Distributed Anomaly Detection and Estimation over Sensor Networks: Observational-Equivalence and Q-Redundant Observer Design
在本文中，我们研究了无状态和有状态的基于物理的异常检测方案，通过分布式估计传感器网络。在有状态的情况下，检测器跟踪传感器残差（即，估计输出和真实输出的差），并且如果所记录的残差的某些统计数据偏离超过预定阈值，例如，χ^2（卡方）检测器。相反，在无状态的情况下，仅残差的瞬时偏差引起警报，而不考虑传感器输出和估计数据的历史。鉴于（近似）误报率为这两种情况下，我们提出了一个概率阈值设计的基础上的噪声统计。我们通过模拟表明，在有状态的情况下，增加窗口长度可能不一定会降低误报率。另一方面，它增加了不必要的延迟来发出警报。所提出的检测算法的分布式方面，使本地隔离的故障传感器与可能的恢复解决方案，通过添加冗余的观测等效传感器。然后，我们提供了一种机制来设计Q-冗余分布式观察员，强大的故障（或删除）的Q传感器在网络上。
2022-04-04 cs.MA cs.SY eess.SP
Distributed Dual Quaternion Based Localization of Visual Sensor Networks
在本文中，我们考虑定位问题的视觉传感器网络。受[1]中讨论的交替姿态和位置分布式优化框架的启发，我们提出了一种利用单位对偶四元数代数来描述传感器位姿的估计方案。这种表示在优化方案的制定中是有益的，其允许在不设计两个交错的位置和取向估计器的情况下解决定位问题，从而改善两个姿态分量上的估计误差分布和整体定位性能。此外，数值实验断言所提出的算法的鲁棒性w.r.t.初始条件。
2022-03-11 cs.SY eess.SY
Sensor Scheduling Design for Complex Networks under a Distributed State Estimation Framework
本文研究了共享传输信道上复杂网络状态估计的传感器调度问题。对于一个由动力系统组成的复杂网络，即节点，采用传感器网络对系统状态进行分布式测量和估计，其中传感器用于测量节点。估计从传感器传输到相关联的节点，在一步的时间延迟的存在下，并受到数据包丢失。由于有限的传输能力，只有一部分传感器被允许在每个时间步发送信息。本文的目标是寻求一个最佳的传感器调度策略，使整体估计误差最小化。在分布式状态估计框架下，将该问题转化为一个马尔可夫决策过程，其中每个节点的一级奖励是强耦合的。保证了问题重构的可行性。此外，一个易于检查的条件，以保证存在一个最佳的确定性和平稳的政策。此外，它被发现的最优策略有一个阈值，可以用来减少计算复杂度，在获得这些政策。最后，通过几个仿真例子说明了理论结果的有效性。
2023-01-11 cs.SY eess.SY
Distributed Finite-Time Cooperative Localization for Three-Dimensional Sensor Networks
Politecnico di Torino（都灵理工大学）；Southern University of Science and Technology（南方科技大学）；New York University Tandon School of Engineering（纽约大学坦登工程学院）
本文针对三维传感器网络，提出基于重心坐标的分布式可定位性验证与共轭梯度定位算法，实现有限时间精确收敛，并通过仿真验证其高效性。
2023-09-20 cs.SY eess.SY
Distributed System Identification for Linear Stochastic Systems with Binary Sensors
研究了时变网络上系数未知的线性随机系统的分布式辨识问题。为了估计未知系数，网络中的每个智能体只能访问本地系统的输入和二进制值输出。与现有的分布式优化和估计工作相比，本文考虑的二值局部输出观测问题具有挑战性。通过假设网络中的智能体可以与其相邻的邻居进行通信，提出了一种基于随机逼近的分布式辨识算法，并建立了估计的一致性和收敛性。最后给出了一个数值算例，仿真结果与理论分析相一致。
2021-08-03 cs.SY eess.SY
Distributed Filtering for Uncertain Systems Under Switching Sensor Networks and Quantized Communications
研究了一类随机不确定系统在量化数据流经切换传感器网络时的分布式滤波问题。利用局部传感器的有偏噪声观测值和相邻传感器的区间量化信息，提出了一种基于扩展状态的分布式卡尔曼滤波器（DKF），用于同时估计系统状态和不确定动态。为了减小观测偏差的影响，提出了一种基于事件触发更新的动态卡尔曼滤波器，通过设计适当的阈值，使得动态卡尔曼滤波器的均方误差界比时间驱动的更小。这两个DKF被示出为每个传感器在线提供均方误差的上界。在系统和网络的适当条件下，证明了这两种DKF的均方误差有界性和渐近无偏性。最后，数值仿真验证了所设计滤波器的有效性。
2019-10-07 cs.SY eess.SP eess.SY
A Distributed Implementation of Steady-State Kalman Filter
研究了传感器网络中的分布式状态估计问题，在传感器网络中部署$m$传感器来估计线性时不变（LTI）高斯系统的$n$维状态。通过对最优稳态卡尔曼滤波器的无损分解，证明了分布式估计问题可以转化为齐次线性系统的同步问题。基于这样的分解，提出了一种分布式估计器，其中每个传感器节点运行一个本地滤波器，只使用自己的测量和融合的本地估计每个节点的共识算法。我们表明，从所有传感器的估计的平均值与最优卡尔曼估计相吻合。最后给出了数值例子来说明所提出的方案的性能。
