具有數(shù)據(jù)包丟失的網(wǎng)絡控制系統(tǒng)的估計問題

韓 笑，亓慶源，紀志堅

(青島大學自動化學院，山東 青島 266071)

0 引言

網(wǎng)絡控制系統(tǒng)(NCSs)是空間分布式系統(tǒng)，其中傳感器、控制器和執(zhí)行器通過共享的網(wǎng)絡實現(xiàn)通信[1-2]。因為NCSs具有成本低、重量輕、結(jié)構(gòu)簡單和提高系統(tǒng)可靠性的優(yōu)點，所以被廣泛應用于遠程手術(shù)，無人機，人工智能等領域[3-5]。然而，在網(wǎng)絡控制系統(tǒng)信息傳遞過程中，網(wǎng)絡通信帶寬有限、網(wǎng)絡擁塞和網(wǎng)絡連接中斷等現(xiàn)象都會導致系統(tǒng)產(chǎn)生數(shù)據(jù)包丟失的問題[6]。由于丟包的存在，系統(tǒng)的狀態(tài)信息不能精確得到，只能依賴接收到的量測信息來對系統(tǒng)進行分析，使得系統(tǒng)的估計狀態(tài)有效的跟蹤實際狀態(tài)，具有重要的實際意義[7]。對于具有數(shù)據(jù)包丟失的NCSs，經(jīng)典的卡爾曼濾波失去了有效性，不能直接用來設計估計器[8-9]。因此，估計器可以通過量測過程zk推導出來。

近幾十年來，對具有數(shù)據(jù)包丟失的網(wǎng)絡控制系統(tǒng)進行研究已經(jīng)成為一個熱門的話題。Nahi考慮了具有數(shù)據(jù)包丟失的網(wǎng)絡控制系統(tǒng)的估計器，并得到了線性最小均方差估計器(LMMSE)[10]。然而，在文獻[11]中LMMSE是次優(yōu)的。文獻[12]利用時間戳技術(shù)，在隨機過程γk的條件下推導出了間歇卡爾曼濾波器。Imer提出了具有不可靠通信信道的線性時不變系統(tǒng)的最優(yōu)控制[13]。對于UDP網(wǎng)絡的最優(yōu)控制，雖然控制具有雙重效應，但它們給出了一個最優(yōu)估計器。然而，估計器是否是最優(yōu)的并沒有得到證明。Qi考慮了具有數(shù)據(jù)包丟失的網(wǎng)絡控制系統(tǒng)的最優(yōu)測量反饋控制和鎮(zhèn)定性[14]。Zhang等提出了一種次優(yōu)估計量[15]，它可以看作是LMMSE與間歇卡爾曼估計器的折中。

本文在之前工作的基礎上擴展了有關(guān)的內(nèi)容，給出了UDP情況下的最優(yōu)估計器，得到的結(jié)果可以在將來解決相關(guān)的最優(yōu)輸出反饋控制問題。本文通過嚴格的計算，運用遞推的方法得到兩種不同情形下系統(tǒng)的最優(yōu)估計(基于條件期望)和協(xié)方差矩陣。但是，在大的有限域下，這種方法變得困難。所以為了簡單的使用，本文開發(fā)了一個次優(yōu)估計器，這對研究在大的有限域下含有丟包的網(wǎng)絡控制系統(tǒng)有所幫助。

主要符號說明：Rn表示n維Euclidean空間；AT意味著矩陣A的轉(zhuǎn)置；E[·]是數(shù)學期望；E[·|Zk]是對Zk的條件期望；δkl表示Kronecker Delta函數(shù)，當k=l時，δkl=1；否則δkl=0；P(A)是事件A發(fā)生的概率，P(A|B)描述條件概率；I{A}是指示函數(shù)，表示當元素ω∈A時，I{A}=1,否則I{A}=0；N(μ,Σ)表示具有均值為μ，協(xié)方差為Σ的正態(tài)分布。

