中，
Figure BDA0003771532110000064
Figure BDA0003771532110000065
其中，
Figure BDA0003771532110000066
和
Figure BDA0003771532110000067
分别表示为能量Lα和Lβ进行传输的决策变量，若决策变量数值标记为1则代表选择能量进行传输，反之则未传输；
Figure BDA0003771532110000068
代表k-1时刻最新数据信息的到达结果，如果记为1，则代表传感器传输数据被远程估计端接收，反之如果记为0，则代表丢失了k-1时刻的数据信息。
S5：在上述利用历史信息的远程状态传输控制策略下，首先根据Kalman滤波计算当前时刻的误差协方差，其次根据不同的数据信息到达情况，经由蒙特卡洛算法计算当前时刻的均值误差协方差的迹。
具体情况如下：
情况1：当前数据信息以及历史丢失数据信息均成功到达远程估计端，此时先更新k-1时刻的状态估计，其次在更新后的k-1时刻估计的基础上更新k时刻的状态估计；
情况2：当前数据信息到达且重传的历史数据信息未到达远程估计端，此时，当前时刻的更新过程同步骤S2.1和步骤S2.2；
情况3：当前数据信息未到达且重传的历史数据信息到达远程估计端，此时先更新k-1时刻的状态估计，其次在更新后的k-1时刻估计的基础上进行k时刻的时间估计；
情况4：当前数据信息以及历史丢失数据信息均未成功到达远程估计端，此时，Kalman滤波增益Kk＝0，更新过程同步骤S2.1和步骤S2.2。
在上述情况下，当前时刻传感器发送双数据信息，给出此时远程估计端的Kalman滤波状态误差估计协方差以及均值误差协方差的迹的表达式，具体如下所述。
远程估计端的数据信息到达情况及到达的测量值集合表示如下：
Figure BDA0003771532110000071
得到k时刻的双数据信息不同到达情况下的误差估计协方差表达式如下：
Figure BDA0003771532110000072
其中，h(X),
Figure BDA0003771532110000073
g(X)分别代表不同的函数表达式，具体如下：
Figure BDA0003771532110000074
决策变量
Figure BDA0003771532110000075
和
Figure BDA0003771532110000076
分别代表当前时刻最新数据信息和历史时刻丢失数据信息的到达结果，如果决策变量记为1，则代表传感器传输数据被远程估计器端接收，反之则丢失了对应数据信息；
进一步，得到均值误差协方差的迹的表达式为：
Figure BDA0003771532110000077
其中，Tr代表对矩阵求迹运算；
S6：判断当前时刻k是否为总采样点数，若是，则输出所有采样点的均值误差协方差的迹，结束数据传输过程；若否，则返回步骤S4，进行下一时刻的数据传输，依次遍寻所有采样点。
下面对本实施例方法的性能进行评估。
基于Markov过程，构建整体情况下利用历史信息的远程状态估计传输控制算法θR的传输过程模型，得到稳态概率分布结果。
首先，列举出整体运行过程中出现的四种状态h1,h2,h3以及h4。其中，h1代表数据信息α到达并且数据信息β丢失的状态；h2代表数据信息α丢失并且数据信息β到达的状态；h3代表数据信息α到达并且数据信息β到达的状态；h4代表数据信息α丢失并且数据信息β丢失的状态。
其次，给出状态转移矩阵。
Figure BDA0003771532110000081
最后，得到稳态概率分布。
Figure BDA0003771532110000082
其中，λ、λα分别代表用总能量L和部分能量Lα发送数据信息时的丢失概率。
在本实施例提出的利用历史信息的远程状态估计传输控制算法θR的策略下，k时刻的误差协方差表达式，如下所示
Figure BDA0003771532110000083
其中，γk-1表示在k-1时刻没有数据信息到达的概率。
而传统远程状态估计传输控制
Figure BDA0003771532110000084
是：每一时刻以固定能量发送当前数据信息，即每时刻的功率分配方案是：Lα＝1。在给定总体功率的基础上，得到传统远程状态估计传输控制方案的性能仿真结果如图3所示。
传统的传输控制策略是每次以固定功率发送当前数据信息，其估计性能用
Figure BDA0003771532110000085
表示。用符号θR和
Figure BDA0003771532110000086
分别表示本实施例所述传输控制策略以及传统传输控制策略。对于任意给定的
Figure BDA0003771532110000087
如果同时满足接下来的条件：
Figure BDA0003771532110000091
此外，***参数满足C-1存在且A≥I，
可得：
Figure BDA0003771532110000092
其中，Tr代表对矩阵求迹运算，λβ分别代表用部分能量Lβ发送数据信息时的丢失概率，
Figure BDA0003771532110000093
上述式(17)表明，在满足该条件下，本实施例所提出的利用历史信息的远程状态估计传输控制方法要比传统的传输方案估计性能更好。
在上述条件下，通过仿真验证结果有效性。本实施例所述的利用历史信息的远程状态估计传输控制θR是：只有当历史时刻发生数据信息未成功被远程估计器接收的情况下，当前时刻的传输策略才选择用部分能量Lβ发送历史丢失数据信息，反之以全部能量发送当前数据信息。发现当功率分配方案如下时，即
Lα＝0.892，Lβ＝0.108。
在给定总体功率的基础上，本实施例所述利用历史信息的远程状态估计传输控制θR的性能优于传统的远程状态估计传输控制
Figure BDA0003771532110000094
仿真结果见图3。通过图3可以清晰的看出，利用历史信息的远程状态估计传输控制θR的期望误差期望协方差的迹大约为25.21，明显优于每一时刻均以能量L＝1发送最新数据信息的传统远程状态估计传输控制
Figure BDA0003771532110000095
的期望误差协方差的迹26.37。
最后应说明的是：以上各实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述各实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明权利要求所限定的范围。

