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.     

分布式传感网络的自适应一致性算法

为了提高分布式传感网络的估计精度,提出了一种新的自适应一致性算法。该算法在每次迭代时只需部分节点工作,即进行目标状态的监测。通过节点之间二进制信息的交换来调整每次迭代时的一致性权值,使得每次迭代时工作节点所占的权值更大,进而将该一致性算法与卡尔曼滤波相结合对目标状态进行估计。对该算法进行数值仿真,并与其他一致性加权算法进行比较,验证了该算法的有效性。     

传感器网络中的分布式滚动时域状态估计

利用分布式滚动时域方法对无线传感器网络的状态估计问题进行研究,给出了基于量化测量值的滚动时域估计算法。在无线传感器网络的环境下处理分布式状态估计问题时,减少通信的成本是非常重要的一个环节,需要将观测值量化后再传送。以往的滚动时域估计方法无法处理量化观测值的状态估计问题,而本文的方法考虑了最严格的观测值量化情况即传感器只发送一个比特至融合中心的状态估计问题。与其它传感器网络中的状态估计方法相比,该方法减少了每一步的计算量。仿真结果验证了该算法的有效性。     

易错无线传感器网络中的鲁棒感知路由算法

在易错无线传感器网络(WSN)环境下,提出一种鲁棒感知的路由算法。考虑影响网络鲁棒性的链接错误率、碰撞记录等因素,通过计算最小延迟代价函数实现路由决策。在路由选择时,采用避免潜在干扰和碰撞的方法,减少因退避和重传引起的延迟。仿真结果表明,该算法能减少传输延迟,延长网络生存时间及提高传输可靠性。     

传感器网络分布式事件触发多目标估计

本文主要研究无线传感器网络中目标数目已知且固定的一类分布式多目标跟踪问题,提出了一种完全分布式的基于事件触发的测量和通信策略使得每个节点在不需要全局信息的情况下实现估计误差和能量消耗之间的平衡.监测区域存在多个移动目标,传感器能否测量到单个目标由事件触发测量机制和节点的测量半径来综合决定.基于节点和邻居的信息采用k-means聚类算法来解决数据关联问题,同时提出了基于最小迹原则的一致性卡尔曼滤波算法.从理论上证明了该事件触发策略不仅在性能指标上优于基于时间触发的算法,而且在网络中如果存在节点对多目标协同可观,系统估计误差在均方意义下是稳定的.最后给出了仿真例子验证了该算法的有效性和可行性.     

集中式与分布式鲁棒状态融合估计

研究不确定多传感器系统的鲁棒估计问题是多传感器融合估计理论的一个重要研究方向.本文以鲁棒滤波理论为基础,给出了不确定多传感器系统的多胞型描述模型,并利用LMI方法给出集中式鲁棒状态融合估计问题的解,证明了将集中式鲁棒融合估计转化为相同估计性能的分布式融合估计算法的条件.最后给出了分布式不确定多传感器系统的状态融合估计的一个算例.     

基于状态预测自适应一致滤波器的分布式估计融合算法

应用自适应滤波算法改进了基于一致滤波器的估计融合算法以加快节点估计的一致收敛速度,提出了 一种基于状态预测的自适应一致滤波器．在此算法中,节点采用状态预测值作为自适应滤波器的参考信号,应用自 适应算法修正一致滤波器的加权矩阵．仿真结果表明,本文提出的算法不仅能够加快节点估计的一致收敛速度,还 能减小收敛过程中节点的估计误差．     

无线传感器网络分布式连通算法

针对离散目标覆盖集的连通问题,设计了一种分布式构造连通集的算法,这种算法并不要求网络的全局信息,仅仅依赖每个节点的3跳内的邻居信息;对于大规模密集型的无线传感器网络,这种分布式算法更适合无线传感器网络的实际应用。     

传感器网络中基于簇的自适应路由算法

针对传感器节点能量及传输范围有限等特点,提出了一种基于簇的自适应路由算法。算法基于节点的局部信息,在综合考虑现有的工作状态的基础上采用加权方法自适应地决定何时分簇以选取簇头;而后簇固定工作一段时间,簇头在簇内轮换,达到相应的条件后再重新分簇;由每轮的簇头和Sink构建当前轮虚拟骨干网;针对其建立路由。理论分析和模拟结果表明：与传统的基于周期性分簇的LEACH算法相比,新算法无需周期性分簇,能有效均衡节点能耗,增大网络吞吐量。     

分布式传感器网络研究进展

传感器技术和计算机网络的发展促使分布式传感器网络(DSN)快速发展,从少数大尺寸传感器的集合发展到微传感器集成,从固定节点发展到移动节点,从利用电话线通讯发展到无线通讯,从静态拓扑发展到动态拓扑.然而,技术的发展也带来了在有限带宽、有限能源、动态环境中处理大量数据的新的挑战.本文从网络结构、数据处理和最佳传感器配置策略几方面回顾了分布式传感器网络的发展,对我国分布式传感器网络的研究者将会有参考作用.     

