Este artigo investiga o problema de estimação de estado para sistemas não lineares com quantização baseada em codificação binária, inversão de bits e ruído de cauda pesada. Devido à limitação da largura de banda do canal de comunicação em um ambiente de rede, os dados de medição coletados por sensores precisam ser quantizados com base em um número limitado de bits e convertidos em códigos binários para transmissão, gerando assim erros de quantização. Enquanto isso, durante a transmissão de dados, o código binário gerado pela quantização é afetado pelo ruído do canal, distorção do sinal, interferência de sinal e outros fatores. É suscetível à inversão de bits (ou seja, 0 é invertido para 1, e 1 é invertido para 0), o que leva a erros de comunicação. Para os problemas de erro de quantização, ruído de cauda pesada e inversão de bits, este artigo tem como objetivo alcançar a estimação de estado de tais sistemas não lineares, melhorando o algoritmo de filtro de partículas, com a ajuda da fórmula bayesiana e do método de simulação de Monte Carlo. Para abordar a questão da degradação das partículas na filtragem de partículas, este estudo emprega uma aproximação gaussiana da densidade de probabilidade posterior como a distribuição proposta. No design da distribuição proposta, uma sequência de inovação normalizada é introduzida para mitigar erros de quantização e efeitos de inversão de bits. Com base nesta formulação, a média, a covariância da distribuição proposta e a função de verossimilhança são derivadas analiticamente, resultando em uma distribuição proposta completa. Posteriormente, partículas são amostradas da distribuição proposta construída, e um esquema de ponderação de partículas atualizado é rigorosamente derivado. A estimativa de estado ótima é obtida através de uma soma ponderada das partículas. Simulações numéricas são realizadas para validar a eficácia do algoritmo proposto.
Li et al. (Sáb,) estudaram essa questão.