Claims (8)

1.一种利用历史信息的远程状态估计传输控制方法，其特征在于：该方法包括两部分：第一部分是历史数据信息成功传输到达远程估计端，当前时刻传感器选择以全部能量发送最新数据信息；第二部分是历史数据信息丢失，此时传感器将总体传输能量分为两份，一份用来发送最新数据信息，剩下的另一份能量用来发送丢失的历史数据信息。
2.根据权利要求1所述的利用历史信息的远程状态估计传输控制方法，其特征在于：该方法的具体步骤如下：
S1：构建整体***动态模型，对***自身物理过程变化以及传感器采集数据之后输出到远程估计端的过程进行描述；
S2：给定传感器总功率能量L＝1；在初始时刻k＝1时，传感器以能量L＝1发送当前测量值，同时远程估计端用Kalman滤波估计算法计算相应的误差协方差；
S3：在步骤S2计算结果的基础上，运用蒙特卡洛算法计算当前时刻的均值误差期望协方差的迹；
S4：利用历史信息进行远程状态估计传输控制，具体过程如下：
将数据信息到达情况反馈给传感器，进入下一时刻；
设置随机数m(k)，传感器判断上一时刻是否丢包；
若上一时刻未发生数据信息丢失，以全部传输能量发送当前时刻的测量值，然后执行步骤S5；
反之，若上一时刻发生数据信息丢失，当前时刻传感器将总体传输能量分为两份，分别发送当前数据信息和历史丢失数据信息，然后执行步骤S5；
S5：在上述利用历史信息的远程状态传输控制策略下，首先根据Kalman滤波计算当前时刻的误差协方差，其次根据不同的数据信息到达情况，经由蒙特卡洛算法计算当前时刻的均值误差协方差的迹；
S6：判断当前时刻k是否为总采样点数，若是，则输出所有采样点的均值误差协方差的迹，结束数据传输过程；若否，则返回步骤S4，进行下一时刻的数据传输，依次遍寻所有采样点。
3.根据权利要求2所述的利用历史信息的远程状态估计传输控制方法，其特征在于：所述步骤S1构建整体***动态模型中，将过程状态、测量数值以及噪声影响以***状态空间形式表示如下：
xk+1＝Axk+ωk (1)
yk＝Cxk+vk (2)
其中，xk+1为***状态向量，yk为传感器测量向量；ωk和vk分别代表***噪声和测量噪声，二者是零均值的高斯白噪声，满足：
Figure FDA0003771532100000021
Figure FDA0003771532100000022
A和C分别代表控制***状态矩阵以及传感器测量输出矩阵，满足(A,C)可观，
Figure FDA0003771532100000023
可控。
4.根据权利要求3所述的利用历史信息的远程状态估计传输控制方法，其特征在于：所述步骤S2中，Kalman滤波估计包括以下两个计算步骤：
S2.1：时间更新
Figure FDA0003771532100000024
Figure FDA0003771532100000025
S2.2：状态更新
Figure FDA0003771532100000026
Figure FDA0003771532100000027
Figure FDA0003771532100000028
其中，
Figure FDA0003771532100000029
分别表示***状态xk的先验和后验估计，
Figure FDA00037715321000000210
Pk分别表示对应的先验和后验误差协方差；
Figure FDA00037715321000000211
Figure FDA00037715321000000212
表示向量{y1,…,yk}张成的空间；
Figure FDA00037715321000000218
Figure FDA00037715321000000213
称为新息，也叫残差，表示当前测量值与上一时刻先验估计对当前测量值估计的差值，
Figure FDA00037715321000000214
Kk为Kalman滤波增益，
Figure FDA00037715321000000215
A′、C′表示矩阵A和C的转置。
5.根据权利要求4所述的利用历史信息的远程状态估计传输控制方法，其特征在于：所述步骤S4中，判断传感器上一时刻是否丢包的方法为：
传感器和远程估计端之间信息传输的等效传输过程γk描述成如下独立二进制随机过程：
Figure FDA00037715321000000216
用λk＝Pr(γk＝0)表示在k时刻数据信息丢失的概率，计算公式如下：
Figure FDA00037715321000000217
其中，χ是一个有正交调幅相关的常数，Γk是在k时刻的传输功率，N0是加性高斯白噪声的功率谱密度，W是信道带宽；
若上一时刻计算后的λk大于m(k)，则判断为上一时刻未发生数据信息丢失；反之，则判断为上一时刻发生数据信息丢失。
