Robust Set-Membership Diffusion Normalization Subband Adaptive Filtering Algorithms Over Distributed Networks
Key Laboratory of Magnetic Suspension Technology and Maglev Vehicle, Ministry of Education(磁悬浮技术与磁浮车辆教育部重点实验室);School of Electrical Engineering, Southwest Jiaotong University(西南交通大学电气工程学院)
针对分布式网络中扩散子带算法鲁棒性不足的问题,提出基于中位数绝对偏差定理的鲁棒边界选择方法,实现抗脉冲噪声的扩散子带自适应滤波算法。
2026-06-03 eess.SP
On Stability and Convergence of Distributed Filters
近年来,见证了分布式过滤技术的扩散,其中一个集合的代理在一个ad-hoc网络通信的目的是协同估计和跟踪系统的状态。这些技术构成了现代多智能体系统的使能技术,并在工程界获得了极大的重要性。虽然大多数分布式过滤技术都有一套稳定性和收敛性标准,但所施加的条件被认为是不必要的限制。本文对分布式滤波的稳定性和收敛性的研究范式进行了修正。因此,一般的分布式滤波器的构造和它的估计误差动态公式。所进行的分析表明,实现稳定过滤操作的条件与集中过滤设置中所需的条件相同。最后,在卡尔曼滤波框架中证明了这些概念,并使用仿真实例进行了验证。
2021-02-22 cs.SY eess.SP eess.SY
Distributed Filtering Design with Enhanced Resilience to Coordinated Byzantine Attacks
本文提出一种基于共识的拜占庭鲁棒分布式滤波器(BR-CDF),通过部分状态共享提升抗协同攻击能力,并建模最优攻击策略,数值验证其鲁棒性。
2023-07-26 eess.SP
Polynomial graph filter of multiple shifts and distributed implementation of inverse filtering
多项式图滤波器及其逆滤波器在图信号处理中起着重要的作用。多项式图过滤器的优点在于它们可以以分布式方式实现,这仅涉及相邻顶点之间的数据传输。在逆滤波中出现的挑战是,直接实现可能遭受高计算负担,因为逆图滤波器通常具有全带宽,即使原始滤波器具有小带宽。本文研究了多移位多项式图滤波器的逆滤波过程的分布式实现,提出了两种可在分布式网络中实现的迭代近似算法,其中每个顶点都配备了有限的数据存储系统,计算能力和与相邻顶点的数据交换设施。我们还证明了所提出的迭代近似算法的有效性,以实现逆滤波过程和其令人满意的性能去噪随时间变化的图形信号和数据集的美国每小时的温度在218个位置。
2021-11-05 cs.IT eess.SP math.IT
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
Communication-Efficient Distributed Kalman Filtering using ADMM
针对分布式卡尔曼滤波中的通信瓶颈,本文利用增广拉格朗日方法转化约束,并应用ADMM实现仅交换原始变量的高效分布式滤波,且收敛性分析证明估计收敛到全局最优。
2025-01-22 cs.SY eess.SP eess.SY
Harmonic-Copuled Riccati Equations and its Applications in Distributed Filtering
本文提出调和耦合 Riccati 方程 HCRE,证明其解的存在唯一性及 CIDF 迭代收敛性,并将稳态误差协方差归结为 DLE 的解。
2023-07-13 eess.SP
Consensus-Based Distributed Nonlinear Filtering with Kernel Mean Embedding
本文提出基于核均值嵌入的共识分布式非线性滤波器,将状态嵌入再生核希尔伯特空间实现测量线性化,在保持分布式结构的同时达到集中式滤波精度,并通过目标跟踪实验验证其有效性。
