推荐星级:
  • 1
  • 2
  • 3
  • 4
  • 5

非均匀拓扑网络中的分布式一致性状态估计算法

更新时间:2019-12-30 11:37:10 大小:1M 上传用户:IC老兵查看TA发布的资源 标签:非均匀拓扑网络 下载积分:1分 评价赚积分 (如何评价?) 打赏 收藏 评论(0) 举报

资料介绍

分布式一致性状态估计是传感器网络中节点对目标的一种有效的估计融合方法。针对网络非均匀拓扑情况下的一致性状态估计问题,首先,研究了分布式传感器网络一致性状态估计框架,提出了四级功能模型,从信息处理、交互及融合的角度描述了一致性状态估计技术的主要流程;其次,考虑网络非均匀拓扑时一致性收敛速度较慢的情况,根据节点间通信链接的重要性设计了基于动态拓扑信息的自适应权值分配方法,在此基础上提出了基于自适应加权的卡尔曼一致性滤波(adaptive weighted Kalman consensus filter,AW-KCF)算法。仿真结果显示,AW-KCF在非均匀拓扑的稀疏网络中具有较快的一致性收敛速度。


部分文件列表

文件名 大小
1577677024非均匀拓扑网络中的分布式一致性状态估计算法.pdf 1M

部分页面预览

(完整内容请下载后查看)
第
卷
第
期
系统工程与电子技术  
40  
9
Vol.40 No.9  
ꢀ
ꢀ
年
月
2018  
9
SstemsEnineerin andElectronics  
ꢀ g ꢀ  
y g  
ꢀ
Setember2018  
p
ꢀ
  
