[发明专利]基于无偏广播gossip算法的分布式卡尔曼共识移动目标跟踪方法

说明书

基于无偏广播gossip算法的分布式卡尔曼共识移动目标跟踪方法，涉及无线传感器网络中对移动目标的跟踪技术。本发明是为了解决现有分布式卡尔曼共识滤波方法中存在的跟踪系统鲁棒性低、系统跟踪精度低，共识精度低的问题。本发明在分布式卡尔曼共识滤波算法中引入无偏广播gossip算法解决上述问题。本发明适用于无线传感器网络中对移动目标的跟踪。

技术领域

本发明涉及无线传感器网络中对移动目标的跟踪技术。

背景技术

1、分布式平均共识

在一个有着N个传感器节点的网络中，任意节点i∈{1,2,…,N}在gossip算法的第t次迭代后，都存有一个状态值，表示为x_i(t)，t∈{0,1,…}。任意节点i的初始状态值表示为x_i(0)，则平均共识问题可以表示为：

所有节点的最终状态值都达到一致，并且是所有节点初始状态值的平均值。

2、无偏广播gossip算法

无偏广播gossip算法的基本方法是随机地令网络中的某个节点向其通信范围内的所有邻居节点广播自己的信息，邻居节点接收到该信息后与自己的本地信息进行融合，通过不断的唤醒节点进行信息广播，最终能使得全网所有节点的状态值达到平均共识。图1给出了无偏广播gossip算法的示意图。

为了说明无偏广播gossip算法的内容，现给出将无线传感器网络用图论抽象描述的基本概念，设定网络中所有N个无线传感器节点组成节点集合V＝{1,…N}，如果任意传感器节点j能够收到任意传感器节点i的信息则称节点j为节点i的邻居节点，表示为(j,i)之间有一条边，网络中所有节点之间的边组成边集合E，相应地，如果节点j能够接收到节点i的信息，则用(j,i)∈E表示。将具有节点集合V和边集合E无线传感器网络抽象成图G则表示为G＝(V,E)。所有能够接收到传感器节点i的传感器节点即节点i的邻居节点组成集合所有能向传感器节点i发送信息的节点组成集合能够接收节点i发送来的信息的传感器节点数目称为节点i的出度，用来表示，能够向传感器节点i发送信息的传感器节点数目称为节点i的入度，用来表示。

假定每个节点都有一个自己的本地信息m包含状态值x和伴随变量y即m＝{x,y}，任意时刻t，网络中的随机节点i被唤醒，其状态值为x_i(t)，伴随变量为y_i(t)。节点i向其通信范围内的所有邻居节点广播自己的本地信息m_i(t)＝{x_i(t),y_i(t)}，接收到该信息的节点根据式(2)、式(3)更新自己的状态值和伴随变量。

该时刻的信息发送节点i根据式(4)、式(5)更新自己的状态值和伴随变量。

其余空闲节点分别根据式-6)式(7)更新自己的状态值和伴随变量。

x_k(t+1)＝x_k(t) (6)

y_k(t+1)＝y_k(t) (7)

此更新过程结束称为完成1次无偏广播gossip迭代更新。经过足够多次的无偏广播gossip迭代更新后，网络中所有节点的状态值能够达到平均共识即所有节点的状态值能够在一定误差范围内达到一致，且是无偏广播gossip迭代开始时所有节点初始状态值的平均值。

3、分布式卡尔曼共识滤波算法