分布式自适应估计
报告简介:
如何高效利用分布式传感器的数据设计分布式自适应估计算法是信号处理、系统辨识等领域的研究热点。现有的分布式估计算法性能分析的理论研究中,大多数需要数据的独立同分布(i.i.d.)等假设条件,同时分布式估计算法在估计任务中的联合效应有待揭示。注意到实际的数据往往由动态反馈系统产生,因而很难满足独立同分布等统计假设条件,这限制了分布式估计算法在反馈控制系统中的应用。在本报告中,我们将提出数据的联合激励条件,无需数据的独立同分布假设,建立了分布式自适应估计算法的收敛性分析,并揭示了传感器网络在参数估计中“1+1>2”的联合效应。
报告人简介:
刘志新
中国科学院数学与系统科学研究院研究员。研究方向为复杂系统、多主体系统、分布式滤波等,主持国家自然科学基金重大项目、重大研究计划重点项目等。现担任亚洲控制协会副主席、IEEE SMC协会协理副主席、中国自动化学会控制理论专业委员会副主任、中国工业与应用数学学会复杂系统与复杂网络专业委员会副主任等,担任《Control Theory and Applications》、《系统科学与数学》副主编,《Science China Information Sciences》、《IEEE Control Systems Letters》等杂志编委,获美国工业与应用数学学会的旗舰杂志SIAM Review的SIGEST论文奖、中国自动化学会自然科学一等奖、中国自动化学会青年科学家奖、中国工业与应用数学学会优秀青年学者等奖励和荣誉。

