摘要 本文研究了离散时间网络化系统的分布式状态估计问题,提出了一种基于状态分解的新型分布式状态估计方法.通过解耦系统的能观状态分量,网络中各传感器节点可独立估计对应分量,实现了估计方法的完全分布式设计.针对网络信息传输冗余问题,建立了状态预测值扩散策略,各传感器仅需向外传输其能观状态分量的预测值,大幅降低了传感器网络各节点的计算与通信资源消耗.为证明本文所设计估计方法的误差协方差有界性,构造了紧凑形式误差协方差迭代式,得到了协方差存在上下界的充分条件.最后,通过仿真在估计精度和鲁棒性上与现有估计方法进行了对比分析,验证了所设计估计方法的有效性.

关键词 分布式状态估计; 网络化系统; 传感器网络; 状态分解; 有界性分析; distributed state estimation; networked systems; sensor networks; state decomposition; boundedness analysis

摘要 司法大数据已成为法律实证研究和智慧司法工程建设的重要基础,相应地,数据计算结果的可解释性与可靠性等基础性问题愈加重要.为此,我们对非线性递推辨识理论进行了相应创新,并应用于量刑数据分析.具体来讲,依据相关法律建立了更加符合法逻辑的非线性随机量刑模型(S-模型),应用我们提出的非线性递推辨识算法和建立的关于有限数据样本下辨识精度的数学理论,对近20万故意伤害罪判决数据进行了计算分析.研究发现,与传统线性模型及最小二乘算法相比,基于我们的S-模型和非线性递推辨识算法所给出的计算结果,更符合量刑基本原则和具体规则,可以更准确地反映量刑要素的影响及变化,并具有更好的预测能力.

关键词 非线性模型; 递推辨识算法; 辨识精度保证; 量刑; 故意伤害罪; 司法判决数据; nonlinear model; recursive identification algorithm; identification accuracy guarantee; sentencing; crime of intentional injury; judicial documents data;