Abstract
当数据在大型无线多跳传感器网络中沿着不可靠的通信通道传输时，无法忽略通信延迟和控制回路中信息丢失的影响
我们从离散卡尔曼滤波公式开始，然后将观测到的结果建模为随机过程，从而解决了这个问题
我们研究了估计误差协方差的统计收敛特性，显示了观测值的到达率存在临界值，超过该临界值就会发生向无穷大误差的过渡
Introduction
考虑例如基于来自传感器网的当前位置和速度的估计来导航车辆的问题。 由于无线链路的不可靠性，基于此估计的测量可能会丢失或延迟。
In our setting, the sensor network provides observed data that are used to estimate the state of a controlled system, and this estimate is then used for control.
我们研究由于网络链接不可靠而造成的数据丢失的影响
我们描述了在这种情况下预期估计误差协方差的统计收敛性。
特别地，在[9]中，已经研究了根据泊松过程在时间上随机分布观察值的情况，其中基础动力学在连续时间内不断发展。 这些作者表明，观测值的到达率存在一个下限，在该下限范围内，很有可能将估计误差协方差保持在固定值以下。 结果仅限于标量SISO系统。而我们在离散时间的框架内解决了类似的问题，并为一般的n维MIMO系统提供了结果。