6.根据权利要求5所述的利用历史信息的远程状态估计传输控制方法，其特征在于：所述步骤S4利用历史信息进行远程状态估计传输控制中，传感器的传输集合如下：
Figure FDA0003771532100000031
其中，
Figure FDA0003771532100000032
Figure FDA0003771532100000033
其中，
Figure FDA0003771532100000034
和
Figure FDA0003771532100000035
分别表示为能量Lα和Lβ进行传输的决策变量，若决策变量数值标记为1则代表选择能量进行传输，反之则未传输；
Figure FDA0003771532100000036
代表k-1时刻最新数据信息的到达结果，如果记为1，则代表传感器传输数据被远程估计端接收，反之如果记为0，则代表丢失了k-1时刻的数据信息。
7.根据权利要求6所述的利用历史信息的远程状态估计传输控制方法，其特征在于：所述步骤S5中不同的数据信息到达情况包括：
情况1：当前数据信息以及历史丢失数据信息均成功到达远程估计端，此时先更新k-1时刻的状态估计，其次在更新后的k-1时刻估计的基础上更新k时刻的状态估计；
情况2：当前数据信息到达且重传的历史数据信息未到达远程估计端，此时，当前时刻的更新过程同步骤S2.1和步骤S2.2；
情况3：当前数据信息未到达且重传的历史数据信息到达远程估计端，此时先更新k-1时刻的状态估计，其次在更新后的k-1时刻估计的基础上进行k时刻的时间估计；
情况4：当前数据信息以及历史丢失数据信息均未成功到达远程估计端，此时，Kalman滤波增益Kk＝0，更新过程同步骤S2.1和步骤S2.2；
当步骤S4中判断为上一时刻未发生数据信息丢失，则按照上述情况2进行更新。
8.根据权利要求7所述的利用历史信息的远程状态估计传输控制方法，其特征在于：在几种不同的数据信息到达情况下，当前时刻传感器发送双数据信息，此时远程估计端的Kalman滤波状态误差估计协方差以及均值误差协方差的迹的表达式如下所述：
远程估计端的数据信息到达情况及到达的测量值集合表示如下：
Figure FDA0003771532100000037
k时刻的双数据信息不同到达情况下的误差估计协方差表达式如下：
Figure FDA0003771532100000038
其中，
Figure FDA0003771532100000041
分别代表不同的函数表达式，具体如下：
Figure FDA0003771532100000042
决策变量
Figure FDA0003771532100000043
和
Figure FDA0003771532100000044
分别代表当前时刻最新数据信息和历史时刻丢失数据信息的到达结果，如果决策变量记为1，则代表传感器传输数据被远程估计器端接收，反之则丢失了对应数据信息；
均值误差协方差的迹的表达式为：
Figure FDA0003771532100000045
其中，Tr代表对矩阵求迹运算。
CN202210902879.3A 2022-07-29 2022-07-29 一种利用历史信息的远程状态估计传输控制方法 Active CN115276917B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210902879.3A CN115276917B (zh) 2022-07-29 2022-07-29 一种利用历史信息的远程状态估计传输控制方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210902879.3A CN115276917B (zh) 2022-07-29 2022-07-29 一种利用历史信息的远程状态估计传输控制方法

Publications (2)

Publication Number Publication Date
CN115276917A true CN115276917A (zh) 2022-11-01
CN115276917B CN115276917B (zh) 2023-06-20

Family

ID=83770186

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210902879.3A Active CN115276917B (zh) 2022-07-29 2022-07-29 一种利用历史信息的远程状态估计传输控制方法

Country Status (1)

Country Link
CN (1) CN115276917B (zh)