2022-04-21 cs.SY eess.SY
Multi-Target Tracking in Distributed Sensor Networks using Particle PHD Filters
Technische Universität Darmstadt（达姆施塔特工业大学）
本文研究了分布式传感器网络中的多目标跟踪问题，提出了一种基于随机有限集的粒子PHD滤波器，解决了数据关联问题，并通过OSPA指标评估了其性能，同时与现有方法进行了比较。
2018-12-02 cs.MA cs.SY eess.SY
Distributed Optimal Quantization and Power Allocation for Sensor Detection Via Consensus
University of Leeds（利兹大学）；International University of Rabbat（拉巴特国际大学）
本文提出一种分布式算法，用于计算传感器节点的最优发射功率分配和量化位数，以匹配信道容量，从而提高分布式无线传感器网络中未知确定性空间无关信号检测的性能。
2015-06-03 cs.SY eess.SY
A Distributed Gradient-Based Deployment Strategy for a Network of Sensors with a Probabilistic Sensing Model
针对混合无线传感器网络覆盖优化问题，提出一种结合Voronoi划分、Elfes概率感知模型、动态步长与障碍物感知的分布式梯度部署策略，经仿真验证可有效提升覆盖效果，具备可扩展性与实用性。
2025-09-02 cs.SY eess.SY
An Evolutionary Algorithm for Actuator-Sensor-Communication Co-Design in Distributed Control
University of Michigan, Ann Arbor（密歇根大学安娜堡分校）
本文研究了分布式环境下执行器、传感器和通信的协同设计问题，通过进化算法优化控制成本和材料成本，验证了在标准笔记本上秒级完成98状态摆方程模型协同设计的可行性。
2026-09-22 cs.SY eess.SY
How to Secure Distributed Filters Under Sensor Attacks
本文研究了在虚假数据注入攻击下，如何保证具有有界噪声的线性时不变系统的分布式滤波器的安全性。恶意攻击者能够任意操纵随时间变化且未知的传感器子集的观测结果。我们首先提出了一个递归分布式过滤器，包括两个步骤，在每次更新。第一步采用了一个类似饱和的计划，它给出了一个小的增益，如果创新是大对应于一个潜在的攻击。第二步是相邻传感器之间的状态估计的一致性操作。证明了当滤波器参数满足一定条件时，估计误差是上界的。我们进一步分析了条件的可行性，并将其连接到集中式情况下的稀疏可观测性。当被攻击的传感器集是时不变的，安全过滤器是通过添加在线本地攻击检测器修改。该检测器能够识别出观测新息大于检测阈值的被攻击传感器。此外，随着更多的被攻击的传感器被检测到，阈值将自适应地调整，以减少隐形攻击信号的空间。通过估计误差的上界和检测到的攻击传感器的数量之间的显式关系，验证了具有检测的安全滤波器的弹性。此外，对于无噪声的情况下，我们证明了在一定的条件下，每个传感器的状态估计渐近收敛到系统的状态。数值模拟来说明开发的结果。
2021-06-22 cs.SY eess.SY
Distributed Blind Calibration via Output Synchronization in Lossy Sensor Networks
University of Belgrade（贝尔格莱德大学）；KTH Royal Institute of Technology（皇家理工学院）
本文提出基于输出同步的分布式盲宏校准算法，通过梯度型递归估计传感器校准函数参数，实现传感器增益和偏移的渐近一致。
2014-03-13 cs.SY eess.SY
A Distributed Strategy to Maximize Coverage in a Heterogeneous Sensor Network in the Presence of Obstacles
本文提出一种基于MW-Voronoi图和梯度方法的分布式部署策略，在存在障碍物和异构感知通信半径条件下，通过局部覆盖增益驱动的移动传感器重定位来最大化网络覆盖。
2023-09-17 cs.SY eess.SY
Fully Distributed Resilient State Estimation based on Distributed Median Solver
本文针对线性动力系统提出了一种传感器攻击下的全分布式弹性状态估计方案。建议的状态观测器由一个网络的本地观测器，其中每个人利用本地测量和信息传输的邻居。作为一个完全分布式的方案，它不一定收集大部分的传感器数据的攻击识别，而受损的传感器最终被识别的分布式网络，并从观察员排除。为此，假设整个网络（而不是单个局部观测器）具有冗余传感器，并且假设是连接的。该方案是基于一种新的设计的分布式中值求解器，近似恢复的中值的本地估计。
2021-09-19 cs.SY eess.SY
A Fault-Tolerant Distributed Detection of Two Simultaneous Events in Wireless Sensor Networks
North Carolina A&T State University（北卡罗来纳农业与州立大学）；The University of Arizona（亚利桑那大学）；Isfahan University of Technology（伊斯法罕理工大学）
