👆👆👆👆👆👆👆👆👆👆👆👆👆👆👆👆👆👆👆👆👆👆👆👆👆下载资源链接👆👆👆👆👆👆👆👆👆👆👆👆👆👆👆👆👆👆👆👆👆👆👆👆👆👆
《《《《《《《《更多资源还请持续关注本专栏》》》》》》》
论文与完整源程序_电网论文源程序的博客-CSDN博客https://blog.csdn.net/liang674027206/category_12531414.html
对于通信网络上的状态估计,网络的效率和可靠性是关键问题。他的存在数据包丢弃和通信延迟会极大地削弱我们测量和预测动态pi状态的能力塞斯。多描述(MD)码是网络源代码的一种,用来补偿这种影响。卡尔曼滤波。我们考虑了两种分组丢弃模型:在一种模型中,分组丢弃是根据独立的和同分布(I.I.D.)Bernoulli随机过程,而在另一种模型中,分组丢弃是突发的,并且根据马尔可夫过程发生链条。结果表明,MD码极大地提高了卡尔曼滤波在大范围丢包情况下的统计稳定性和性能两种情况下的情况都是如此。仿真结果验证了我们的结论。
部分代码展示:
%Jin Z, Gupta V, Murray R M. State estimation over packet dropping networks using multiple description coding %☆[J]. Automatica, 2006, 42(9):1441-1452.
%By xuelang-wang
% function Md_code
close all
clear
clc
% A=[1.25 0;1 1.1];C=[1 1];Q=20*eye(2,2);R=2.5; % 参数设置
A=-1.25;C=1;Q=1;R=2.5;
%%%%%%三链路
% A=[1.1 0.2 zeros(1,6);0.2 0.3 0.3 zeros(1,5);0 0.3 0.5 0.2 zeros(1,4);
% 0 0 0.2 1.1 0.3 zeros(1,3);zeros(1,3) 0.3 0.2 0.4 0 0;zeros(1,4) 0.4 0.4 0.3 0;
% zeros(1,5) 0.3 0.5 0.3;zeros(1,6) 0.3 1.1];
% Q=20*eye(8);
% C1=[1 1 1 zeros(1,5);0 0 1 1 zeros(1,4)];R1=2.5*eye(2);
% C2=[0 0 1 1 0 0 0 0;0 0 0 0 1 1 0 0];R2=2.5*eye(2);
% C3=[zeros(1,4) 1 1 0 0;zeros(1,5) 1 1 1];R3=2.5*eye(2);
% C=[C1;C2;C3];k=3;R=2.5*eye(6);
%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
lambdadown=1-1/(max(eig(A)))^2; %gathered下界
lambdadown2=1-1/max(abs(eig(A))); %MDcode下界
lambda=0:0.01:1; %设置步长
Trs=1e10*ones(size(lambda)); %设成无穷大
Trs2=1e10*ones(size(lambda)); %设成无穷大
k=1;
for i=lambda
if i >= lambdadown2+0.01
A2=A*(1-i);
s2=dlyap(A2,Q);
Trs2(k)=trace(s2);
if i>lambdadown
A1=A*sqrt(1-i);
s=dlyap(A1,Q);
Trs(k)=trace(s);
end
end
k=k+1;
end
效果展示:
200号资源-源程序:(SCI论文+程序)使用多描述编码的状态估计外包传输网络-本人博客有解读_威纶通触摸屏编程宏指令登陆资源-CSDN文库https://download.csdn.net/download/LIANG674027206/89797113👆👆👆👆👆👆👆👆👆👆👆👆👆👆👆👆👆👆👆👆👆👆👆👆👆下载资源链接👆👆👆👆👆👆👆👆👆👆👆👆👆👆👆👆👆👆👆👆👆👆👆👆👆👆
《《《《《《《《更多资源还请持续关注本专栏》》》》》》》
论文与完整源程序_电网论文源程序的博客-CSDN博客https://blog.csdn.net/liang674027206/category_12531414.html