2023-12-04 cs.SY eess.SP eess.SY
A Distributed Adaptive Algorithm for Node-Specific Signal Fusion Problems in Wireless Sensor Networks
无线传感器网络由物理上分布在不同位置的传感器节点组成。空间滤波过程利用这些传感器信号之间的空间相关性将它们融合成满足某些最优条件的滤波信号。然而,在融合中心收集原始传感器数据以集中方式解决问题将导致高能量和通信成本。分布式自适应信号融合(DASF)框架已被提出作为一种通用的方法来解决这些信号融合问题,在一个分布式的方式,这减少了网络中的通信和能源成本。DASF框架假设节点之间有一个共同的目标,即,最佳滤波器在网络上共享。然而,许多应用程序需要一个特定于节点的目标,而所有这些特定于节点的目标仍然通过一个共同的潜在数据模型。在这项工作中,我们提出了DANSF算法,它建立在DASF框架,并将其扩展到允许特定于节点的空间滤波问题。
2022-11-02 eess.SP
Distributed Multichannel Wiener Filtering for Topology-Unconstrained Wireless Acoustic Sensor Networks
KU Leuven(荷语鲁汶大学);Carl von Ossietzky Universität Oldenburg(奥尔登堡卡尔·冯·奥西埃茨基大学);Fraunhofer IDMT(弗劳恩霍夫工业应用声学研究所);Vrije Universiteit Brussel(布鲁塞尔自由大学)
研究拓扑无约束的无线声学传感器网络中分布式节点特定信号估计问题,提出TI-dMWF算法,通过交换低维融合信号计算集中式多通道维纳滤波器解,单次运行达集中式估计性能,分析了延迟、复杂度及鲁棒性。
2026-07-08 cs.IT eess.AS eess.SP
Accurate Graph Filtering in Wireless Sensor Networks
无线传感器网络(WSNs)被认为是实现物联网(IoT)范例的主要技术。最近出现的图形信号处理领域也可以通过提供关键工具(如图形过滤器)来处理与传感器设备相关的数据,从而为实现物联网做出贡献。图过滤器可以通过节点之间的一定数量的通信交换以分布式方式在WSN上执行。但是,无线传感器网络经常受到干扰和噪声的影响,这导致将这些网络视为有向的,随机的和时变的图拓扑结构。大多数现有的作品忽略了这个问题,考虑一个不切实际的假设,声称在两个相邻节点之间发送数据包时,在两个方向上的链路激活的概率相同。本文主要研究随机非对称无线传感器网络中的操作图过滤问题。我们首先表明,图过滤有限脉冲响应图过滤器(节点不变和节点变量)需要具有相等的连接概率的所有链接,以便有一个无偏的过滤,这在实践中无法实现在随机无线传感器网络。在此之后,我们的图形过滤错误的特征,并提出了一个有效的策略进行图过滤任务在随机无线传感器网络与节点变异图过滤器通过最大限度地提高精度,即,确保一个小的偏差方差权衡。为了提高精度,我们优化了滤波器系数,并在MAC层设计了一种跨层分布式调度算法。大量的数值实验表明,所提出的解决方案以及跨层分布式调度算法的去噪应用的效率。
2020-07-15 cs.NI eess.SP
Application of Distributed Arithmetic to Adaptive Filtering Algorithms: Trends, Challenges and Future
本文综述分布式算术在自适应滤波算法中的应用,分析其提升计算效率与降低资源需求的趋势,讨论实现挑战,并展望未来发展方向,旨在融合两者以实现高效信号处理。
2024-03-17 cs.SY eess.SP eess.SY
Distributed Algorithms for Filtering, Estimation, and Fault Detection over Cyber-Physical-Systems: A Tutorial and Survey
