-
公开(公告)号：CN115935787A
公开(公告)日：2023-04-07
申请号：CN202211386982.3
申请日：2022-11-07
Applicant: 哈尔滨理工大学
IPC: G06F30/27 , G06F17/16 , G06N3/0455 , G06N3/08 , G06F111/04
Abstract: 本发明公开了一种编码解码机制下的忆阻神经网络状态估计方法，所述方法包括如下步骤：步骤一、建立具有H∞性能约束及传感器能量收割的忆阻神经网络动态模型；步骤二、在编码解码机制下对忆阻神经网络动态模型进行状态估计；步骤三、计算忆阻神经网络的误差协方差矩阵上界及H∞性能约束条件；步骤四、利用随机分析方法，并通过解一系列线性矩阵不等式求解出估计器增益矩阵Kk的解，实现对忆阻神经网络进行状态估计；判断k+1是否达到总时长N，若k+1＜N，则执行步骤二，反之结束。本发明解决了现有状态估计方法不能同时处理编码解码机制下具有H∞性能约束及方差受限忆阻神经网络的状态估计导致的估计性能准确率低的问题，从而提高了估计性能的准确率。
-
公开(公告)号：CN115883408A
公开(公告)日：2023-03-31
申请号：CN202211506096.X
申请日：2022-11-28
Applicant: 哈尔滨理工大学
IPC: H04L43/08 , H04L41/14 , H04L41/142
Abstract: 本发明公开了一种基于补偿的多速率复杂网络状态估计方法，首先，建立多速率复杂网络的动态模型，并利用零阶保持器策略将多速率动态模型转化为单速率动态模型；然后，引入传输速率方法达到提升能源利用率的目的，设计预测补偿规则以提高估计精度，构造基于补偿的状态估计器；接着，计算估计器的一步预测误差协方差矩阵的上界和估计器增益矩阵；随后将获得的估计器增益矩阵带入状态估计器中得到状态估计变量；最后，将估计器增益矩阵带入一步预测误差协方差矩阵上界的表达式中，得到最小的上界。该方法在解决了多速率复杂网络的状态估计问题的同时减少了节点能源的消耗，且具有递推形式，适合在线应用。
-
公开(公告)号：CN115865702A
公开(公告)日：2023-03-28
申请号：CN202211430178.0
申请日：2022-11-15
Applicant: 哈尔滨理工大学
IPC: H04L41/14 , H04L41/142 , H04L67/12
Abstract: 本发明公开了一种网络调度策略下具有数据衰减的分布式融合估计方法，所述方法包括如下步骤：步骤一、建立具有数据衰减现象的随机非线性时滞系统的传感器网络动态模型；步骤二、对传感器网络动态模型进行状态估计；步骤三、计算一步预测误差协方差矩阵上界∑i,k+1|k；步骤四、计算估计迭代修正矩阵Ki,k+1；步骤五、将Ki,k+1代入步骤二中，得到状态估计判断k+1是否达到传感器网络总时长M，若k+1＜M，则执行步骤六，若k+1＝M，则结束；步骤六、计算估计误差协方差矩阵上界∑i,k+1|k+1；步骤七、计算融合估计和融合估计误差协方差矩阵∑0k+1|k+1；令k＝k+1，返回执行步骤二，直至满足k+1＝M。本发明解决了现有方法存在数据衰减现象和网络带宽受限时，不完全的测量信息传输到估计器时，导致其融合估计精度低的问题。
-
公开(公告)号：CN118157630B
公开(公告)日：2024-08-02
申请号：CN202410184673.0
申请日：2024-02-19
Applicant: 哈尔滨理工大学
Abstract: 本发明公开了一种基于传感器网络的定位系统分布式滤波方法，所述方法如下：一、建立定位系统动态模型；二、设计分布式滤波器；三、计算传感器网络中第i个传感器节点在r时刻的一步预测误差协方差矩阵上界∑i,r+1|r；四、计算第i个传感器节点在r+1时刻的滤波器增益矩阵Ki,r+1；五、将Ki,r+1代入到分布式滤波器中，获得第i个传感器节点在r+1时刻的状态估计#imgabs0#判断r+1时刻是否达到总时长T，若r+1＜T，则执行六；六、计算第i个传感器节点在r+1时刻的滤波误差协方差矩阵上界∑i,r+1|r+1；令r＝r+1，执行二，直到满足r+1＝T。本发明解决了基于传感器网络的在自适应事件触发机制以及瑞利衰落信道下的具有随机切换非线性、状态饱和的定位系统分布式滤波问题。
-
公开(公告)号：CN118232877A
公开(公告)日：2024-06-21
申请号：CN202410423443.5
申请日：2024-04-09
Applicant: 哈尔滨理工大学
Abstract: 本发明公开了一种多速率非线性系统的抗窃听分布式融合滤波方法，所述方法包括如下步骤：一、建立基于传感器网络的多速率非线性系统动态模型；二、通过预测补偿策略，将多速率非线性系统动态模型转化为单速率非线性系统动态模型；三、设计抗窃听分布式融合器；四、计算一步预测误差协方差上界#imgabs0#五、推导局部分布式滤波器参数Ki(tk+1)；六、推导选择矩阵Lij(tk+1)；七、将Ki(tk+1)和Lij(tk+1)代入三，获得融合滤波#imgabs1#八、求解局部滤波误差协方差上界#imgabs2#本发明解决了现有融合滤波方法不能同时处理存在窃听者以及衰减测量的多速率非线性系统的滤波问题，从而提高了此类问题滤波性能的准确率。
-
Patent Agency Ranking
公开(公告)号：CN115935787B