1 經(jīng)典卡爾曼濾波

卡爾曼濾波(Kalman filtering)是一種利用線性系統(tǒng)狀態(tài)方程，通過系統(tǒng)輸入輸出觀測數(shù)據(jù)，對系統(tǒng)狀態(tài)進行最優(yōu)估計的算法。由于觀測數(shù)據(jù)中包括系統(tǒng)中的噪聲和干擾的影響，所以最優(yōu)估計也可看作是濾波過程。

1.1 系統(tǒng)模型

考慮以下經(jīng)典的動態(tài)系統(tǒng)：

(1)

假設1在整個論文中，做出如下假設：

1)假設ek和vk是獨立的，均值為0的高斯白過程。

(2)

2)進一步假設初始狀態(tài)x0是一個具有均值為μ和協(xié)方差為E[(x0-μ)(x0-μ)T]=P0的高斯隨機變量，它與{ek}和{vk}相互獨立。

確定估計器和相關(guān)的誤差協(xié)方差矩陣：

(3)

(4)

(5)

1.2 主要結(jié)果

引理1[23]考慮經(jīng)典的動態(tài)系統(tǒng)：

(6)

(7)

(8)

(9)

(10)

2 具有丟包的網(wǎng)絡控制系統(tǒng)

網(wǎng)絡控制系統(tǒng)的通信通道通常使用以下兩種協(xié)議之一：傳輸控制協(xié)議(TCP)或用戶數(shù)據(jù)報協(xié)議(UDP)。兩者的區(qū)別之一是數(shù)據(jù)在網(wǎng)絡控制系統(tǒng)中傳輸時，是否發(fā)生丟包的行為是可知還是未知的。若是可知的，稱之為TCP情形下的網(wǎng)絡控制系統(tǒng)，反之，則稱之為UDP情形下的網(wǎng)絡控制系統(tǒng)。

為了基于量測過程{z0,z1,…,zk}來估計系統(tǒng)狀態(tài)xk，在給出最優(yōu)估計器之前，首先介紹如下的引理。

引理2[24]假設X,Y為任意聯(lián)合分布的隨機變量，則當隨機變量Y取值為y時，對隨機變量X的最小均方差估計可以如式(11)計算:

(11)

2.1 系統(tǒng)丟包過程γk可知

假設γk在每一個k時刻都能夠直接觀測到，隨機過程γk與量測數(shù)據(jù)zk在估計器設計中都是可知的?？紤]動態(tài)系統(tǒng)：

(12)

其中，xk∈Rn是狀態(tài)過程，zk∈Rn是量測信息，A∈Rn×n，H∈Rn×n是給定的確定性矩陣，γk∈{0,1}描述了數(shù)據(jù)從執(zhí)行器傳輸?shù)娇刂破鞯膩G包過程。

假設2γk是獨立同分布(i.i.d)的Bernoulli隨機變量，其中P(γk=1)=p,P(γk=0)=q=1-p。

確定估計器和相關(guān)的誤差協(xié)方差矩陣：

(13)

(14)

(15)

其中，Zk表示集合{z0,z1,…,zk}。

定理1在假設1與假設2的條件下，對于給定的動態(tài)系統(tǒng)(12)，最優(yōu)估計可計算為：

(16)

(17)

Σk/k=I{zk=0}Σk/k-1+I{zk≠0}[Σk/k-1-KkHΣk/k-1]

(18)

Σk+1/k=AΣk/kAT+R

(19)

最優(yōu)估計器與文獻[12]中所得的結(jié)果一致。

其中,γk是獨立同分布的伯努利隨機變量，概率為P(γk=1)=p。

證明：

(20)

fx0|z0(x|z)是條件概率密度函數(shù)。

(21)

