Complex Engineering Systems 期刊精选专题文章Tobit Kalman fusion filtering under dynamic event-triggering protocol with token bucket specification，由东北石油大学人工智能能源研究院的韩非教授及其团队发表。欢迎广大师生们阅读并分享！
多传感器融合滤波（MSFF）是指将来自不同传感器的信息进行整合，以提升滤波方法的性能。目前，多传感器信息融合技术已广泛应用于多个领域，包括目标定位、故障检测、环境监测、信号处理、图像处理等。一般而言，多传感器融合可分为集中式和分布式两种。在前者中，每个传感器的原始数据直接传输至融合中心进行滤波处理。相对地，后者由融合中心整合局部滤波器的可用估计值，以生成最优或次优估计。尽管分布式融合滤波的精度可能不及集中式融合，但其优势在于减轻了中央处理器的负担、降低了通信带宽需求，并增强了系统的可靠性与鲁棒性。这些显著优势促使分布式融合滤波方法在近年来受到广泛关注。
在网络化控制系统中，由于恶劣的环境条件、传感器有限的测量能力、信号传输信道质量差，以及传感器的硬件或软件故障，实际系统测量输出中不可避免会出现非线性问题。这些非线性包括但不限于删失、信道衰落、量化、饱和等。如果处理不当，这些非线性因素甚至可能影响滤波误差系统的稳定性。因此，在设计和使用网络化系统滤波器时，必须充分考虑这些非线性因素的影响，并采取有效措施尽量减少其对系统性能的影响，以确保系统的稳定性和可靠性。目前，为应对非线性挑战并提升滤波精度与稳定性，已提出了多种非线性滤波算法，如扩展卡尔曼滤波（EKF）、无迹卡尔曼滤波（UKF）和Tobit卡尔曼滤波（TKF）。
尽管目前关于Tobit卡尔曼滤波（TKF）的研究成果颇多，但由于分析的复杂性导致Tobit卡尔曼融合滤波（TKFF）尚未得到足够的关注。本文的核心步骤在于从多种现有融合准则中选择适当的融合准则，并将其与局部TKF结合。著名的融合准则包括集中式滤波融合、信息滤波融合、加权滤波融合、协方差交集融合、联邦滤波融合、序贯融合和鲁棒融合等。在综述文献中，这些融合准则分别在融合结构、滤波精度和计算负担方面进行了对比。联邦滤波融合属于分布式结构，具有最小的负担和较高的估计精度。因此，本文选择联邦滤波融合。
带有令牌桶的动态事件触发协议下的FTKFF框图（图摘自原文）
本文的主要贡献如下：
扫码或点击文末
阅读原文查看全文
作者简介
韩非，东北石油大学人工智能能源研究院教授，博士研究生导师，黑龙江省模式识别与智能系统领军人才梯队后备带头人，东北石油大学石油与天然气工程博士后。国家公派英国布鲁奈尔大学访问学者，香港城市大学高级访问学者，教育部学位论文评审专家主要从事分布式滤波与控制及其应用等领域的研究工作。近年来，他主持国家自然科学基金面上项目1项，中国博士后基金特别资助、面上项目各1项，黑龙江省自然科学基金项目1项。作为项目骨干参加省部级项目以上课题6项，包括国家自然科学基金联合基金、面上项目、省自然科学基金重点项目、中国石油科技创新基金等项目。授权发明专利13项。出版英文专著1部，发表SCI/EI检索期刊论文50余篇。获得海南省自然科学奖一等奖一项（排名第二）。研究方向：分布式滤波与控制，微电网分布式二级控制，微地震信号去噪与反演。
引用此文
Chen, X.; Han F.; Song Y.; Zhang J. Tobit Kalman fusion filtering under dynamic event-triggering protocol with token bucket specification.Complex Eng. Syst. 2024, 4, 19. http://dx.doi.org/10.20517/ces.2024.37
关于期刊
Complex Engineering Systems（CES, Online ISSN 2770-6249）是OAE Publishing Inc.于2021年创办的一本金色开放获取、严格同行评议的国际学术期刊，被Scopus、Dimensions、Lens收录。主编由意大利米兰理工大学Hamid Reza Karimi教授担任，上海交通大学江志斌教授、东南大学曹进德教授、罗马大学Alberto Isidori教授、艾伯塔大学Witold Pedrycz教授、西里西亚工业大学Marek Pawelczyk教授、波兰科学院系统研究所Leszek Rutkowski教授和伦敦大学学院康健教授担任顾问编委。本刊旨在为所有工程系统领域研究人员和从业人员提供一个传播理论或工程导向的研究成果的学术交流平台，促进工程学科不同分支的知识共享。
刊文范围包括但不限于：复杂系统理论、复杂控制系统、数学建模和系统辨识、非线性系统、大型系统、数据驱动系统、复杂网络、信息物理系统、量子动力系统、数字孪生技术、传感器和执行器、网络安全和攻击、复杂工业过程、优化算法、故障诊断与预测、信号处理和估计、基于物联网的系统、信息融合、人工智能和机器学习、电气、机械或水利工程系统、机电一体化、车辆设计与工程、智能电网和智能制造、智能交通系统、社会技术系统、机器人技术、管理系统和运筹学等。我们诚挚地欢迎中国该领域的专家关注期刊并投稿，我们将为您的文章出版提供科学、规范、高效的服务！
扫码前往期刊主页
联系我们
期刊官网：
https://www.oaepublish.com/comengsys
投稿链接：
https://oaemesas.com/login?JournalId=comengsys
线下咨询：
editorial@comengsys.com
关于OAE