Semnan University(塞姆南大学);Sharif University of Technology(谢里夫理工大学);Qom University of Technology(库姆理工大学);Qatar University(卡塔尔大学);Instituto Superior Tecnico, University of Lisbon(里斯本大学高等理工学院);Boston College(波士顿学院)
本综述系统梳理了网络物理系统中分布式估计、滤波与故障检测算法,涵盖共识、扩散及阈值检测等方法,并探讨了其在智能电网等领域的应用,为研究者提供了全面指南。
2026-09-25 cs.SY eess.SP eess.SY
Evaluating Particle Filtering for RSS-Based Target Localization under Varying Noise Levels and Sensor Geometries
针对基于接收信号强度(RSS)的目标定位中粒子滤波性能缺乏系统分析的问题,本文设计并评估了一种粒子滤波算法,通过与传统三边测量方法比较,证明其在不利传感器几何结构和高噪声场景下定位更准确。
2025-08-24 eess.SP
Distributed Multichannel Wiener Filtering for Wireless Acoustic Sensor Networks
KU Leuven(荷语鲁汶大学);Carl von Ossietzky Universität Oldenburg(老enburg卡尔·冯·奥西茨基大学);Fraunhofer IDMT(弗劳恩霍夫工业声学和媒体技术研究所);Vrije Universiteit Brussel(布鲁塞尔自由大学)
本文提出一种非迭代的分布式多通道维纳滤波算法,用于无线声学传感器网络中节点特定语音信号的估计,优于现有方法,减少通信带宽使用。
2026-04-13 cs.IT eess.AS eess.SP
Quantization Analysis and Robust Design for Distributed Graph Filters
分布式图滤波器已在无线传感器网络(WSNs)中找到应用,以解决分布式任务,如共识,信号去噪和重建。然而,当在WSN上使用时,图过滤器应该处理网络有限的能量、处理和通信能力。量化在改善后者方面起着基础性的作用,但它对分布式图过滤的影响却知之甚少。由于噪声和干扰,无线传感器网络也容易出现随机链路丢失。滤波器输出受到量化误差和拓扑随机性误差的影响,如果在滤波器设计阶段没有适当地考虑到这两个误差,则可能导致通过滤波迭代的累积误差并且显著地降低性能。在本文中,我们分析了量化如何影响分布式图过滤的时不变和时变图。我们带来了两个最常见的图形滤波器的量化效果的见解:有限脉冲响应(FIR)和自回归移动平均(ARMA)图形滤波器。当量化步长固定或在滤波迭代中动态变化时,我们设计了滤波器性能的理论性能保证。对于FIR滤波器,我们表明,一个动态的量化步长导致更多的控制比固定步长量化的量化噪声。对于ARMA图滤波器,我们表明,减少量化步长的迭代减少量化噪声为零,在稳态。此外,我们提出了鲁棒的滤波器设计策略,最大限度地减少时不变和时变网络的量化噪声。合成和两个真实的数据集的数值实验证实了我们的研究结果,并显示不同的权衡量化位,滤波器的顺序,和鲁棒性拓扑随机性。
2020-04-14 cs.IT cs.SY eess.SP
Wiener filters on graphs and distributed polynomial approximation algorithms
在本文中,我们考虑维纳滤波器重建确定性和(宽带)固定图信号从他们的观察破坏随机噪声,我们提出了分布式算法来实现维纳滤波器和逆滤波器的网络中,代理配备了有限的数据存储和计算能力的数据处理子系统,并且具有一跳通信子系统,用于仅与它们的相邻代理进行直接数据交换。提出的分布式多项式逼近算法是一种基于Jacobi多项式逼近和Chebyshev插值多项式逼近立方上解析函数的指数收敛拟牛顿方法。我们的数值模拟结果表明,维纳滤波过程中去噪(宽带)平稳信号比Tikhonov正则化方法做得更好,和建议的多项式逼近算法收敛速度比Chebyshev多项式逼近算法和梯度下降算法做的实施与多项式滤波器的交换图移位的逆滤波过程。