:
( )  
1001506X201809191709  
-
:
网址  
www.ssele.com  
文章编号  
-
-
ꢀ
y
-
非均匀拓扑网络中的分布式一致性状态估计算法  
,
12  
1
1
1
1
1
,
, , , ,  
刘 俊 徐从安 王 聪 齐 林 丁自然  
ꢀ ꢀ ꢀ  
刘 瑜  
ꢀ
( ,  
海军航空大学信息融合研究所 山东 烟台  
1.  
;
264001  
,
北京航空航天大学电子信息工程学院 北京  
2.  
)
100191  
: 。  
要 分布式一致性状态估计是传感器网络中节点对目标的一种有效的估计融合方法 针对网络非均匀  
摘
ꢀꢀ  
,
拓扑情况下的一致性状态估计问题 首先 研究了分布式传感器网络一致性状态估计框架 提出了四级功能模型  
ꢀ
,
,
,
、 ; ,  
从信息处理 交互及融合的角度描述了一致性状态估计技术的主要流程 其次 考虑网络非均匀拓扑时一致性收  
, ,  
敛速度较慢的情况 根据节点间通信链接的重要性设计了基于动态拓扑信息的自适应权值分配方法 在此基础上  
(
,
)
算法 仿真结  
adativeweihtedKalmanconsensusfilter AW KCF  
。
提出了基于自适应加权的卡尔曼一致性滤波  
p
ꢀ
g
ꢀ
ꢀ
ꢀ
-
,
。
在非均匀拓扑的稀疏网络中具有较快的一致性收敛速度  
果显示  
AW KCF  
-
: ; ; ; ;  
关键词 传感器网络 非均匀拓扑 状态估计 卡尔曼一致性滤波 自适应权值分配  
:
:
文献标志码  
A
:
/
j
中图分类号  
TP393  
ꢀ ꢀꢀꢀꢀ  
DOI10.3969 .issn.1001506X.2018.09.04  
ꢀꢀꢀꢀ  
-
Distributedconsensusstateestimationalorithminasmmetricalnetworks  
ꢀ ꢀ ꢀ ꢀ ꢀ ꢀ  
ꢀ
g
y
,
12  
1
1
1
1
1
,
, ’ ,  
LIUJun XU Con an WANGCon  
ꢀ
, ,  
QILin DINGZiran  
ꢀ ꢀ  
LIU Yu  
ꢀ
ꢀ
g
ꢀ
g
(
, , ,  
1.ResearchInstituteo In ormationFusion NavalAviationUniversit Yantai264001 China  
ꢀ
;
ꢀ
ꢀ
ꢀ
ꢀ
ꢀ
f
f
y
ꢀ
, , ,  
2.Schoolo ElectronicandIn ormationEnineerin Beihan Universit Beiin 100191 China  
ꢀ
)
ꢀ
ꢀ
ꢀ
g
f
f
g
g
ꢀ
y
j g  
ꢀ
ꢀ
:
Abstract Distributedconsensusstateestimation DCSE isaneffectivefusionmethodinsensornetworks.  
ꢀꢀ ꢀ ꢀ ꢀ ꢀ  
(
)
ꢀ
ꢀ
ꢀ
ꢀ
ꢀ
ꢀ
,
FortheDCSE roblemwithas mmetricaltoolo afourlaerfunctionalmodelwhichdescribesthemainflow  
ꢀp ꢀ y ꢀ p gy  
y ꢀ  
ꢀ
ꢀ
ꢀ
ꢀ
-
ꢀ
ꢀ
ꢀ
ꢀ
ꢀ
ꢀ
,
ofconsistenc stateestimationtechnolo isfirstl roosedfromthe ersectiveofinformation rocessin in  
gy ꢀ yp p  
ꢀp ꢀꢀ ꢀp -  
ꢀ
y
ꢀ
ꢀ
ꢀ
ꢀ
ꢀ
p
g
ꢀ
ꢀ
,
teractionandfusion.Andthen considerin thenetworktoolo ofas mmetricalconsistenc ofslowconver  
ꢀ p gy ꢀ y -  
ꢀ
ꢀ
ꢀ
g
ꢀ
ꢀ
ꢀ
y
ꢀ
ꢀ
ꢀ
ꢀ
,
encerate anadativeassinmentalorithmforconsensusratefactorbasedondnamictoolo informationis  
ꢀg ꢀ ꢀ ꢀ ꢀy ꢀ p gy  
g
ꢀ
ꢀ
p
ꢀ
g
-
ꢀ
ꢀ
ꢀ
ꢀ
,
desinedaccordin totheim ortanceofcommunicationlinksbetweennodes andaKalmanconsensusfilter  
ꢀ p ꢀ ꢀ ꢀꢀ  
g
ꢀ
g
ꢀ
ꢀ
ꢀ
ꢀ
ꢀ
ꢀ
ꢀ
(
)
namedadativeweihtedKalmanconsensusfilter AW KCF is roosedbasedontheadativeconsistenc rate  
ꢀ g ꢀp p ꢀ ꢀ  
ꢀ
p
ꢀ
ꢀ
ꢀ
-
ꢀ
ꢀ
p
ꢀ
y
ꢀ
,
factor.Finall thesimulationresultsindicatethatAW KCFouterformsKCFwithfasterconverenceratein  
ꢀ
y
ꢀ
ꢀ
ꢀ
ꢀ
ꢀ
-
ꢀ
p
ꢀ
ꢀ
ꢀ
g
ꢀ
ꢀ
sarsenetworkswithas mmetricaltoolo  
p
ꢀ ꢀ ꢀ y ꢀ p gy  
.
:
Kewords sensornetwork as mmetricaltoolo  
ꢀ p gy  
;
;
; (  
stateestimation Kalmanconsensusfilter KCF  
ꢀ
);  
ꢀ
y
ꢀ
ꢀ
y
( )  
adativeweiht AW assinment  
ꢀ
p
g
g
,
式 网络中每个传感器都可以利用邻居节点之间的有效信  
引
言
0
ꢀ
ꢀ
, ,  
息不断更新本地估计 通过多次迭代循环 可使得每个传感  
状态估 计 是 分 布 式 传 感 器 网 络 应 用 的 核 心 关 键 技  
,
器的本地估计逐渐收敛于全局最优估计 从而实现网络中  
[]  
6
。
[
]
14  
。
-
,
为满足诸多应用的实际需求 分布式传感器网络中  
所有或部分节点对目标状态具有一致的估计  
术
,
为探索高效稳定的分布式一致性状态估计方法 国内  
所有节点或部分节 点 需 要 对 感 兴 趣 的 目 标 状 态 实 施 精 确  
、 、 、  
外已经针对传感器网络目标侦察 搜索 定位 跟踪以及攻  
、 ,  
的 一致的估计和预测 从而在每个传感器中都能形成统一  
,
清晰的态势信息 有利于在动态变化的监测环境中提高网  
击等不同任务背景开展了大量多节点协同估计方法的研究  
[
]
79  
-
。
络任务执行的成功概率及高效性 通过节点协同对目标实  
。 , [ ]  
年 文献 首次提出了动态多节点网络系  
2004 10  
项目  
施一致性状态估计是分布式传感器网络中一种有效的估计  
,
统中构建及解决一致性估计问题的理论框架 受到国际状  
[]  
5
。
, 、  
态估计领域专家的广泛关注 并在传感器网络融合估计 协  
融合方法  
该方法基于节点间信息交互式融合的迭代形  
:
;
:
; :  
网络优先出版日期  
20180404 20180628  
。
收稿日期  
修回日期  
20170911  
- -  
-
-
-
-
: : / / /  
htt kns.cnki.netkcmsdetail11 .2422 .T N .20180628 .1902 .024 .html  
p ∥  
网络优先出版地址  
:
基金项目 国家自然科学基金  
(
, , ,  
61471383 61531020 61671463 91538201  
); “ ”  
中国科协 青年人才托举工程 资助课题  
·
1918  
ꢀ
·
系统工程与电子技术  
第
卷
40  
ꢀ
ꢀ
  
、 、 、  
同决策 编队控制 蜂拥 群移及聚集等多个领域得到了重  
, ,  
点的情况 研究了信息加权一致性滤波算法 获得了逼近集  
[
]
113  
-
1
; ,  
同年 文献  
[]  
基于微型卡尔曼滤波器  
5
,
中式估计方法的估计结果 但是该算法仅适用于小型传感  
点研究与应用  
(
,
;
器网络 文献  
[ ]  
研究了异构传感器网络中的无偏及最优  
23  
网络 提 出 了 分 布 式 卡 尔 曼 滤 波  
distributedKalmanfilter  
ꢀ ꢀ  
) ,  
算法 其中每个微型卡尔曼滤波器内嵌了高通高增益  
, ,  
一致性滤波问题 提出了基于序贯设计的方法 用于处理两  
DKF  
,
一致性协议 能够在本地估计与邻居信息的基础上实现全  
,
种不同传感器之间的一致性融合 但是该方法并未解决网  
, 。  
局状态估计 并消除 节点之间的估计差异 然 而  
,
DKF  
。 , [ ]  
年 文献 针对非线性系统中的一  
2014 24  
仅
络盲节点问题  
,
仅实现了一致性滤波算法的框架设计 无法保证其滤波最  
,
致性状态估计问题 提出了基于平方根容积卡尔曼的信息  
,
优性 可能导致较大的估计误差  
;
2005  
,
年 文献  
[ ]  
研 究 了  
6
,
滤波器 实现了 估计精 度的 显著提升  
。
2015  
, [ ]  
年 文 献  
25  
,
离散形式的最优性 设计并实现了  
,
,
介绍了一种分布式稳态滤波器 其结构包括来自相邻节点  
的具体算法  
DKF  
DKF  
:
并分解为 个动态一致性子问题 加权测量和逆协方差矩  
2
,
的测量更新项和关于状态估计的一致项 将滤波器增益的  
。
阵的计算 其主要思想是利用低通和带通滤波器的分布式  
。 , [ ]  
年 文献 提出了一种分  
2016 26  
计算转化为凸优化问题  
,
算法对数据进行一致性融合 从而达到降低通信代价和抑  
,
散动态状态估计的递推信息一致滤波器 但是未考虑通信  
。 ,  
制噪声的目的 在此基础上 文献  
[]  
提出了经典的卡尔曼  
6
; [ ]  
网络的拓扑结构 文献 提出了一种基于加权平均一致性  
27  
(
,
)
算 法 其 核 心  
Kalmanconsensusfilter KCF  
,
,
的不敏卡尔曼滤波算法 并验证了估计误差下界  
; ,  
年 文  
2017  
一致性滤 波  
ꢀ
ꢀ
,
步骤是通过相邻节点的信息交互与融合 对邻居传感器之  
[ ]  
献 研究了未知测量噪声统计的非线性状态估计问题 提  
28  
,
,
间的状态估计值进行一致化处理 从而获取到关于目标真  
; [ ]  
出了一种变分贝叶斯一致性容积滤波方法 文献 开发了  
29  
。
实状态的最优估计值 但是  
,
KCF  
,
一种适合密集部署的网络信道模型 并引入了一类新的分  
的运行条件是网络对目  
。
2009  
,
年 文献  
[ ] 、  
通过线性代数 李雅普  
7
,
布式加权一致性策略 可实现本地观测的分布式学习来实  
标具有全观测性  
。
现网络定位 由于分布 式无线传感器网络通常 采用随 机  
诺夫和频域分析等方法系统地研究了分布式一致性状态估  
, 、  
计问题 分析了一致性滤波器的收敛性 噪声迭代衰减特性  
, ,  
部 署 方 式 其 网 络 结 构 一 般 具 有 非 均 匀 拓 扑 特 性 甚 至  
,
和信号快速跟踪能力 研究了最小均方估计误差意义下的  
、 。 ,  
呈现局部 小 型 网 络 多 簇 网 络 等 结 构 因 此 网 络 中 不  
,
算法 阐述了传感器数量和融合能力之间的关系  
。
此
同 节 点 间 的 通 信 链 接 在 一 致 性 估 计 融 合 中 应 该 具 有 不  
KCF  
,
外 为解决  
,
,
同的重要性 而  
中协方差更新不适于分布式计算的问题  
等 传 统 估 计 算 法 及 其 后 续 的 改 进 算  
KCF  
KCF  
,
算法 并对这种分布式交互滤波算法的  
提出了一种次优  
法在一致性信息迭代 时 将 所 有 节 点 通 信 链 接 的 对 应 权 值  
KCF  
。 ,  
稳定性和估计性能进行了有效分析 在此基础上 文献  
