网络化系统易受到DoS攻击(Denial of Service Attacks)和FDI攻击(False Data Injection Attacks)等多重攻击,破坏了传感器量测数据的完整性和有效性,降低了滤波器的准确性,甚至使得滤波器发散。此外,系统建模误差、数据传输过程的多径传播等因素,使得过程噪声和量测噪声不再服从标准的高斯分布,呈现厚尾特性,降低了滤波器的估计性能。本文针对一类噪声服从厚尾分布的网络化非线性系统状态估计问题,考虑到系统面临的DoS攻击和FDI攻击等多重攻击导致滤波器估计性能差等问题,提出了基于学生t分布的抗攻击扩展卡尔曼滤波器。首先,借助学生t分布来近似厚尾噪声的概率分布,引入两个二元随机变量分别表征DoS攻击和FDI攻击,使用最小化估计误差协方差上界的方法,计算最优的滤波器增益矩阵,设计了多重攻击下的学生t扩展卡尔曼滤波器;其次,考虑到数据传输带宽有限,数据传输过程中面临的信道堵塞、信息丢失等问题,引入了事件触发机制,提高通信信道利用率,给出了事件触发机制下的学生t扩展卡尔曼滤波;最后,仿真验证了所提方法的有效性。
