[发明专利]一种基于权值可调的分布式滤波方法

说明书

一种基于权值可调的分布式滤波方法，所述方法引进节点确信度的评估算法，获得各传感器网络节点对目标状态估计的确信度；其次，将节点的负载定义为传感器网络中该节点对目标估计的确信度值,采用权值重分配的方法，将遭受攻击节点的权值进行分配，更新各传感器网络节点对目标状态估计的确信度，并将该确信度构成的权值引入一致性协议中更新传感器节点对目标的状态估计值，从而提高分布式滤波方法的估计精度和传感器节点估计值的一致性。本发明可以提高非信任环境下无线传感器网络对目标跟踪的估计精度性。

技术领域

本发明涉及一种基于权值可调的分布式滤波方法，属于无线传感器网络与控制技术领域。

背景技术

分布式网络的广泛应用，对多传感器网络的发展具有极其重要的指导意义，在军事国防、社会经济、网络通讯、系统控制等领域应用广泛。研究者们从多个角度探索了智能个体之间如何通过合作协调控制、信息融合完成复杂的任务。无线传感器网络研究中的一个基本问题就是通过设计适当的滤波算法，利用传感器采集到的信息完成精确估计与跟踪的问题，其关键在于寻找一种兼顾稳定性、收敛性、时效性及节能的估计算法对传感器间的信息进行有效融合。研究表明基于一致性的滤波算法是行之有效的融合算法，这类算法不需要融合中心，节点仅需与邻居节点进行信息交互，最终使所有网络节点状态估计值趋于一致，实现高精度的估计。这种只与邻域范围内的节点进行通讯的机制大大地降低了网络的能耗。

多传感器网络具有强鲁棒性、较好的自适应性以及低廉价成本等特点，克服了单个传感器自身能力、储存和处理能力局限性的缺陷，使无线传感器网络有着巨大的应用市场和应用空间。例如，通过飞机随机撒播大规模密集型的传感器节点，对未知区域进行检测，对目标位置进行跟踪、检测以及定位。然而，考虑到无线传感器网络中的节点本身硬件资源的限制以及容易受到外界环境的干扰，无线传感器网络中的节点发生障碍、通讯失效或通信异常，节点感知到的数据存在较大的误差，使得无线传感器网络对动态目标的跟踪具有较差的实时性。这类不利因素的存在使得无线传感器网络存在数据不可靠、数据丢失等问题以致许多传统的算法并不再适应。对这类问题提出最早的解决方法是将一致性算法应用到无线传感器网络，应用加权平均一致性算法估计所有传感器节点输入值的平均值，能够较好地解决传感器故障的情况。还有一类应用最广泛的算法是卡尔曼一致性滤波算法，引进一致性滤波器对传感器节点对目标的估计值、协方差进行融合，多元信息分布式的传递提高各节点的状态估计值。然而，这类算法均建立在假定传感器观测数据可靠的基础上进行的，即认定传感器所处的环境是可信任的。在实际应用中，传感器节点暴露在外部非受控空间，极易遭受攻击，使得信息在传递过程中易被篡改、伪造，从而影响目标跟踪定位和跟踪的精度。与此同时节点自身构造的局限性以及对外界环境的感知能力的强弱，使得不同区域不同位置的节点对同一目标的感知能力截然不同，如何使得感知能力强的节点发挥更大的估计功效以提高其在整个估计作用的贡献值，削弱感知能力差的节点对整个估计的影响，这一问题亟待解决。

发明内容

本发明的目的是，为了解决非信任环境下遭受攻击的无线传感器网络系统状态估计的有效融合问题，提供一种基于权值可调的分布式滤波方法。

本发明的技术方案是，一种基于权值可调的分布式滤波方法，所述方法分析传感器节点在网络拓扑结构中的位置及其对网络的影响力，引进节点确信度的评估算法，获得各传感器网络节点对目标状态估计的确信度；其次，借鉴复杂网络理论复载重分配思想,将节点的负载定义为传感器网络中该节点对目标估计的确信度值,采用权值重分配的方法将遭受攻击节点的权值进行分配，更新各传感器网络节点对目标状态估计的确信度，并将该确信度构成的权值引入一致性协议中更新传感器节点对目标的状态估计值，从而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。