[ ]  
14  
, “  
视为相等 容易导致一致性 收 敛 速 度 受 到 网 络 中 某 些 桥  
,
算法应用于传感器网络群体移动问题 提供了一种  
DKF  
” 。 ,  
梁 链接的负面影 响 针 对 上 述 问 题 本 文 研 究 了 网 络 资  
将
。
,
源受限条件下的节点协同一致性状态估计框架 分析了目  
用于多智能体网 络 分 布 式 群 移 算 法 设 计 的 理 论 框 架  
文
[ ]  
研究了移动无线 传 感 器 网 络 中 基 于 事 件 驱 动 机 制  
15  
,
标状态一致性的主要流程 并根据节点通信链接的重要性  
献
,
的分布式滤波算法 其中核心估计技术是卡尔曼一致性滤  
,
设计了基于网络动态拓扑信息的自适应权值分配策略 并  
。
波器 文献  
[ ]  
研究了网 络 拓 扑 切 换 下 的 分 布 式 估 计 问  
16  
,
基于此权值分配策略 提出了基于自适应加权的卡尔曼一  
, , ,  
题 降低了算法所需的通信开销 但估计误差较大 且很难  
(
,
adativeweihtedKalmanconsensusfilter  
ꢀ
致性滤波 算 法  
p
ꢀ
g
ꢀ
ꢀ
。
根据收敛条件选取算法中 的 参 数 文 献  
[ ]  
将 动 态 一 致  
17  
)。  
AW KCF  
-
,
仿真结 果 显 示  
AW KCF  
在 节 点 稀 疏 等 网 络  
-
(
性策略用到信息形式的采样型卡 尔 曼 滤 波 器  
非均匀 拓 扑 情 况 下 相 对 于  
具 有 较 为 优 越 的 估 计  
KCF  
sima oint  
-
g p  
, ),  
提出了分布式  
Kalmanfilter SPKF  
ꢀ
( ,  
SPKFdistributedSPKF  
ꢀ
。
性能  
) ,  
算 法 其 中 每 个 节 点 利 用 本 地 和 邻 居 信 息 估 计  
DSPKF  
分布式传感器网络一致性状态估计功能模型  
1
ꢀ
,
全局平均信息 贡献值 而不 是 利 用 网 络 中 全 部 的 传 感 器  
。
量测信息 然 而  
,
SPKF  
。
,
对于大型分布式传感器网络中的目标状态估计应用  
并 未 考 虑 节 点 观 测 受 限 的 情 况  
[ ]  
针对二进制传感器网络提出了一种分布式动态滤  
18  
,
由于网络资源受限 节点的传感区域和通信范围通常是有  
文献  
,
。
,
,
限覆盖的 因此单个时刻并不是每个节点都能实时观测到  
波算法 能够均衡目标状态估计精度与网络开销  
年
2010  
算法的状态更新之后增加一个扩散  
DKF  
[ ]  
通过在  
19  
,
穿越监测区域的 目 标 仅 在 特 定 的 时 间 段 内 少 数 节 点 具  
文献  
,
更新步骤 提出了一种 分布式的  
,
算 法 其 中 扩 散 更  
。 ,  
有对目标的实 时量测 此 时 若 要 实 现 整 个 网 络 中 所 有  
diffKF  
,
或大部分节点对 目标的一 致 性 状 态 估 计 则 需 要 节 点 间  
新的加入能够在一定程度上改善分布式卡尔曼滤波算法的  
。
2011  
,
年 文献  
[ ]  
针对 指标约束问题设计  
20 H∞  
, ,  
执 行 足 够 多 次 的 信 息 转 发 与 迭 代 毫 无 疑 问 这 期 间 将  
估计性能  
[
]
30  
,
,
了一种分布式鲁棒滤波算法 以线性矩阵不等式的形式给  
耗费大量 网络通信 与计算资 源  
且目标状态 的 单 个 滤  
;
2012  
, [ ]  
年 文献 采用信息矩  
21  
,
波周期与 信 息 迭 代 次 数 相 关 将 直 接 影 响 到 态 势 生 成  
出了该算法收敛的充分条件  
(
eneralized  
g
。
速度  
阵加权的方法提出了广义的卡尔曼一致性滤波  
,
)
算法 提高了分布 式估计  
Kalmanconsensusfilter GKCF  
,
, ,  
实际上 网络经过随机或人为部署后 自组织的通信方  
ꢀ
ꢀ
。
2013  
, [ ]  
年 文献 考虑视频传感器网络中存在盲节  
22  
精度  
式能够保证网络中所有的连通节点都具有向上汇报监测信  

