咨询与建议

看过本文的还看了

相关文献

该作者的其他文献

文献详情 >基于两段滤波的传感器网络分布式一致性估计 收藏
基于两段滤波的传感器网络分布式一致性估计

基于两段滤波的传感器网络分布式一致性估计

作     者:王瑞玺 

作者单位:黑龙江大学 

学位级别:硕士

导师姓名:孙书利

授予年度:2023年

学科分类:080202[工学-机械电子工程] 08[工学] 0802[工学-机械工程] 

主      题:分布式估计 一致性滤波 传感器网络 两段滤波 融合估计 

摘      要:在传感器网络系统中,一致性估计算法的研究是近年来的热点之一。一致性策略是各个传感器与邻居节点相互交换信息,随着时间的推移,这些信息会在整个传感器网络中传播,大大提高了传感器网络的估计精度,降低了通信能量的损耗。当有新的传感器加入或者某一传感器发生故障时,具有较强的适应能力。本文针对多传感器网络化系统,研究了分布式一致性滤波问题。主要研究内容如下:1.针对带不相关噪声的多传感器网络化系统,在每个传感器节点上提出了具有两段滤波结构的分布式一致性滤波算法。在每一时刻,第一段滤波为:各传感器节点基于自身观测数据进行局部滤波;第二段滤波为:各邻居传感器节点之间进行估值交换,然后应用线性无偏最小方差矩阵加权最优融合估计算法进行融合估计,以此类推,经过多次信息交换与融合之后,各传感器节点的最终融合估计精度趋于一致。所提出的矩阵加权最优分布式一致性滤波算法每次融合要求融合估计误差互协方差阵的计算。为避免互协方差矩阵的计算,又提出了三种次优分布式一致性滤波算法,并对所提出的算法进行了精度比较。所提出的最优和次优分布式估计算法都具有较好的一致性。2.针对带相关噪声的多传感器网络化系统,在每个传感器节点上提出了具有两段滤波结构的分布式一致性滤波算法。类似前面分布式滤波器的结构,通过极小化误差方差矩阵求得最优增益矩阵,推导出了任意两传感器节点之间不同融合次数下的互协方差矩阵。经过多次数据交换和融合估计,每个传感器节点的最终融合估计精度趋于一致。为了减小计算负担,又分别基于序贯协方差交叉和逆协方差交叉融合算法给出了次优分布式一致性滤波算法。3.针对带不相关噪声的多传感器网络化系统,为了避免邻居节点局部估计的重复利用,提出了具有两段滤波结构的序贯分布式一致性滤波算法。在传感器网络中,任意两传感器之间存在最短链路通讯。每一时刻,第一段滤波:各传感器节点基于自己观测数据进行局部滤波;第二段滤波:各传感器节点间通过最短通讯链路互相交换局部滤波,每进行一次交换,基于前次融合结果序贯地对局部滤波进行融合处理,以此类推,最终融合估计趋于一致。所提出的算法要求融合估值与局部估值之间的互协方差阵的计算。为减少计算负担,基于并行协方差交叉融合算法,又提出了一种次优分布式一致性估计算法。4.在前一问题研究的基础上,提出了基于先验融合估计结果的分布式一致性滤波算法。区别1、2、3中每进行一次信息交换就进行一次融合估计的结构,将采用各传感器节点通过最短路径链接通信以获得彼此的信息,直至交换获得其余所有传感器节点的信息后,再进行一次融合估计,使得每个传感器节点的最终融合估计趋于一致。设计了相应的分布式最优和次优一致性滤波算法。通过利用先验融合估计改善了估计精度。由于每时刻只进行一次融合估计,减小了计算负担。

读者评论 与其他读者分享你的观点