基于事件触发AF中继协议的双时间尺度复杂网络有限时间异步状态估计：驻留概率与动态资源优化策略

《Neurocomputing》：Finite-time asynchronous state estimation for two-time-scale complex networks with sojourn probabilities and event-based AF relay protocols

本文针对具有部分已知驻留概率（SPs）的双时间尺度复杂网络（TTSCN），提出了一种创新的有限时间异步状态估计框架。研究首次将动态事件触发机制（DETM）与放大转发（AF）中继协议相结合，在传感器-中继（STR）和中继-估计器（RTE）双通道中嵌入含内动态变量（IDV）和乘性调节变量（MAV）的智能触发策略，有效降低中继能耗并节约网络资源。通过构建与奇异扰动参数（SPP）、系统模态及IDVs关联的Lyapunov函数，设计了兼具模式无关、全同步、全异步及部分同步特性的通用估计器，确保误差系统随机有限时间有界（SFTB）且满足H∞性能。该研究为基因调控网络等生物系统中多尺度动态过程的实时状态追踪提供了理论支撑与技术路径。

　　

Section snippets

System model

考虑由N个节点组成的非线性双时间尺度复杂网络（TTSCN）：

[系统方程描述，其中x_i(k) = [x_si^T(k) x_fi^T(k)]^T为节点状态向量（含慢状态x_s和快状态x_f），ε为奇异扰动参数（SPP），耦合矩阵G体现拓扑结构]

Main results

本节首先给出系统(13)实现随机有限时间有界（SFTB）的条件：

Theorem 1

对于给定正标量参数及非负标量约束，若存在正标量λ₁, λ₂, ?及矩阵P_ι(δ_k, θ_k) > 0，使得对任意ι, δ_k, θ_k满足线性矩阵不等式（LMI）条件，则系统(13)关于(c₁, c₂, R, N)随机有限时间有界。

Proof

根据动态事件触发机制（DETM）的约束条件及Lyapunov函数构造，推导误差系统稳定性，其中关键项含IDVs动态调节与MAV的协同作用。

Example

通过三节点TTSCN数值仿真验证方法有效性：设置系统矩阵、中继增益矩阵及多模态参数（含未知SPs），对比显示所设计DETM在资源节约与估计性能间的优越平衡。

Conclusion

本研究解决了基于动态事件触发AF中继协议的TTSCN有限时间H∞异步状态估计问题。所提估计器具高度通用性，嵌入中继与传感器的双DETM机制显著降低能耗并优化网络资源利用。通过LMI形式给出的充分条件为生物多尺度网络实时监控提供了可实现的理论框架。

CRediT authorship contribution statement

Jinrong Fan: 原创撰写、监督指导、形式分析。 Niewen Xu: 原创撰写、方法设计、研究调研。 Xiongbo Wan: 评审编辑、验证分析、方法设计。 Leimin Wang: 验证分析、方法设计。

Declaration of Competing Interest

作者声明无已知竞争性财务利益或个人关系影响本研究。

Acknowledgment

本研究受国家自然科学基金（62473346）资助。