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE102015002367A1 (de) * 2014-03-02 2015-09-03 Gabriele Trinkel Sichere Übertragung von Daten und Skalierung, Regelung zur Überlastabwehr in der Cloud und Cloud Computing
US20150378339A1 (en) * 2014-06-27 2015-12-31 Siemens Aktiengesellschaft Resilient control design for distributed cyber-physical systems
US20160112289A1 (en) * 2014-10-21 2016-04-21 Fujitsu Limited Quality estimation method, quality estimation apparatus, and recording medium
CN107426748A (zh) * 2017-04-19 2017-12-01 浙江理工大学 一种无线网络控制***中多传感器估计性能方法
CN108768591A (zh) * 2018-05-28 2018-11-06 东南大学 一种基于实时丢包信息触发的重传次数动态调整的方法
CN109659959A (zh) * 2019-01-14 2019-04-19 南京师范大学 欺骗攻击下电力***基于缓存器型事件触发方案的h∞负载频率控制方法
CN110366232A (zh) * 2019-06-19 2019-10-22 东南大学 用于远程状态估计的传感器传输能量控制方法
CN111563330A (zh) * 2020-05-07 2020-08-21 东北大学 一种基于零和博弈对策的信息物理***安全优化分析方法

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE102015002367A1 (de) * 2014-03-02 2015-09-03 Gabriele Trinkel Sichere Übertragung von Daten und Skalierung, Regelung zur Überlastabwehr in der Cloud und Cloud Computing
US20150378339A1 (en) * 2014-06-27 2015-12-31 Siemens Aktiengesellschaft Resilient control design for distributed cyber-physical systems
US20160112289A1 (en) * 2014-10-21 2016-04-21 Fujitsu Limited Quality estimation method, quality estimation apparatus, and recording medium
CN107426748A (zh) * 2017-04-19 2017-12-01 浙江理工大学 一种无线网络控制***中多传感器估计性能方法
CN108768591A (zh) * 2018-05-28 2018-11-06 东南大学 一种基于实时丢包信息触发的重传次数动态调整的方法
CN109659959A (zh) * 2019-01-14 2019-04-19 南京师范大学 欺骗攻击下电力***基于缓存器型事件触发方案的h∞负载频率控制方法
CN110366232A (zh) * 2019-06-19 2019-10-22 东南大学 用于远程状态估计的传感器传输能量控制方法
CN111563330A (zh) * 2020-05-07 2020-08-21 东北大学 一种基于零和博弈对策的信息物理***安全优化分析方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
YUZHE LI; FAN ZHANG; DANIEL E. QUEVEDO; VINCENT LAU; SUBHRAKANTI DEY; LING SHI: ""Power Control of an Energy Harvesting Sensor for Remote State Estimation"", 《IEEE TRANSACTIONS ON AUTOMATIC CONTROL》, vol. 62, no. 1, XP011637650, DOI: 10.1109/TAC.2016.2553128 *
刘强;卓洁;郎自强;秦泗钊;: "数据驱动的工业过程运行监控与自优化研究展望", 自动化学报, no. 11 *
陆赛杰;李云骥;彭力;: "网络丢包环境中基于新息驱动的远程状态估计传输策略设计", 传感技术学报, no. 05 *

Also Published As

Publication number Publication date
CN115276917B (zh) 2023-06-20

Similar Documents

Publication Publication Date Title
Klügel et al. AoI-penalty minimization for networked control systems with packet loss
Koksal et al. Quality-aware routing metrics for time-varying wireless mesh networks
Chen et al. Minimizing age of incorrect information for unreliable channel with power constraint
Senel et al. A kalman filter based link quality estimation scheme for wireless sensor networks
Wang et al. Adaptive approximate data collection for wireless sensor networks
Gupta et al. Optimal output feedback control using two remote sensors over erasure channels
CN108696305A (zh) 适用于lte-a mimo信号分析***的高精度频偏测量方法
CN114070354B (zh) 基于gs迭代法的自适应分段矩阵逆跟踪mimo检测方法
CN111194048B (zh) 一种基于em的1比特参数估计方法
CN115276917A (zh) 一种利用历史信息的远程状态估计传输控制方法
CN104754606A (zh) 一种基于信道预测的中继选择方法和***
Daniels et al. An online learning framework for link adaptation in wireless networks
CN107426748B (zh) 一种无线网络控制***中多传感器估计性能方法
CN112631130B (zh) 一种面向时延和噪声的ilc***输入信号最优估计方法
CN113038411B (zh) 基于决策级和信号级数据融合的多传感器联合检测方法
Chincoli et al. Predictive power control in wireless sensor networks
Adachi et al. Distributed optimal estimation with scalable communication cost
CN113078885A (zh) 一种抗脉冲干扰的分布式自适应估计方法
CN107231323A (zh) 可见光通信***中基于可靠判决反馈的信道估计方法
CN114337881A (zh) 基于多无人机分布式与lms的无线频谱智能感知方法
Dong et al. An event-triggered hybrid consensus filter for distributed sensor network
CN108282200B (zh) 一种大规模mimo***中基于因子图的置信度传播信号检测方法
Farjam et al. Power allocation of sensor transmission for remote estimation over an unknown Gilbert-Elliott channel
Gomes et al. Evaluation of link quality estimators for industrial wireless sensor networks
CN110971546A (zh) 一种大规模mimo***信道跟踪方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant