1.一种人流密集区域网络拥塞状况事件触发滤波估计方法，其特征在于如下步骤：步骤1、建立网络通信系统的状态空间模型，具体方法是：

1.1对人流密集区域通信网络数据终端输入输出数据量进行采集以描述实际的系统；

1.2构造通信网络系统的状态空间模型；

1.3确定非线性系统满足条件；

步骤2、建立通信网络系统的事件触发条件；

步骤3、建立事件触发异步滤波器模型；

步骤4、构造非线性异步通信下的误差系统；

步骤5、设计针对网络拥塞估计的非线性异步事件触发滤波器。

2.根据权利要求1所述的一种人流密集区域网络拥塞状况事件触发滤波估计方法，其特征在于步骤1.3所述的确定非线性系统满足条件，具体如下：其中， 0＜ε1≤ε20＜ε3≤ε4,0＜ε5≤ε6,fi(0)＝0。

3.根据权利要求2所述的一种人流密集区域网络拥塞状况事件触发滤波估计方法，其特征在于步骤2所述的建立通信网络系统的事件触发条件，其构造形式如下：||ey(k)||1＞β||y(k)||1，其中，β是给定的常数且满足β∈[0,1)，ey(k)是采样误差，且满足 k∈[kl,kl+1)， y(kl)表示通信网络系统在事件触发时刻kl的输出值；l∈N+

，‖·‖1代表向量的1范数，即向量中所有元素的绝对值之和。

4.根据权利要求3所述的一种人流密集区域网络拥塞状况事件触发滤波估计方法，其特征在于步骤3所述的建立事件触发异步滤波器模型，其结构形式如下：其中，xf(k)表示滤波器的状态信号，zf(k)表示对输出信号z(k)的估计，Afi,Bfi,Efi,Ffi是要设计的滤波器矩阵。

5.根据权利要求4所述的一种人流密集区域网络拥塞状况事件触发滤波估计方法，其特征在于步骤4所述的构造非线性异步通信下的误差系统，得到：当k∈[kr,kr+Δr),时有当k∈[kr+Δr,kr+1),时有其中，

6.根据权利要求4或5所述的一种人流密集区域网络拥塞状况事件触发滤波估计方法，其特征在于步骤5所述的设计针对网络拥塞估计的非线性异步事件触发滤波器，其中通信系统的状态空间模型为:

x(k+1)＝Aσ(k)f(x(k))+Bσ(k)g(ω(k))y(k)＝Cσ(k)h(x(k))+Dσ(k)l(ω(k))z(k)＝Eσ(k)p(x(k))+Fσ(k)q(ω(k))T n

其中，x(k)＝[x1(k),x2(k),...,xn(k)] ∈R为k时刻区域内通信网络数据传输量，n代m

表该区域基站系统容量个数； 是通信网络工作中的外部扰动；y(k)∈R 为时刻k通过传感器采集得到的数据终端接收数据量的实际输出，m代表测量输出传感器的个数；zs n m

(k)∈R是对k时刻基站数据终端接收数据量的估计输出；非线性函数f(x)∈R ,g(x)∈R ,hn m n m

(x)∈R ,l(x)∈R ,p(x)∈R ,q(x)∈R ,函数σ(k)是切换信号，表示[0，∞]到有限集S＝{1，+

2，…，N }的映射；令σ(k)＝i，i∈S，则系统矩阵可被记作Ai，Bi，Ci，Di，Ei，Fi；矩阵n + n×n

R ， N ，R 分别表示n维向量、n维非负向量、正整数和n×n维欧氏矩阵空间。

7.根据权利要求6所述的一种人流密集区域网络拥塞状况事件触发滤波估计方法，其特征在于步骤5的具体步骤如下：

5.1设计的事件触发异步滤波器系统矩阵如下：n m

其中， ξi，ξiι，ξj，ξjι， 为R向量，δi，δiι，δj，δjι， 为R向量；1n表示元素全为1的n维向量， 表示第μ个元素为1，其余元素为0的n维向量；

5.2设计常数

0＜ε1≤ε2，0＜ε3≤ε4，n

0＜ε5≤ε6，γ＞0，λ＞1，0≤β＜1，0＜μ1＜1，μ2＞1，如果存在R 向量m

R向量

使得以下不等式：

对于任意的i，j∈S，i≠j，i＝1，2，…，n，j＝1，2，…，s，所构造的误差系统在滤波器增益矩阵及切换率下是L1增益稳定的；

5.3设计正切换系统状态空间模型的切换率如下：其中

‑ +

其中，Γ (k0，k)，Γ(k0，k)分别表示滤波器与切换系统同步和异步运行的总时间，τa表示切换子系统的驻留时间，Δmax表示滤波器与对应子系统的最大异步时间；

5.4根据步骤2、步骤4.2、步骤5.1和步骤5.2的正性约束条件，得到保证误差系统为正的条件：

当k∈[kr，kr+Δr)时当k∈[kr+Δr，kr+1)时其中，

5.5根据步骤2、步骤4.2得到保证误差系统L1增益稳定的条件：当k∈[kr，kr+Δr)时当k∈[kr+Δr，kr+1)时其中，

5.6构造一个多余正Lyapunov函数：其中， 结合步骤5.5得到：其中，

根据步骤5.2和步骤5.3中条件，可以得到：根据步骤5.6说明通信网络误差系统在设计的事件触发滤波器下是L1增益稳定的。