传感器网络一致性分布式滤波算法

为了改善分布式传感器网络的估计性能,提出了一种基于状态预测一致的滤波算法.在对局部估计值进行一致化处理的基础上,重点研究了利用邻居节点前一时刻的估计值对当前局部状态预测值进行修正来提高估计精度.给出了一种一致性增益的选择方法,利用李雅普诺夫方法得到了算法收敛的充分条件,并讨论了影响算法收敛速度的因素.仿真结果表明了算法的有效性,并发现节点度较大的传感器在网络估计中发挥着重要作用,可通过调整这类节点的一致性系数来改善算法性能.     

带丢包一致性滤波算法研究

提出了一种基于一致性的分布式滤波算法, 针对实际应用中存在的网络丢包问题, 重点研究了有丢包时的分布式滤波算法, 通过理论分析给出了估计误差系统收敛的充分条件. 应用数值仿真将本 文提出的算法与已有的经典滤波算法分别在理想状况与有丢包状况时进行比较, 研究表明本算法在丢包时具有较优的滤波效果. 并进一步研究了一致性步长对估计误差协方差的影响, 发现存在估计误差达到最小值的最优步长. 最后, 研究了丢包率对算法的影响, 发现起``领导'作用的传感器在滤波时发挥重要作用, 可通过控制这些传感器的丢包率来减小丢包对整个网络系统的影响.     

能量高效的无线传感器网络分布式分簇一致性滤波算法

针对无线传感器网络中节点能量有限的特点,利用分簇模型提出了一种新的能量高效的分布式卡尔曼一致性滤波算法.并结合图论、矩阵论对该算法进行了收敛分析,得出了分簇处理能加快系统的收敛速度,且能有效地减少节点间信息的传输量、缩短节点间的通信距离的结论.为进一步降低能量消耗,引入Gossip 算法用于处理簇头级网络信息的一致性问题.仿真分析表明,所提出的算法不仅具有优越的估计性能,而且能有效地减少节点能量消耗,延长无线传感器网络的寿命.     

基于CKF 的分布式滤波算法及其在目标跟踪中的应用

针对已有基于Sigma点信息滤波的分布式滤波算法,其性能易受参数影响而导致应用范围受限的问题,以容积卡尔曼滤波(CKF)为基础,利用信息滤波和平均一致性理论提出一种分布式CKF算法。该算法在保持分布式滤波优良特性(即可扩展性和对节点故障强鲁棒性)的同时,兼具CKF的高滤波精度和强稳定性。仿真结果表明了所提出算法的有效性,与分布式Unscented卡尔曼滤波(UKF)算法相比,该算法显著提高了目标跟踪的精度和稳定性。     

量化通信下的一致性滤波算法

为了提高一致性滤波精度,克服传感器网络的通信带宽和能量限制,基于二阶分布式一致性算法,提出了离散的一致性滤波算法,并基于量化通信,在改进概率量化的基础上,提出了量化一致性滤波算法.分析了量化、非量化一致性滤波算法的收敛性,证明了一致性滤波算法的收敛性.仿真结果表明,离散一致性滤波精度高于一阶一致性滤波精度,量化一致性滤波也具有较好的滤波精度.     

卡尔曼体系下的滤波算法计算框架

卡尔曼体系下的滤波算法是指滤波算法中含有基于状态方程的状态预测过程和基于观测方程的状态更新过程.为了便于理解卡尔曼体系下的滤波算法计算过程,从滤波算法计算框架角度对它们分别进行了描述.提出了一个统一的卡尔曼体系下的滤波算法计算框架,该统一计算框架既可用于理解滤波算法计算过程又可用于构造新滤波算法.在统一计算框架中存在两个反馈回路,构造新滤波算法的难点在于确定两个反馈回路中的操作函数.本文以自适应卡尔曼滤波算法(Adaptive Kalman filters,AKF)为例就操作函数选择问题进行了初步探讨,证明了几种探作函数是次优的,这为最终构造一种性能优良的AKF算法奠定了良好的理论基础.     

