WSNs分布式事件区域容错算法

针对无线传感器网络存在服务质量不高的问题,提出一种基于中值差值的分布式容错算法,建立一套能量有效的事件区域检测容错机制,该算法充分利用传感器节点的空间相关性,融合各邻居节点的中值信息,对中心节点的最终状态进行判断。仿真实验结果表明,当节点错误率为15%时,该算法仍能检测到86%的错误节点数,具有优越的容错性能。     

基于多目标群决策协调技术的WSN 移动节点导航方法

为高效、低成本地实现无线传感器网络（WSN）移动节点自主导航,提出了一种利用节点间接收信号 强度信息（RSSI）和网络拓扑结构实现移动节点自主导航的方法,由多个信标节点组成一个分布式导航子网络,每 个节点都有其相对独立的导航目标并会做出有利于自己的决策,采用多目标群体决策协调技术融合多个节点决策信 息以获得机器人最终导航控制策略,使整个导航系统达到最优控制．导航算法采用分布式处理技术,使绝大部分数 据处理任务都由各个信标节点分布执行,因此很大程度上简化了机器人的设计和硬件成本．仿真和现场实验都表明 了该系统的有效性．     

组合导航系统离线信息融合算法

获得高精度的载体实际飞行轨迹,是组合导航系统性能评测的重要手段.从组合导航系统研究出发,针对惯性导航系统、姿态(非姿态)型GPS和大气数据计算机多传感器组合导航方式,实现多传感器信息离线融合算法.同类型导航传感器数据采用加权最小二乘算法,并利用开环卡尔曼滤波实现组合导航的信息融合,在此基础上再进行最优固定区间平滑滤波.仿真实验结果表明,经过上述3步信息融合之后,得到的导航结果精度不仅高于任一个传感器精度,而且高于单独采用卡尔曼滤波的导航参数精度.     

一种权系数两级自调整的融合定位精度提高方法

在分布式传感器网络节点定位技术中,使用数据融合方法以提高探测系统的检测与定位精度正成为研究的热点。提出了一种应用于分布式传感器网络中的数据融合定位算法,通过对各个传感器节点的定位信息的加权求和来进行数据融合,用来提高探测系统目标定位的精度。该算法采用两级自适应调整得到最优加权因子,首先利用线性最小均方差（LMSE）算法得到权系数的初始值,然后利用训练节点和递归最小二乘（RLS）算法自适应地调整达到最优。对静态和运动目标的定位数据融合算法进行了仿真,仿真结果表明：相比单节点定位,提出的融合算法的定位精度有约1—2个数量级的提高。     

无线传感器网络可扩展一致性目标跟踪算法研究

为提高机动目标跟踪性能,降低无线传感器网络的能量消耗,提出一种可扩展的动态平均一致卡尔曼滤波算法.根据预测的下一步目标位置,将无线传感器网络的节点动态组织成簇,多个传感节点协作执行目标的检测及分布式状态估计.给出三种可扩展动态一致卡尔曼滤波算法,即基于观测值、观测新息和估计值的一致性卡尔曼滤波,适应于不同情况的目标跟踪.簇中传感节点仅需接收邻居节点的信息,簇头节点负责下一步任务节点的选择并将当前状态估计值和对应的误差协方差发送给下一步的任务节点以减少整个网络的通信量.仿真结果表明,基于观测值、新息及估计值的分布一致卡尔曼滤波在跟踪精度方面与集中卡尔曼滤波性能相当,而其分布式结构决定了算法具有更强的鲁棒性和容错能力,能够提高系统的可靠性.     