本文提出基于分布式数据处理和贝叶斯准则的双事件检测方法，通过最大似然比检验设计新决策规则，并扩展至容错流程以应对传感器决策故障，验证了算法在不同场景下的有效性。
2016-10-13 cs.SY eess.SY
A Modular Platform For Collaborative, Distributed Sensor Fusion
Duke University（杜克大学）
不幸的是，领先的自动驾驶汽车（AV）平台和测试基础设施都是专有和封闭源代码的。因此，很难评估安全关键型AV的性能以及它们的安全性。同样，很少有平台存在急需的多代理分析。为了为传感器融合和协作分布式传感的分析提供一个起点，我们使用AVstack设计了一个可访问的模块化传感平台。我们构建了协作和分布式相机-雷达融合算法，并展示了物理世界中的AV数据集，基于物理的模拟器和硬件的评估生态系统。这个由三部分组成的生态系统可以测试在现有开发平台中极具挑战性的下一代配置。
2023-03-29 cs.RO cs.SY eess.IV
Coordination and Control of Distributed Discrete Event Systems under Actuator and Sensor Faults
University of Notre Dame（圣母大学）
本文研究了在存在执行器和传感器故障的情况下，分布式离散事件系统的协同与控制问题，提出了一种基于自动机理论模型的方法，以建立故障容错监督器的必要和充分条件，并通过多机器人协调示例展示了所提出的架构。
2018-12-05 cs.FL cs.SY eess.SY
On the Design of Resilient Distributed Single Time-Scale Estimators: A Graph-Theoretic Approach
本文提出一种基于图论的弹性分布式单时间尺度估计器设计方法，通过放宽网络连通性要求并避免内部共识循环以降低通信负载，同时基于$q$-节点和$q$-链路连通性定义，证明了在最多$q$个传感器或通信链路故障时的Schur稳定性。
2025-05-03 cs.DC cs.MA cs.SY
An Energy Efficient Distributed Gossip Algorithm for Wireless Sensor Networks based on a Randomized Markovian Duty-Cycling
本文提出了一种新的异步一致性算法，它是基于一个连续的更新规则和能量有效的事件触发的工作周期（唤醒-睡眠）的基础上的离散马尔可夫链模型。该算法的系统模型制定和分析。给出了算法的收敛性和稳定性条件，并证明了算法收敛于平均一致性。对随机图、圆形图、链式图和星形图的数值模拟表明，网络的一致性和收敛性是稳定的。
2019-11-30 cs.SY eess.SP eess.SY
A Distributed Event-Triggered Control Strategy for DC Microgrids Based on Publish-Subscribe Model Over Industrial Wireless Sensor Networks
本文提出一种基于发布-订阅模型的分布式事件触发控制策略，用于直流微电网电压稳定和储能平衡，通过改进卡尔曼共识滤波器和事件触发通信减少网络流量，仿真验证其有效性。
2019-06-09 cs.DC cs.MA cs.NI
Linear TDOA-based Measurements for Distributed Estimation and Localized Tracking
Aalto University（阿尔托大学）；Semnan University（塞姆南大学）；University of Cyprus（塞浦路斯大学）
提出了一种线性的到达时间差（TDOA）测量模型，以提高局部目标跟踪的\textit{distributed}估计性能。我们设计分布式过滤器稀疏（可能是大规模的）通信网络，使用基于共识的数据融合技术。建议的分布式和本地化的跟踪协议大大降低了传感器网络的所需的连接和通信速率。我们，进一步考虑$κ$ -冗余的可观测性和容错设计的情况下，失去通信链路或传感器节点。我们提出的最小条件，其余的传感器网络（链路/节点删除后），使分布式的可观测性仍然保留，因此，传感器网络可以跟踪（单个）机动目标。动机是减少通信负载与处理负载，因为计算单元通常比通信设备成本低。我们通过MATLAB仿真评估跟踪性能。
2022-04-26 cs.MA cs.RO cs.SY
Consensus-Based Distributed Estimation in the Presence of Heterogeneous, Time-Invariant Delays
经典的分布式估计场景通常假设在传感器网络上及时和可靠地交换信息。本文，相比之下，考虑通过传感器网络传输时延的单时间尺度分布式估计。建议的离散时间网络估计器包括两个步骤：（i）共识（延迟）先验估计，（ii）测量更新。传感器只共享他们的先验估计与他们的外邻居在（可能）时间延迟的传输链路。延迟被假定为固定的时间，异构的，和已知的。我们假设分布式的可观测性，而不是本地的可观测性，这显着降低了传感器上的通信/传感负载。利用增广矩阵和Kronecker积的概念，证明了强连接网络上的估计器的收敛性。
2021-09-07 cs.MA cs.SI cs.SY
Enhanced Multi-Target Tracking in Dynamic Environments: Distributed Flooding Control in the Random Finite Set Framework
本文针对联网自动驾驶车辆在动态环境中的多目标跟踪问题，提出了一种基于泛洪通信的分布式多传感器控制方法，确保了传感器网络中最佳动作的分布式共识，显著提升了跟踪精度与计算效率。
2025-03-04 cs.SY eess.SP eess.SY