其中,fx0,z0是(x0,z0)的聯(lián)合密度函數(shù)，fz0(z)是z0的概率密度函數(shù)。

1)當z0=0時，x0,z0相互獨立，f(x0,z0)=f(x0)f(z0)。

(22)

(23)

2)當z0≠0時，

x0/0=E[x0|z0=Hx0+υ0]

(24)

(25)

因此，在這種情況下，x0是條件為z0的高斯隨機向量，可以得到以下式子

(26)

Σ0/0=P0-P0HT(HP0HT+Q)-1HP0

(27)

定義K0=P0HT(HP0HT+Q)-1，因此，

(28)

(29)

由于系統(tǒng)噪聲{ek}和{γk}是相互獨立的，由公式(12)可得

(30)

(31)

由于z1是以z0為條件的，所以

(32)

(33)

應用于基本的結(jié)果，可以得到在z0和z1條件下x1的均值為

(34)

協(xié)方差為

Σ1/1=Σ1/0-Σ1/0HT(HΣ1/0HT+Q)-1HΣ1/0

(35)

因此，

(36)

(37)

(38)

(39)

(40)

Σk/k=I{zk=0}Σk/k-1+I{zk≠0}[Σk/k-1-KkHΣk/k-1]

(41)

(42)

證畢。

2.2 系統(tǒng)丟包過程γk未知

本節(jié)中考慮隨機過程γk不能直接被觀測到的情形，其中僅知道γk的概率分布。

系統(tǒng)的動態(tài)方程為

(43)

其中，xk∈Rn是狀態(tài)過程，zk∈Rn是量測信息，A∈Rn×n，H∈Rn×n是給定的確定性矩陣。

假設3{γk}是獨立同分布(i.i.d)的Bernoulli隨機變量，其中，P(γk=1)=p,P(γk=0)=q=1-p。另外，γk不能在系統(tǒng)中觀測到。

定理2在假設1和假設3的情況下，系統(tǒng)(43)的最優(yōu)濾波可以通過迭代的方法推得

(44)

(45)

(46)

(47)

(48)

Σk+1/k=AΣk/kAT+R

(49)

證明：

(50)

其中,fx0|z0(x|z)是條件概率密度函數(shù)，

(51)

fx0,z0是(x0,z0)的聯(lián)合密度函數(shù)，fz0(z)是z0的概率密度函數(shù)。

1)當γ0=0時，

fz0(y)=fυ0(y)，fx0,z0(x,y)=fx0(x)fυ0(y)

2)當γ0≠0時，

其中，

(52)

(53)

Fx0,Hx0+υ0(x,y)=P(x0≤x,Hx0+υ0≤y)

Fx0,υ0(x,y)=P(x0≤x,υ0≤y)

(54)

(55)

進而得到，

(56)

(57)

由于x1=Ax0+e0，所以

(58)

(59)

則最優(yōu)估計

(60)

定義fx1,z0,z1(x,y,z)=Δ1,fz0,z1(y,z)=Δ2，

(61)

Δ2=p2fHx0+υ0,Hx1+υ1(y,z)+p(1-p)fυ0,Hx1+υ1(y,z)+p(1-p)fHx0+υ0,υ1(y,z)+(1-p)2fυ0,υ1(y,z)

(62)

(63)

(64)

(65)

以此類推，可以得到：

(66)

(67)

(68)

(69)

Σk+1/k=AΣk/kAT+R

(70)

證畢。

由于求得的最優(yōu)濾波太復雜，難以實際應用，因此，為了更簡單的使用，需要給出一個次優(yōu)近似估計器。這種情況考慮的基本模型中沒有量測噪聲，不包括任何量測噪聲的理由是假設傳感器和控制器之間的通信發(fā)生在網(wǎng)絡層，其中發(fā)送的數(shù)據(jù)包是接收或丟失的?；蛘撸部梢哉J為傳感器和控制器通過具有無限容量的二進制擦除信道連接，即沒有狀態(tài)的量化或編碼。

(71)