分布式融合算法在WSANs中的性能分析

在无线传感器执行器中,执行器节点接收传感器节点传来的信息并执行相应的动作。为了满足执行器节点及时地采取行动,无线传感器执行器网络对时延有严格的限制。构建了一种一般性的分布式融合算法并与集中式融合算法比较。通过从网络传输时延、节点能量消耗、网络寿命、有效传输次数等方面分析了这种算法在无线传感器执行器网络中的特性。在三种典型拓扑结构下的仿真实验表明,在相同条件下,分布式融合算法比集中式融合算法具有更小的网络传输时延,更长的网络寿命,同时节点的能量消耗更加均匀。     

具有间歇性观测的无线传感器网络分布式容错目标跟踪

针对具有随机间歇性观测的无线传感器网络, 基于多模型估计方法和一致性信息滤波器, 提出一种对观测节点故障容错的自适应分布式目标跟踪方法. 将传感器节点随机间歇性观测丢失和到达过程建模为马尔科夫切换系统, 在容积信息滤波器框架下, 估计传感器节点的观测丢失和到达的后验概率. 通过观测状态概率组合计算每个局部传感器节点的信息贡献, 基于自适应多模型估计方法, 实现对间歇性观测的容错性. 仿真结果表明了所提出算法的有效性和对间歇性观测的自适应容错性.

     

WSN中考虑节点磨损的分布式自稳定网络寿命优化算法

针对无法预估的节点故障影响无线传感器网络寿命的问题,本文提出了一种考虑节点磨损的分布式自稳定优化算法。首先,利用韦伯函数拟合网络生命周期的分布,定期唤醒睡眠节点进行故障检测;然后,采用分布式调度,无需知道传感节点的位置信息,使用多个节点同时工作,从而提高效率;最后,通过较低的网络通信代价,及时使用空闲节点替代故障节点,保持网络的连通性。理论分析和仿真实验验证了本文算法的有效性及可靠性,仿真结果表明,当传感器节点的可靠性随着使用时间与磨损下降时,本文算法可以更好地延长无线传感器网络寿命,相比分布式多目标概率覆盖协议,本文算法在寿命延长、覆盖率、节点唤醒次数等方面均取得更好的性能。     

基于多传感器信息融合的移动机器人导航系统

介绍了多传感器信息融合的基本原理,给出了基于多传感器信息融合的移动机器人导航系统结构。建立了移动机器人数学模型,运用基于扩展卡尔曼滤波的信息融合方法实现了移动机器人导航算法。通过实验验证了基于多传感器信息融合的移动机器人导航系统和导航算法的有效性。     

通信约束下的水声信号分布式检测融合算法研究

针对水声传感器网络中大延迟、低可靠通信约束下的水声信号分布式检测问题，提出了一种基于时间窗口的自适应融合算法．传感器节点依据声纳接收机的特性计算局部判决并发送给融合中心节点．融合中心节点在时间窗口内，基于已收到的局部判决在线自适应地调整融合规则，从而由最优融合算法得到最终判决．通过仿真，讨论了时间窗口的选择问题以及融合算法的性能．仿真结果表明，新算法具有很高的实用性，能够在动态变化的水声通信条件下保证整个系统高效运行．     

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。     

传感器网络中信息融合的几个基本问题

系统地阐述了传感器网络环境中几个基本而又重要的信息融合问题的最近进展，包括：最一般条件下全局最优的多传感器分布式统计判决；传感器观测数据或局部估计的最优维数压缩；一般条件下最优线性无偏估计融合公式及其有效算法；传感器观测噪声相关情形下动态系统的卡尔曼滤波融合；容错条件下的区间估计融合．这些结果对传感器网络的设计与应用具有重要意义．     

多传感器采样系统的分布式容错估计

研究了多传感器采样系统在发生一类典型故障情况下的分布式融合估计问题;首先,针对局部传感器,利用Kalman滤波获得的新息进行故障检测;然后在最小方差意义下发展了传感器故障在线递归估计方案;进一步将所获得的估计结果对故障传感器的测量值进行重构,并应用射影定理建立了局部传感器容错更新算法;最后基于线性最小方差融合原则给出了多传感器采样系统的分布式容错估计方案;相比于已有融合估计方法,所提方案不仅能及时检测传感器故障,并且能进一步充分利用故障传感器信息来提高估计精度;数值仿真验证了方法的有效性和优越性。     