2022-05-09 cs.IT eess.SP math.IT
Frequency and Phase Synchronization in Distributed Antenna Arrays Based on Consensus Averaging and Kalman Filtering
提出了一种分布式天线阵频率和相位联合同步的分散化方法。阵列中的节点与其相邻节点共享其频率和相位,以跨阵列对齐这些参数。我们的信号模型包括本地振荡器的频率漂移和相位抖动,以及在节点处的频率和相位估计误差,并使用实际的统计数据对它们进行建模。提出了一种分散式频率和相位一致性(DFPC)算法,该算法采用平均一致性方法,阵列中的每个节点通过计算其相邻节点的频率和相位的平均值来迭代更新其频率和相位。仿真结果表明,DFPC算法收敛后,可以对齐的频率和相位的所有节点的残余相位误差,这是由振荡器和估计误差。为了减小残余相位误差,提高节点间的同步性,提出了一种基于卡尔曼滤波器的分散式频率相位一致性(KF-DFPC)算法。从理论上推导了KF-DFPC和DFPC算法收敛时的总剩余相位误差。这些算法的同步性能进行了比较,在这个理论上的残余相位误差的光通过改变信号的持续时间,节点的连接,在阵列中的节点的数量,和发送信号的信噪比。仿真结果表明,所提出的KF-DFPC算法比其他算法,包括DFPC收敛在更少的迭代。此外,对于本地信息广播之间的较短间隔,KF-DFPC算法在减小残余总相位误差方面显著优于DFPC算法,而与接收信号的信噪比无关。
2022-07-20 cs.SY eess.SP eess.SY
Distributed Compression in the Era of Machine Learning: A Review of Recent Advances
本文综述了面向抽象源和图像的学习型分布式压缩技术的近期进展,重点讨论了接近信息论界限且具可解释性的方法,并指出了该领域未解决的挑战。
2024-02-12 cs.IT eess.SP math.IT
ASCNet-ECG: Deep Autoencoder based Attention aware Skip Connection network for ECG filtering
目前,远程医疗监测领域由于其在日常生活中的重要用途而受到了极大的关注。这一进步导致了电生理信号的数据收集的增加。由于这种进步,心电图(ECG)信号监测已成为医疗领域的主要任务。ECG通过分析心脏生理和异常在医学领域中起着重要作用。然而,这些信号由于许多种类的噪声而受到影响,例如电极运动、基线漂移和白噪声等,这影响了诊断的准确性。因此,对心电信号进行滤波成为一项重要的任务。目前,深度学习方案由于其有效的特征学习架构而广泛用于信号过滤任务。本文提出了一种基于深度学习的ECG信号滤波方案,该方案基于深度自动编码器模块。根据该方案,数据通过编码器和解码器层进行处理,通过消除噪声来重建。拟议的深度学习架构使用修改后的ReLU函数来改进属性的学习,因为标准ReLU无法适应巨大的变化。此外,一个跳过连接也被纳入所提出的架构,它保留了编码器层的关键功能,同时将这些功能映射到解码器层。类似地,还包括注意力模型,其执行通道和空间注意力,其通过使用通道和平均池化操作来生成鲁棒映射,从而提高学习性能。所提出的方法进行了测试,在一个公开的MIT-BIH数据集,不同类型的噪声,如电极运动,基线水和运动伪影,被添加到原始信号在不同的SNR水平。
2023-03-28 cs.CY eess.SP
Numerical Gaussian process Kalman filtering
KU Leuven(荷语鲁汶大学)
本文介绍了数值高斯过程卡尔曼滤波(GPKF)。数值高斯过程是近年来发展起来的一种模拟时空模型的方法。本文的贡献是将数值高斯过程嵌入到递归卡尔曼滤波方程中。这种嵌入使我们能够使用高斯过程对无限维系统进行卡尔曼滤波。这是可能的,因为i)我们从数值高斯过程获得线性模型,以及ii)该模型的状态根据定义是高斯分布的随机变量。数值GPKF的方便特性是不需要模型的空间离散化,并且不需要手动设置卡尔曼滤波器,即手动微调过程和测量噪声水平,因为它们是从数据流在线学习的。我们展示的能力的数值GPKF的平流方程的模拟研究。
2020-05-11 cs.LG eess.SP stat.CO