买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉延安大学申请的专利一种多传感器网络拓扑结构脆弱性的检测方法及系统获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN121603306B 。

龙图腾网通过国家知识产权局官网在2026-04-21发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202610120942.6，技术领域涉及：H04L9/40；该发明授权一种多传感器网络拓扑结构脆弱性的检测方法及系统是由马建为;王慧丽;李江荣设计研发完成，并于2026-01-29向国家知识产权局提交的专利申请。

本一种多传感器网络拓扑结构脆弱性的检测方法及系统在说明书摘要公布了：本申请公开了一种多传感器网络拓扑结构脆弱性的检测方法及系统，涉及传感器技术领域，其中方法包括：对状态矩阵求特征值λiA；构造加权有向拓扑图，建立拉普拉斯矩阵，特征分解得到特征值μjL；计算各传感器的状态估计量，堆叠得到整体系统误差；建立统一共识估计误差系统的状态矩阵Φ，求Φ的联合特征值；构造偏差系统，形成可达性矩阵R；如果存在特征值μjL和特征值λiA使得，同时联合特征向量vij属于可达子空间spanR，则当前多传感器网络的拓扑结构和共识增益的配置在拜占庭攻击下是脆弱的。利用本申请的方法无需大量时域仿真或实物攻击实验即可判断拓扑结构的脆弱性。

本发明授权一种多传感器网络拓扑结构脆弱性的检测方法及系统在权利要求书中公布了：1.一种多传感器网络拓扑结构脆弱性的检测方法，其特征在于，包括： 从多传感器网络的系统模型中读取状态矩阵A和各传感器的测量矩阵Ci，对所述状态矩阵A求特征值λiA和相应的特征向量ri； 根据多传感器网络的拓扑结构构造加权有向拓扑图G，基于所述加权有向拓扑图G建立拉普拉斯矩阵L，对所述拉普拉斯矩阵L进行特征分解，得到特征值μjL和相应的特征向量qj； 多传感器网络采用统一共识增益的卡尔曼一致滤波器，根据所述系统模型以及所述测量矩阵Ci计算各传感器的状态估计量，将各传感器的所述状态估计量堆叠得到整体系统误差； 基于所述状态矩阵A、所述拉普拉斯矩阵L以及共识增益建立统一共识估计误差系统的状态矩阵Φ，求所述状态矩阵Φ的联合特征值λij，所述联合特征值λij表示为，为统一共识增益系数； 基于所述整体系统误差构造偏差系统，基于所述偏差系统的可达性分析形成可达性矩阵R； 令联合特征向量vij为，如果存在非零的所述特征值μjL和所述特征值λiA使得，同时所述联合特征向量vij属于可达子空间spanR，则当前多传感器网络的拓扑结构和所述共识增益的配置在拜占庭攻击下是脆弱的； 其中，基于所述加权有向拓扑图G建立所述拉普拉斯矩阵L的方法包括： 所述加权有向拓扑图G表示为，其中传感器集合，N为传感器的数量，为边集合，为边权矩阵，wij为连接传感器i和j的边的权重； 对传感器i计算入度，构造成对角度矩阵，所述拉普拉斯矩阵表示为； 所述状态估计量表示为： 各传感器使用统一的共识增益，得到： 其中，和分别为传感器的预报状态估计量和滤波状态估计量，为第i个传感器的卡尔曼增益，是第个传感器的测量结果，为传感器的共识增益，为传感器j的预报状态估计量，为统一共识增益系数，取值大于零，Ni为传感器i的邻居集合，为阶单位矩阵，n是系统的状态维数； 将各传感器的状态估计量堆叠后得到所述整体系统误差，表示为： 其中，为阶单位矩阵，N为传感器的数量，为N阶单位矩阵，为Kronecker积，,,为k-1时刻的整体系统误差，为由拜占庭传感器攻击引起的偏差； 所述状态矩阵Φ表示为，利用Kronecker积的谱性质，对求特征值得； 偏差系统为： 其中； 基于系统理论的可达性分析，形成所述可达性矩阵： 。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人延安大学，其通讯地址为：716000 陕西省延安市新区公学北路1号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。