井下多传感器组合导航系统

针对井下车辆高精度惯性导航成本较高、低成本MEMS惯性传感器漂移较大等问题,提出一种井下多传感器组合导航系统,该系统通过蓝牙测距信息、MEMS惯性传感器及车载里程计信息进行组合导航。利用卡尔曼滤波技术融合多传感器数据,结合蓝牙测距信息抑制MEMS惯性传感器漂移,提高车载惯性传感器在一段时间内的定位精度;通过MEMS惯性传感器预测车辆位置,有效滤除干扰标签的蓝牙信号,提高数据可靠性;融合车辆里程计数据后,定位结果更加稳定可靠。测试结果表明,在井下蓝牙标签间隔10m布站情况下,每10m定位误差在3.2m以内,能够满足井下导航要求。     

一种INS-GPS-DVL容错组合导航系统

针对某船载导航系统精度和容错性能不能满足应用要求的问题,提出了一种基于信息融合技术的容错组合导航系统方案。研究了该组合导航系统的滤波算法,通过半物理仿真实验研究了该导航系统的性能。结果表明：所设计的组合导航系统可提供高精度的导航信息,提高导航系统综合性能。     

基于信息矩阵加权一致策略的分布式Kalman 滤波器

本文提出采用信息矩阵加权的方法改进基于一致性策略的分布式Kalman 滤波算法,提高其在传感器 网络估计融合应用中的性能．此方法中,节点根据其自身及其邻居节点估计的不确定信息融合估计值．在此基础上, 文中还讨论了通过优化一致加权系数进一步提高算法性能的方法．仿真实验表明,本文所提算法不仅改进了节点状 态估计的精确度,而且显著提高了各个节点状态估计的一致性．     

快速协方差交叉融合算法及应用

针对分布式传感网络系统中存在互协方差未知的情形, 融合系数的科学设计对于融合性能至关重要. 本文以各节点估计方差矩阵逆的迹的倒数作为计算融合系数的中间变量, 设计了一种序贯快速协方差交叉融合算法, 可以显著减少各个融合节点的计算量, 能够保证各融合节点融合结果相同. 在给定系统的误差方差上界约束与优化指标前提下, 该融合算法结合粒子群优化算法, 能够给出对分布式系统中各个节点的传感器精度要求. 工程实践中, 可为传感器的选型提供理论依据. 最后, 给出了一个分布式网络传感器精度选型的算例及快速协方差交叉融合算法在雷达网中的应用实例.     

信息融合技术在INS/GPS/TAN/SMN四组合系统中的应用

主要介绍了组合导航系统中多传感器信息融合技术的国内外发展状况,对INS/GPS/T AN/SMN(惯性系统/卫星导航系统/地形辅助导航/景象匹配导航)组合系统中的多传感器信息 融合的层次结构与融合方法,首次提出INS/GPS/TAN/SMN组合导航系统信息融合的层次结构 ,并提出了多源图像融合制导的思想与方法．本文指出比较有应用前景的信息融合研究方法 是基于模糊逻辑、小波分析、神经网络等人工智能的新方法,以及这些新方法与传统的随机 类方法相结合的随机 人工智能的信息融合方法．     

基于支持度D-S证据理论与模糊积分的多源节点簇信息时空融合

为了获得传感器网络中监测目标的准确状态,需要同时考虑多源节点簇信息融合的时间性和空间性.本文提出了一种多源传感器信息的时空两级融合结构.对同一时刻多源节点簇信息,利用D-S证据理论和支持度进行空间融合,对经空间融合后的时间序列,利用模糊积分、支持度和遗传算法进行时间上的信息融合.仿真实验表明,据此形成的分布式多源节点簇信息融合系统具有目标探测能力、抗干扰能力和容错能力.     

基于无线传感网的智能环境监控系统设计

针对传统环境监控系统存在的缺点,设计了一种新型无线传感器网络的环境监控系统。系统采用分布式融合结构,通过终端节点的多种传感器采集环境信息,终端对信息预处理后实时将信息传输到协调器。协调器融合各终端传感器信息,提取精确信息上传至融合中心,融合中心通过分析数据发布命令给控制中心,控制中心利用单片机驱动电机可以自动或手动控制风机和水泵对环境进行调节和控制。同时,系统还具有自动预警功能。通过验证,该系统稳定、可靠,能广泛应用于不同领域的分布式多点环境监控。