Resumen

El algoritmo de consenso para sistemas dinámicos en red es un problema de investigación importante para la fusión de datos en redes de sensores. En este artículo, se investiga el filtro distribuido con estrategias de consenso conocido como filtro de consenso de Kalman y filtro de consenso de información para la estimación de estado de redes de sensores distribuidos. En primer lugar, se realiza un análisis comparativo detallado entre el filtro de consenso de Kalman y el filtro de consenso de información, y los resultados muestran que el filtro de consenso de información tiene un mejor rendimiento que el filtro de consenso de Kalman. En segundo lugar, se propone un novedoso proceso de optimización para actualizar los pesos de consenso basado en el filtro de consenso de información. Finalmente, se presentan algunas simulaciones numéricas, y los resultados experimentales muestran que el método propuesto logra un mejor rendimiento que las estrategias de filtro de consenso existentes.

• Materias:Modelado matemático Modelo de red neuronal Tasa de convergencia Aritmética Ondículas libres
• Subjects:Mathematical modeling Neural network model Convergence rate Arithmetic Free wavelets
• Palabras claves:Algoritmo de consenso; Sistemas dinámicos en red; Fusión de datos; Redes de sensores; Filtro de consenso de Kalman; Filtro de consenso de información
• Keywords:Consensus algorithm; Networked dynamic systems; Data fusion; Sensor networks; Kalman consensus filter; Information consensus filter