全部评论(0)

暂无评论

上传资源 上传优质资源有赏金

  • 打赏
  • 30日榜单
  • 21下载积分 打赏60.00元   3天前

    用户:gsy幸运

  • 21下载积分 打赏70.00元   3天前

    用户:铁蛋锅

  • 21下载积分 打赏65.00元   3天前

    用户:xzxbybd

  • 21下载积分 打赏60.00元   3天前

    用户:jh0355

  • 21下载积分 打赏60.00元   3天前

    用户:w178191520

  • 21下载积分 打赏20.00元   3天前

    用户:jh03551

  • 21下载积分 打赏20.00元   3天前

    用户:sun2152

  • 21下载积分 打赏20.00元   3天前

    用户:kk1957135547

  • 21下载积分 打赏25.00元   3天前

    用户:w1966891335

  • 21下载积分 打赏20.00元   3天前

    用户:xuzhen1

  • 21下载积分 打赏15.00元   3天前

    用户:x15580286248

  • 21下载积分 打赏25.00元   3天前

    用户:pcb

  • 21下载积分 打赏20.00元   3天前

    用户:bhacker

  • 21下载积分 打赏15.00元   3天前

    用户:liqiang9090

  • 21下载积分 打赏25.00元   3天前

    用户:有理想666

  • 21下载积分 打赏15.00元   3天前

    用户:godbox

  • 21下载积分 打赏15.00元   3天前

    用户:aetek

  • 21下载积分 打赏5.00元   3天前

    用户:mulanhk

  • 21下载积分 打赏5.00元   3天前

    用户:JuneLin61

推荐下载