陈 烨,盛安冬

(1.南京工程学院 人工智能产业技术研究院，南京 211167；2.南京理工大学 自动化学院，南京 210094)

1 引言

近年来，多传感器网络由于其小型化、轻量化、成本低等优势被广泛应用于环境监测、战场探察、目标定位、危险区域搜救等领域，得到了国内外研究人员的广泛关注[1-4]。

异步状态估计问题作为信息融合领域内的一个重要分支，近年来受到了国内外研究人员的广泛关注。Zhu等[5]提出了一种无线传感网络中的序贯异步滤波算法，利用预测估计值解决了异步量测无法直接融合的问题。Ondrej Hlinka等[6]将贝叶斯滤波器中的预测更新过程与一种融合规则相结合，提出了一种异步无线传感网络中的分布式序贯估计算法。Yang等[7]通过引入时变缩小因子的方法建立一种不敏Kalman滤波及不敏强跟踪滤波混合滤波算法，解决了一类带时延的异步传感器网络中的目标跟踪问题。

目前异步传感器网络状态估计问题中，各传感器需将各自量测值全部发送至融合中心或邻居节点[5-7]，加重传感器网络通信系统的负担，增加能量损耗，限制异步多传感器信息融合方法在某些实际系统中的应用。

为此，本文将事件触发机制[8-13]引入异步传感器网络状态估计框架，在保证估计精度的前提下，减少各传感器与融合中心间的通信量，降低能耗。

2 问题描述

考虑连续时间动态系统如下：

(1)

式(1)中：x(t)表示x在时刻t的状态，初值为x(0)；w(t)为零均值高斯白噪声，方差为q(t)。对式进行离散化，可得：

x(tk)=Φ(tk,tk-1)x(tk-1)+w(tk,tk-1)

(2)

(3)

按现有异步融合框架，各传感器需将所有量测值均发送至融合中心，导致系统通信负担过重，能耗过大。……