文 献 综 述
1、研究背景及意义
卡尔曼滤波是现代控制理论的代表性成果之一。卡尔曼滤波作为一种最优状态估计法，可以应用于受随机干扰的动态系统，自从20世纪60年代初问世以来，就在航空航天领域获得了非常成功的应用。随着研究的深入，卡尔曼滤波技术越来越多地应用于各个领域，如导航制导、工业控制、目标跟着、大地测量和金融经济等等。
卡尔曼滤波方法的特点是，不要求保存过去的测量数据，当新的数据测得之后，根据新的数据和前一时刻的诸量估计值，借助系统本身的状态转移方程，按照一套递推公式，即可算出新的诸量的估计值。卡尔曼滤波的运用过程中，在传感器、控制器、执行器与估计器之间有着“预测-校正”的反复演算过程。通过这两个步骤，可以让由于噪声等原因所产生的系统偏差问题得到解决。随着无线传感与通信技术的发展，无线传感与执行器网络获得了越来越广泛的应用。然而在执行器网络应用中会产生一些问题：从控制与估计的角度来看，不可靠传输引起的数据丢包、时延等会使系统性能变坏；从执行器网络的角度来讲，有限的传感器能量以及网络带宽需要合理调度用以优化系统性能。
因此，通过设计网络化滤波算法来应对数据包的丢失、时延等各种情况，以及通过确定性或是不确定性的阈值来平衡网络传输质量与资源用量，保证网络传输的最优化过程，都是非常重要的课题，对于推进无线传感与通信技术的发展有着重要意义。
2.国内外研究现状
2.1国外研究现状
统计滤波是一门在各个领域中都具有广泛应用的数学方法，早在1945年高斯在研究行星轨道时就提出来了最小二乘法，并深深影响了后世的理论发展。20世纪，柯尔莫哥罗夫和维纳相继提出了平稳随机过程的最优线性滤波理论，即是维纳滤波理论。60年代后，卡尔曼首次提出了卡尔曼滤波理论，为现代控制论的发展开阔了领域[1]。
而近年以来，关于将滤波算法结合于网络，以应对各种网络数据传输中所产生的时延与丢包问题的相关研究与相关网络滤波算法的设计也是越来越多。Fasano A，Longhi S以及Monteriu A等人[2]考虑具有间歇观测值的线性离散时间高斯系统，模拟了数据包丢失情况下的网络数据信息传输过程，并对估计器和线性滤波器做了一定的改善。Hermoso-Carazo A和J. Linares-PAtilde;copy;rez[3]-[4]用二进制白噪声模拟延迟，研究了一步随机延迟情况下的滤波问题，并比较了不同算法的性能差异。不仅如此，他们还考虑了一种可以很容易地推广到多样本延迟情况的延迟观测模型，给出了具有两步随机延迟观测的非线性离散随机系统状态估计的无迹滤波递推算法。Singh A K，Bhaumik S和Date P{5]-[6]同样做了关于一步随机延迟情况下的问题探讨，并且运用了两个正交滤波器来解决延迟问题。而在另一项研究中，他们提出了一种不单单只是应对单步或者是两步，而是可以处理具有任意测量延迟的滤波问题的方法，他们对非线性滤波问题的传统贝叶斯近似进行了改进，重新表述了测量更新过程中出现的均值和协方差表达式。Esmzad R和Esfanjani R M[7]则是考虑了一种估计器既具有延迟问题也有丢包问题的离散时间非线性动态系统，并且提出了一种改进的似然贝叶斯滤波器。滤波器的似然函数通过边缘化延迟变量来计算，以从延迟测量中提取准确的信息，具有不错的性能。
2.2国内研究现状
