ADMM based Distributed State Observer Design under Sparse Sensor Attacks
本文研究了传感器攻击下离散线性时不变系统的分布式状态观测器设计问题。我们假设有一个由观察者节点组成的网络，它们通过无向图相互通信，每个节点都有被对抗性攻击破坏的部分输出测量。我们解决稀疏攻击的情况下，攻击者的目标传感器的一个小的子集。提出了一种基于乘子交替方向法（ADMM）的算法，为每个观测器提供一个更新律，保证每个观测器节点渐近收敛到实际状态。
2022-12-08 cs.SY eess.SY
Distributed Joint Sensor Registration and Multitarget Tracking Via Sensor Network
Università degli Studi di Firenze（佛罗伦萨大学）；University of Electronic Science and Technology of China（电子科技大学）
本文提出了一种基于传感器网络的分布式联合传感器注册与多目标跟踪方法，通过共识卡数概率假设密度滤波器递归计算每个节点的后验RFS密度，并利用平均Kullback-Leibler散度最小化来优化传感器注册参数。
2019-02-07 cs.SY eess.SY
Damage identification of offshore jacket platforms in a digital twin framework considering optimal sensor placement
本研究提出融合最优传感器布置的数字孪生框架，采用MOLA优化传感器配置、MCMC-贝叶斯方法量化参数不确定性并识别损伤，经海上导管架平台验证可有效定位损伤并评估严重程度。
2024-03-26 cs.SY eess.SP eess.SY
Relay-based identification of Aerodynamic and Delay Sensor Dynamics with applications for Unmanned Aerial Vehicles
提出基于 MRFT 与 LPRS 的无人机实时系统辨识方法，可在线估计气动参数和传感器延迟，实验表明其精度高、计算快并能量化不确定性。
2023-03-25 cs.SY eess.SY
A recursive estimation approach to distributed identification of large-scale multi-input-single-output FIR systems
Eindhoven University of Technology（埃因霍温理工大学）
本文提出了一种用于多输入单输出FIR系统分布式识别的新方法，通过局部参数估计实现渐近收敛，具有有限的信息交换需求。
2018-07-21 cs.SY eess.SY
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
Abnormal source identification for parabolic distributed parameter systems
分布参数系统中隐藏的异常源识别属于源反问题的范畴。它在工业应用中很重要，但很少研究。本文首次尝试研究了一类DPS的异常时空源识别问题。首次提出了一种用于异常源识别的逆S-T模型。它由一个用于源识别的自适应状态观测器和一个自适应源估计算法组成。所提出的逆S-T模型的一个主要优点是，只有系统输出被利用，没有任何状态测量。理论分析保证了估计误差的收敛性。最后，在一个具有异常S-T源的传热棒上对所提出的方法的性能进行了评估。
2019-11-28 cs.SY eess.SY
Sensor placement for fault location identification in water networks: A minimum test cover approach
MIT（麻省理工学院）
本文研究了大规模城市水系统中管道故障定位的最优传感器布置问题，采用最小测试覆盖方法，通过贪心算法和改进贪心算法提供近似解，通过实验验证了方法的有效性。
2016-03-22 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
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
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
Asymptotically Efficient Identification of Known-Sensor Hidden Markov Models
KTH Royal Institute of Technology（皇家理工学院）；Cornell University（康奈尔大学）
本文提出一种两步算法，通过矩估计和牛顿-拉夫森最大似然估计，理论证明其一致性与渐进效率，并在大规模数据集上展示计算效率优势。
2017-02-01 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
Data-Driven Identification of Attack-free Sensors in Networked Control Systems
Uppsala University（乌普萨拉大学）；Eindhoven University of Technology（埃因霍温理工大学）
本文提出了一种数据驱动方法，用于在线识别网络化控制系统中未受攻击的传感器，并通过数值实验验证了其有效性。
2023-12-08 cs.SY eess.SY math.OC
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
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
Distributed Estimation Recovery under Sensor Failure
Sharif University of Technology（谢里夫理工大学）；Semnan University（塞姆南大学）；Iran Telecommunication Research Center (ITRC)（伊朗电信研究中心）；Tufts University（塔夫茨大学）
本文研究了在传感器故障情况下如何通过添加等效状态的新传感器测量来恢复分布式估计，提出多项式阶算法以实现大规模系统的可观测性恢复。
2017-09-12 cs.MA cs.SI cs.SY
Attack Detection and Identification in Cyber-Physical Systems -- Part II: Centralized and Distributed Monitor Design
University of California at Santa Barbara（加州大学圣塔芭芭拉分校）
本文基于第一部分结果，提出最优集中式攻击检测与识别监控器，并利用波形松弛技术设计最优分布式攻击检测滤波器，同时针对计算困难的攻击识别问题设计了具有性能保证的次优分布式识别方法。
2012-02-27 cs.SY eess.SY math.OC
A Privacy Preserving Distributed Model Identification Algorithm for Power Distribution Systems
针对分布式方法收敛慢及敏感信息通信隐私保护问题，提出一种仅通过虚拟变量通信的分布式模型辨识算法，使智能体辨识局部控制与系统输出的关系，并在改进的IEEE配电系统电压调节中验证了其有效性。
2023-04-06 cs.SY eess.SY math.OC
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
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
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 Online System Identification for LTI Systems Using Reverse Experience Replay
Northeastern University（东北大学）
线性时不变系统的辨识在控制和强化学习中起着重要的作用。渐近和有限时间离线系统辨识在文献中得到了很好的研究。对于在线系统辨识，最近提出了随机梯度下降与反向经验重放（SGD-RER）的思想，其中数据序列存储在多个缓冲器中，并且随机梯度下降（SGD）更新在每个缓冲器中向后执行以打破数据点之间的时间依赖性。受此启发，我们研究了分布式在线系统辨识的LTI系统在多智能体网络。我们认为代理商是相同的LTI系统，网络的目标是通过利用代理商之间的通信来联合估计系统参数。我们提出了DSGD-RER，一个分布式的SGD-RER算法的变种，并从理论上描述了改进的估计误差相对于网络的大小。我们的数值实验证明，随着网络规模的增长，估计误差的减少。
2022-09-15 cs.LG cs.SY eess.SY
Sensor Model Identification via Simultaneous Model Selection and State Variable Determination
University of Klagenfurt（克拉根福大学）
本研究提出一种传感器模型无人值守灰箱辨识方法，通过同步模型选择与状态确定，结合健康度指标验证结果，可简化传感器集成，适用于非专业用户及模块化机器人场景。
2025-06-12 cs.IT cs.NA cs.RO
Distributed Identification of Contracting and/or Monotone Network Dynamics
本文提出了一种用于识别大规模网络系统的方法，该方法保证所得到的模型将收缩-非线性稳定性的强形式-和/或单调性，即状态之间的顺序关系被保留。我们解决的主要挑战是：同时搜索模型参数和稳定性证书，以及具有数百或数千个节点的网络的可扩展性。我们提出了一个模型集，承认凸约束的稳定性和单调性，并有一个可分离的结构，允许分布式识别通过交替方向的乘法器（ADMM）。各种线性和非线性的案例研究，包括200维状态空间的非线性交通网络的性能和可扩展性的方法进行了说明。
2021-07-29 cs.LG 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
