連成測定およびマルチチャネル欺瞞攻撃下におけるマルチターゲットシステムのためのロバスト分散フィルタリング

科学分野:

• 制御システム工学
• 分散システム
• 信号処理

背景:

• 既存のカルマンコンセンサスフィルタはターゲットの独立性を仮定しており、連成測定による性能限界がある。
• 現在のセキュリティ研究は主に単一チャネルシステムに対応しており、マルチチャネル攻撃の脆弱性を無視している。

研究 の 目的:

• 連成測定およびマルチチャネル攻撃に直面するマルチターゲット追跡システムのための安全な状態推定方法を開発すること。
• 複雑な敵対的条件下でのカルマンコンセンサスフィルタリングのロバスト性と精度を向上させること。

主な方法:

• 連成と攻撃をモデル化するために、ターゲット依存の拡張システムとリンク信頼性の低い複合有向グラフを確立した。
• 調整されたコンセンサス構造とゲイン項を持つ修正カルマンコンセンサスフィルタを提案した。
• リッカチ差分方程式と行列不等式によるリアプノフ関数のスケーリングを利用して、誤差の有界性を保証した。

主要な成果:

• 修正フィルタは、連成測定およびマルチチャネル攻撃を効果的に考慮する。
• 推定誤差の有界性に関する十分条件を厳密に確立した。
• 数値シミュレーションにより、提案されたフィルタの優れた性能とセキュリティが検証された。

結論:

• 開発されたカルマンコンセンサスフィルタは、マルチターゲット追跡における安全な状態推定のためのロバストなソリューションを提供する。
• このアプローチは、ターゲット測定の連成および洗練されたマルチチャネル攻撃によって引き起こされる性能低下を効果的に軽減する。