基于改进卡尔曼算法的室内温度数据融合

针对传统建筑物内部空间结构复杂,布线成本高,数据采集精度不高等问题,采用LoRa无线通信技术构建传感器网络,主要用于监测室内温度参数的变化;对于传统的卡尔曼数据融合结果存在较小波动的现象,引入了孤立森林算法,提出了基于改进的卡尔曼滤波算法的室内温度数据融合算法;通过在采集到的数据集中随机添加扰动样本和畸变数据,对三种算法产生的误差进行比较,改进的卡尔曼数据融合算法在有扰动样本的情况下,误差范围控制在-0.12-0.1之间,在带有畸变数据时,误差范围在-0.03至0.14之间,均远小于传统的卡尔曼数据融合算法和平均值算法;实验仿真的结果表明,改进的算法提高了室内温度数据采集的鲁棒性和准确性。     

并行卡尔曼滤波器的多信道序列规划算法

针对基于卡尔曼滤波器的并行序列规划问题,本文提出了一种基于多信道的改进算法,在规划各进程所对应传感器的测量信息传输序列,以使相应滤波器的状态估计误差协方差满足给定指标的同时,尽可能减少通讯信道占用.文中论证了基于夹挤方法的周期算法,以提高计算进程传输周期的效率;改进了基于缓存的离线序列规划算法,以适应多信道传输的情景;设计了在线序列调整算法,利用空闲信道进行传输失败后的数据复发,快速调整序列以适应指标变化的需求.算法的运行效果将通过仿真实验进行验证与分析.     

分布式动态一致性非线性目标跟踪策略研究

针对集中目标跟踪和分层目标跟踪中心节点通信瓶颈以及容错性能差的不足, 提出了一种分布式动态一致性非线性目标跟踪策略。目标状态初始化由网络节点采用加权最小二乘法完成。整个跟踪过程采用动态成簇策略, 分阶段选择并唤醒任务节点检测目标并执行分布式一致性扩展卡尔曼滤波策略完成目标的状态估计, 其余节点进入休眠状态从而能降低系统的能耗。从跟踪误差和能量两个方面, 与集中目标跟踪算法相比, 仿真结果表明所提算法与集中卡尔曼滤波相比, 跟踪精度相当, 适用于要求高可靠度的非线性跟踪。此外分布式的工作方式使得节点仅需与邻居交换数据并在局部完成状态估计, 消除集中式结构中心节点的瓶颈, 以保证部分传感器节点的损坏不会影响到全局任务的完成。     

基于自适应加权融合的分布式滤波算法

针对存在丢包的传感器网络中每个传感器节点对目标估计确信度不同的问题,提出一种基于自适应加权融合的分布式滤波算法.考虑节点在网络中的影响力及其节点属性,将节点重要度与传感器网络节点观测数据间的支持度线性加权,获得每个传感器节点对目标的估计确信度,并将该确信度构成的融合权值引入节点状态估计值的一致性协议中,更新传感器节点对目标的状态估计值,提高分布式滤波算法的估计精度和传感器节点估计值的一致性.仿真结果验证了所提出方法的有效性.     

基于高斯分布的多层无迹卡尔曼滤波算法

在传统无迹卡尔曼滤波(UKF) 中对其估计精度和计算效率起关键作用的是采样算法, 即构造具有权重的样本点. 研究表明, 带权样本点匹配随机变量的阶矩越高滤波的精度越高, 如多项式无迹卡尔曼滤波(PUKF), 但通常此类算法的复杂度过高甚至难以求解. 为此, 基于高斯分布结合高阶矩匹配与无迹卡尔曼滤波线性扩张方 法(LUKF), 提出一种兼顾效率和精度的高斯滤波离线算法. 实验结果表明, 所提出算法拥有比UKF 更高的估计精度和比PUKF 更好的计算效率.

