[发明专利]分布式非线性滤波方法

说明书

技术领域

本发明涉及的是一种信号处理技术领域的方法，具体是一种可扩展规模的分布式非线性滤波方法。

背景技术

随着计算机网络、无线通信和微小型系统的发展，融合以上三种技术的无线传感器网络应运而生。无线传感器网络带来了一种全新的信息获取与处理模式，将深刻影响着信息技术的未来发展。目标跟踪是无线传感器网络最具代表性和挑战性的应用。目标跟踪可分为集中式和分布式两种方式。集中式跟踪可以实现高精度的数据处理，但由于所需数据传输量大、对融合中心要求苛刻、处理时间长，容易产生丢包和延时，从而使得跟踪精度降低。分布式是无线传感器网络的本质特性，也是解决跟踪复杂性与节点能力不足之间矛盾的有力武器。

经过对现有技术的检索发现，传统的分散(decentralized)滤波与融合方法，如分散卡尔曼滤波器和分散无迹卡尔曼滤波器(T.Vercauteren，and X.Wang，“Decentralized sigma-pointinformation filters for target tracking in collaborative sensor networks，”IEEE T.SignalProcessing，vol.53，no.8，pp.2997-3009，Aug.2005)，都是全局到全局的，即每个节点都需要与网络中的所有其它节点或者融合中心进行通信，因此，以上两种滤波或融合方法所需的通信复杂度是O(N＊N)，其中N是网络中的传感器节点或智能体的数目)。很明显，由于通信复杂度高以上方法是不能扩展规模的，尤其对于大规模传感器网络是不适用的。

发明内容

本发明针对现有技术存在的上述不足，提供一种分布式非线性滤波方法，网络中的每一个节点只需与其相邻节点进行信息交换，进而基于动态协同滤波处理，减小了滤波处理的通信复杂度。当应用于分散无迹卡尔曼滤波器的通信量为O(2450)，然而本方法所需通信量减少至O(230)。

本发明通过如下技术方案实现的，本发明包括以下步骤：

步骤一、网络中的每一个传感器节点对目标状态方程和测量方程进行加权统计线性化处理得到加统计线性化的系统矩阵、测量矩阵以及线性化后的系统噪声与测量噪声；

所述的加权统计线性化处理包括目标状态方程和测量方程，具体如下：

目标状态方程x(k+1)＝F(k)x(k)+b^x(k)+ω(k)

测量方程zi(k)=H‾i(k)x(k)+bzi(k)+υ‾i(k)]]>

其中：F(k)和H_i(k)分别为加权统计线性化以后的目标状态矩阵和测量矩阵；而b^x(k)和是由线性化引起的误差项，ω(k)和υ_i(k)线性化以后的过程噪声和测量噪声。

步骤二、传感器节点与其相邻节点进行通信以交换局部信息贡献，并根据动态协同滤波器获得全局信息贡献。

所述的局部信息贡献是指：