[发明专利]自适应机动网络节点运动控制的分布式协同决策方法

说明书

本发明属于信号处理领域，具体为自适应机动网络节点运动控制的分布式协同决策方法；在同时存在多个具有机动性能的目标的情况下节点的决策会根据自身所处位置和目标位置的不同而时刻发生变化。节点与其邻居节点之间的决策通过扩散协作的方式将进行了融合交流，并且与节点本身的决策相结合进行分布式的决策，从而获得更为准确的决策。与现有的存在多个目标的自适应机动网络相比，应用的场景更为复杂并且考虑到了目标的位置动态变化的复杂情况和节点本身的运动状态存在不同选择的情况；与此同时运用分布式的方法进行运动状态的决策使得在保证捕食成功率的同时有效的增加了节点的存活率。

技术领域

本发明属于信号处理领域，具体是自适应机动网络中的分布式协同决策，特别是对运动状态存在多种情况的自适应机动网络进行分布式协同决策。

背景技术

近些年来由于现代数字信号处理和无线通信技术的快速发展及无线传感器设备的广泛应用，使网络的数据处理成为了未来的发展方向，其中分布式方法因其充分利用了节点之间的信息分享，并且具有较低的计算复杂度，较好的可扩展性及抗干扰性能而被广泛研究。相较于集中式方法分布式方法可以更准确地进行数据传输及处理，可广泛应用于诸如参数估计，目标跟踪等实际场景之中。

近些年来有些学者对分布式估计方法进行研究，例如在“Cattivelli F S,SayedA H.Diffusion LMS Strategies for Distributed Estimation[J].IEEE Transactionson Signal Processing,2010,58(3):1035-1048.”一文中提出了一种基于扩散协作模式的分布式LMS方法；这种分布式方法因其结构简单、计算复杂度低而被广泛应用于网络信号处理之中；但是只能应用于网络的拓扑结构是静态不发生改变的情况下，对于一个目标进行参数估计。

进一步的，有学者针对网络具有多个目标的情况优化了分布式扩散性LMS方法的组合系数，在网络具有多个目标的情况下也能达到较好的估计性能。例如在“Chen J,Richard C,Sayed A H.Diffusion LMS Over Multitask Networks[J].IEEETransactions on Signal Processing,2015,63(11):2733-2748.”一文中提出了一种实时更新的应用于多目标参数估计的分布式组合系数的计算方法；但是该方法并未考虑网络的拓扑结构变化的情况及跟踪运动目标的情况，没有控制网络节点的运动状态，也没涉及到分布式决策。

再进一步的，有学者将分布式方法应用至自适应机动网络中，例如在“Tu S,SayedAH.Mobile Adaptive Networks[J].IEEE Journal of Selected Topics in SignalProcessing,2011,5(4):649-664”一文中将分布式扩散性LMS方法应用至网络的拓扑结构存在实时变化的自适应机动网络之中对单目标进行跟踪；所提出的方法应用场景比较单一，空间中只具有单个的静止的目标(被捕食者)，没有考虑到目标的机动性能，并且空间之中也只存在单个的目标，没有考虑到多目标的情况；其运动控制的方法也比较的简单仅仅考虑节点只具有跟踪的运动状态，也没涉及到分布式决策。

再再进一步的，有学者针对自适应机动网络的运动情况进行了扩展，例如在“TuS,Sayed A H.Tracking behavior of mobile adaptive networks[C].2010ConferenceRecord of the Forty Fourth Asilomar Conference on Signals,Systems andComputers.Pacific Grove,CA,USA:IEEE.2010:698-702.”一文中引入了两种形式的目标包括捕食者及被捕食者，网络节点在可以根据运动的目标的位置进行处于跟踪还是逃离的运动状态；但是其应用场景为空间中只有单个捕食者目标及被捕食者目标，没有考虑到多个捕食者目标及被捕食者目标的情况，也没涉及到分布式决策。