     

基于小波变换的分布式信息一致滤波算法

研究一类基于小波变换的分布式信息一致滤波算法. 首先, 利用Haar 小波变换建立目标状态及其观测在不同粗尺度下的系统模型; 然后, 基于该模型, 在不同粗尺度上分别进行分布式信息一致滤波估计; 最后, 针对不同粗尺度估计, 通过Haar 小波逆变换重构最细尺度(初始尺度) 目标状态的估计. 仿真结果表明, 所提出的算法可以有效提高分布式信息一致滤波算法的计算效率.

     

基于Huber M估计的鲁棒Cubature 卡尔曼滤波算法

Cubature卡尔曼滤波器(CKF)在非高斯噪声或统计特性未知时滤波精度将会下降甚至发散,为此提出了统计回归估计的鲁棒CKF算法.推导出线性化近似回归和直接非线性回归的鲁棒CKF算法,直接非线性回归克服了观测方程线性化近似带来的不足.具有混合高斯噪声的仿真实例比较了3种Cubature卡尔曼滤波器的滤波性能,结果表明这两种鲁棒CKF滤波精度及估计一致性明显优于CKF,直接非线性回归的CKF的鲁棒性更强,滤波性能更好.     

基于C-V 模型的网络覆盖空洞探测与修复算法

网络寿命是衡量无线传感器网络性能的一项重要指标. 无线传感器网络覆盖空洞问题严重影响了网络寿命. 对此, 提出一种基于C-V 模型的网络覆盖空洞探测与修复方法. 首先采用基于奈曼-皮尔逊准则的感知模型计算出监控区域每一个位置的节点联合探测概率; 然后基于改进的C-V 模型, 提出一种新的覆盖空洞探测方法, 有效地计算出空洞的数量和大小; 最后, 采用基于改进的粒子群算法实现覆盖空洞的修复. 仿真结果表明, 所提出的算法在保证无线传感器网络覆盖率的同时可以提高网络寿命.

     

基于容积卡尔曼滤波的神经网络训练算法

针对现有的利用非线性滤波算法对神经网络进行训练中存在滤波精度受限和效率不高的缺陷, 提出一种基于容积卡尔曼滤波(CKF) 的神经网络训练算法. 在算法实现过程中, 首先构建神经网络的状态空间模型; 然后将网络连接权值作为系统的状态参量, 并采用三阶Spherical-Radial 准则生成的容积点实现神经网络中节点连接权值的训练. 理论分析和仿真结果验证了所提出算法的可行性和有效性.

     

卡尔曼一致性滤波器的丢包性能分析及能量优化

针对无线传感器网络(wireless sensor networks,WSNs)在实际应用中不可避免的数据包丢失现象,本文研究了分布式卡尔曼一致性滤波算法(distributed Kalman consensus filtering algorithm,DKF)在两类丢包情况下的稳定性和滤波性能问题,通过矩阵论理论分析得出了估计误差协方差收敛所能容忍的极限丢包率.然后,考虑到传感器节点能量有限,基于逾渗模型构建了一种能量可调的改进型分布式一致性卡尔曼滤波器,该滤波器充分利用无线传感器节点冗余布置的特点,以较小的滤波精度下降为代价,获取网络寿命的大幅度提高,实现了该分布式滤波器在滤波精度与能量消耗两个关键指标的有效权衡.最后利用仿真实例验证了所提出算法的有效性.     

基于高斯似然近似的自适应球面径向积分滤波算法

针对量测噪声较小的环境下传统滤波算法容易出现偏差增大的实际问题, 基于高斯近似原理, 提出一种基于高斯似然近似的球面径向积分滤波(SRGLAF) 算法. 为进一步解决量测未知环境下的状态估计问题, 充分结合CKF 等确定性采样型滤波算法和SRGLAF 的优势, 设计一种基于高斯似然近似的自适应球面径向积分滤波(ASRGLAF) 算法. 仿真结果表明: SRGLAF 能够提高量测噪声较小环境下的估计精度, 而在量测噪声未知环境中, ASRGLAF 能够有效地进行状态估计, 具有明显的滤波优势.