公开(公告)日：2023-09-01
申请号：CN202211386982.3
申请日：2022-11-07
Applicant: 哈尔滨理工大学
IPC: G06F30/27 , G06F17/16 , G06N3/0455 , G06N3/08 , G06F111/04
Abstract: 本发明公开了一种编码解码机制下的忆阻神经网络状态估计方法，所述方法包括如下步骤：步骤一、建立具有H∞性能约束及传感器能量收割的忆阻神经网络动态模型；步骤二、在编码解码机制下对忆阻神经网络动态模型进行状态估计；步骤三、计算忆阻神经网络的误差协方差矩阵上界及H∞性能约束条件；步骤四、利用随机分析方法，并通过解一系列线性矩阵不等式求解出估计器增益矩阵Kk的解，实现对忆阻神经网络进行状态估计；判断k+1是否达到总时长N，若k+1＜N，则执行步骤二，反之结束。本发明解决了现有状态估计方法不能同时处理编码解码机制下具有H∞性能约束及方差受限忆阻神经网络的状态估计导致的估计性能准确率低的问题，从而提高了估计性能的准确率。
-
公开(公告)号：CN115865702B
公开(公告)日：2023-05-09
申请号：CN202211430178.0
申请日：2022-11-15
Applicant: 哈尔滨理工大学
IPC: H04L41/14 , H04L41/142 , H04L67/12
Abstract: 本发明公开了一种网络调度策略下具有数据衰减的分布式融合估计方法，所述方法包括如下步骤：步骤一、建立具有数据衰减现象的随机非线性时滞系统的传感器网络动态模型；步骤二、对传感器网络动态模型进行状态估计；步骤三、计算一步预测误差协方差矩阵上界∑i,k+1|k；步骤四、计算估计迭代修正矩阵Ki,k+1；步骤五、将Ki,k+1代入步骤二中，得到状态估计判断k+1是否达到传感器网络总时长M，若k+1＜M，则执行步骤六，若k+1＝M，则结束；步骤六、计算估计误差协方差矩阵上界∑i,k+1|k+1；步骤七、计算融合估计和融合估计误差协方差矩阵∑0k+1|k+1；令k＝k+1，返回执行步骤二，直至满足k+1＝M。本发明解决了现有方法存在数据衰减现象和网络带宽受限时，不完全的测量信息传输到估计器时，导致其融合估计精度低的问题。
-
公开(公告)号：CN119995937A
公开(公告)日：2025-05-13
申请号：CN202411994342.X
申请日：2024-12-31
Applicant: 哈尔滨理工大学
IPC: H04L9/40
Abstract: 具有安全防御机制的大规模耦合网络分布式优化估计方法，属于状态估计技术领域。方法如下：建立大规模耦合网络的离散非线性随机动态模型；设计动态模型时变递推式状态估计器；计算预测误差协方差上界；设计每个大规模耦合网络节点的估计器参数；将估计器参数代入估计器，获得状态估计，判断总时长，结束估计或计算估计误差协方差上界直至满足总时长。本发明同时考虑了不确定耦合强度和线性虚假数据注入攻击对网络节点状态估计性能的影响，特别地，针对经网络传输的测量数据，在网络传输末端设计相应的安全防御机制，以实时判断测量数据遭受攻击的情况，识别并丢弃不可靠的测量数据，同时对于丢弃的测量数据，设计相应的补偿策略。
-
公开(公告)号：CN118232877B
公开(公告)日：2024-09-10
申请号：CN202410423443.5
申请日：2024-04-09
Applicant: 哈尔滨理工大学
Abstract: 本发明公开了一种多速率非线性系统的抗窃听分布式融合滤波方法，所述方法包括如下步骤：一、建立基于传感器网络的多速率非线性系统动态模型；二、通过预测补偿策略，将多速率非线性系统动态模型转化为单速率非线性系统动态模型；三、设计抗窃听分布式融合器；四、计算一步预测误差协方差上界#imgabs0#五、推导局部分布式滤波器参数Ki(tk+1)；六、推导选择矩阵Lij(tk+1)；七、将Ki(tk+1)和Lij(tk+1)代入三，获得融合滤波#imgabs1#八、求解局部滤波误差协方差上界#imgabs2#本发明解决了现有融合滤波方法不能同时处理存在窃听者以及衰减测量的多速率非线性系统的滤波问题，从而提高了此类问题滤波性能的准确率。
-
公开(公告)号：CN118157630A
公开(公告)日：2024-06-07
申请号：CN202410184673.0
申请日：2024-02-19
Applicant: 哈尔滨理工大学
Abstract: 本发明公开了一种基于传感器网络的定位系统分布式滤波方法，所述方法如下：一、建立定位系统动态模型；二、设计分布式滤波器；三、计算传感器网络中第i个传感器节点在r时刻的一步预测误差协方差矩阵上界∑i,r+1|r；四、计算第i个传感器节点在r+1时刻的滤波器增益矩阵Ki,r+1；五、将Ki,r+1代入到分布式滤波器中，获得第i个传感器节点在r+1时刻的状态估计#imgabs0#判断r+1时刻是否达到总时长T，若r+1＜T，则执行六；六、计算第i个传感器节点在r+1时刻的滤波误差协方差矩阵上界∑i,r+1|r+1；令r＝r+1，执行二，直到满足r+1＝T。本发明解决了基于传感器网络的在自适应事件触发机制以及瑞利衰落信道下的具有随机切换非线性、状态饱和的定位系统分布式滤波问题。
-
-
-
-
-
-
-
-
-
Search Results
11
records
(took 0.02 seconds)