基于传感器网络的1比特RLS算法

在基于传感器网络的参数估计中,如何尽可能降低网络的使用成本,同时又能获得较好的参数估计性能,是近年来受到国内外学者广泛关注的一个研究问题。为了减小网络的能量消耗和节省带宽、存储资源,本文考虑将传感器网络中每个节点的测量值压缩成1比特数据,然后将其传输到中心节点进行集中处理,并在此基础上提出了一种基于期望最大和递归最小二乘的自适应参数估计算法。论文通过一系列MATLAB仿真实验,验证了该算法具有较好的收敛性和鲁棒性,并能获得与使用非量化测量值的经典RLS算法相近的估计精度。     

A Quality-aware Incremental LMS Algorithm for Distributed Adaptive Estimation

In this paper, we consider the problem of unknown parameter estimation using a set of nodes that are deployed over an area. The recently proposed distributed adaptive estimation algorithms(also known as adaptive networks) are appealing solutions to the mentioned problem when the statistical information of the underlying process is not available or it varies over time. In this paper, our goal is to develop a new incremental least-mean square(LMS) adaptive network that considers the quality of measurements collected by the nodes. Thus, we use an adaptive combination strategy which assigns each node a step size according to its quality of measurement. The adaptive combination strategy improves the robustness of the proposed algorithm to the spatial variations of signal-to-noise ratio(SNR). The performance of our algorithm is more remarkable in inhomogeneous environments when there are some nodes with low SNRs in the network. The simulation results indicate the efficiency of the proposed algorithm.     

无线传感器网络中的自适应路由算法

在传感器网络中,分簇是有效的层次组织方法。提出一种新的基于自适应粒子群优化的分簇路由算法。粒子群是典型的群智能算法,受启发于鸟群的捕食行为,并逐渐发展成为一种成熟的优化算法。对其进行改进,使其能够得到更好的收敛效果。仿真结果表明,相比低功耗自适应集簇分层型协议算法,该方法更具节能特性,延长了全网生存时间。     

传感器网络中对偶密钥路径快速收敛算法

对偶密钥机制，使得网络中任意两个节点共享预置的密钥，在传感器网络的安全中具有非常重要的意义。由于节点资源受限，如何尽可能减小建立间接对偶密钥的路径长度是该类算法的研究焦点之一。该文提出了一种基于超立方体模型的对偶密钥快速建立算法，采用对二进制串分段及逻辑运算等处理来消并一定数量的异位数目，从而在较大程度上减少生成密钥路径的中间节点。     

一种空间分布式变阶数自适应网络滤波算法

现有的自适应网络滤波算法大都假设未知参数向量的阶数已知且恒定,无法解决阶数未知或时变条件下的参数向量估计问题. 以最小化网络均方误差为准则,提出一种空间分布式变阶数自适应网络滤波算法. 该算法仅要求网络中的各节点与相邻节点进行通信,通过扩散的方式实现整个网络数据信息的融合,具有计算量小、可操作性强及估计精度高的特点.仿真表明,提出的算法能够有效地估计和跟踪未知参数向量的阶数和权值.     

一种分布式的无线传感器网络Range-free节点定位算法

针对无线传感器网络在实际应用环境中节点分布往往不均匀的状况,提出了一种分布式、无需测距设备支持的节点自身定位算法(简称为NCL算法).NCL算法基于节点通信邻域内邻居节点的个数估算节点间距,并在计算节点坐标时对节点间距进行加权平均以提高定位精度.使用OMNeT 对NCL算法进行仿真,并与DV-Hop算法进行比较分析.仿真结果表明,NCL算法提高了非均匀网络中的定位精度,具有较小的通信开销,并具有一定的容错性和自适应性.     

无线传感器网络密钥分配协议研究

密钥分配协议对于无线传感器网络的安全起着基础性作用。由于传感器网络大规模、节点资源非常受限、分布式等特点，传统的基于公钥和可信任的密钥分配中心等方式不能实用。本文系统针对传感器网络特点，提出密钥管理协议的需求与性能指标，系统阐述了几种当前比较典型的密钥预分配协议：基于初始信任、随机密钥预分配以及各种改进方案等，分析比较其优缺点，并提出了进一步研究的方向。     

改进的分布式动态自适应负载平衡算法探讨

为了使分布式网络保持高效的运作,在多种常用的负载平衡算法中选择了动态自适应负载平衡算法,根据结点负载情况,区分轻载结点和重载结点。     

大规模不一致传感网络环境带宽受限下的分布式状态估计

无线传感器网络环境下受限于能量和带宽,传感器的观测往往需要经过量化后才发送,针对大规模不一致传感网络环境且带宽受限下的分布式状态估计,探讨了量化比特分配和估计性能评估问题。首先给出一种二进制概率量化方案,并基于量化观测构造线性无偏量化估计器。然后,考虑一个总的传输比特率限制下,得到了传感器的最优量化比特率及比特分配方案,由其信噪比(SNR)和总带宽确定。同时,对提出的量化估计器的均方误差上界进行了分析,发现其与理论下界仅相差一个小常数因子。最后,仿真结果表明,相比于一般的均匀比特分配,文中所提出的最优比特分配方案估计性能更优。