定理3對于系統(tǒng)(70)，基于量測過程{z0,…,zk}的次優(yōu)估計器可以表示為

(72)

(73)

證明：具體證明過程參考文獻[14]。

3 數(shù)值算例

在本節(jié)中，將進行數(shù)值仿真模擬來進一步說明理論結(jié)果。一方面，通過圖1展示在網(wǎng)絡控制系統(tǒng)中經(jīng)典卡爾曼濾波的最優(yōu)性。另一方面，對于具有數(shù)據(jù)包丟失的網(wǎng)絡控制系統(tǒng)，本文給出定理1最優(yōu)估計與定理3次優(yōu)估計的仿真實例，并且分別與線性最小均方差誤差估計(LMMSE)進行比較。

3.1 卡爾曼濾波

假設經(jīng)典動態(tài)系統(tǒng)(1)的參數(shù)：A=1，H=0.2，ek～N(0,1)，vk～N(0,1)，時域N=200。由圖1可以看出，對于經(jīng)典的動態(tài)系統(tǒng)，系統(tǒng)觀測值與真實值的誤差比較大，而卡爾曼濾波的結(jié)果與系統(tǒng)真實值的誤差較小，能有效跟蹤系統(tǒng)的狀態(tài)。

3.2 最優(yōu)估計

由于在具有數(shù)據(jù)包丟失的NCSs當中，經(jīng)典的卡爾曼濾波失去有效性，因此，本文通過量測過程推導出系統(tǒng)的最優(yōu)估計器。首先對于隨機過程γk能直接被觀測到的情形，針對定理1，假設線性離散隨機系統(tǒng)(12)的參數(shù)：A=1.01，H=1，ek～N(0,1)，vk～N(0,1)，μ=0，P0=1，p=0.4，時域N=100。

從圖2可以明顯看出本文得出的最優(yōu)估計器與系統(tǒng)真實值之間誤差較小，而LMMSE與系統(tǒng)的真實狀態(tài)誤差較大，因此驗證了本文定理1的有效性。

圖1 系統(tǒng)的真實狀態(tài)，觀測值與卡爾曼濾波之間的比較

圖2 系統(tǒng)的真實狀態(tài)，最優(yōu)估計與LMMSE之間的比較

圖3 系統(tǒng)的真實狀態(tài)，次優(yōu)估計與LMMSE之間的比較

3.3 次優(yōu)估計

對于隨機過程γk不能直接被觀測到的情形，由于求得的最優(yōu)濾波太復雜，不能實際應用，所以本文只考慮次優(yōu)估計器的數(shù)值算例。因此，針對定理3，假設系統(tǒng)(71)的參數(shù)為：A=1.02，H=0.8，ek～N(0,1)，μ=0，P0=1，p=0.4，時域N=100。

從圖3中可以明顯看出本文給出的次優(yōu)估計器與系統(tǒng)的真實值的誤差比較小，而LMMSE與系統(tǒng)的真實值誤差比較大，由此證明本文提出的方法是可靠的。

4 結(jié)論

本文對具有丟包的網(wǎng)絡控制系統(tǒng)的估計問題進行了研究，當量測方程帶有噪聲時，由于經(jīng)典的卡爾曼濾波失效，針對不同的情形采用遞推的方法求出了系統(tǒng)的最優(yōu)估計(條件期望)和協(xié)方差矩陣。同時，為進一步研究大的有限域下的網(wǎng)絡控系統(tǒng)的問題，開發(fā)了一個次優(yōu)估計器，具有實際應用價值。最后，通過數(shù)值模擬驗證了文中提出的估計器能有效跟蹤系統(tǒng)的狀態(tài)，并且比LMMSE的性能更好，本文提出的方法是可行的。因此，研究具有數(shù)據(jù)包丟失的網(wǎng)絡控制系統(tǒng)的估計問題具有重要的理論和現(xiàn)實意義。