[发明专利]传感器网络分布式一致性目标状态估计方法

摘要

本发明提供一种传感器网络分布式一致性目标状态估计方法。该方法基于传感器网络中观测节点之间的信息传递，将网络中的传感器节点实施动态功能划分，自适应实时优化选择参与一致性状态估计的观测节点集，并以分布式最大后验概率理论为基础，对目标先验信息与量测信息进行加权处理，且考虑了不同观测节点状态估计误差协方差在计算平均一致性状态时的影响，经过有效的信息一致性处理，各观测节点的分布式状态估计精度可以快速逼近集中式估计精度，且保证了盲节点对目标的状态维持，能够有效防止新航迹层出不穷、航迹不明等现象。

主权项

1.一种传感器网络分布式一致性目标状态估计方法，是一种用于目标跟踪的分布式滤波方法，通过传感器节点获取量测信息、网络节点角色划分、建立一致性节点集、计算本地一致性参数、观测节点一致性信息处理与融合、目标状态估计、目标状态预测实现传感器网络中部分优选节点实时对目标状态保持动态一致的精确估计；其中，传感器节点获取量测信息是指通过目标回波得到关于目标的本地量测z_i和量测信息矩阵B_i，其中R_i为传感器量测服从的零均值高斯白噪声的方差，下标i是传感器的身份标识；网络节点角色划分是指，根据网络中传感器节点是否观测到目标及节点在目标状态估计时担任的角色，将t时刻探测到目标的节点称为观测节点，所有观测节点的邻居节点(未探测到目标)称为盲节点，其他未探测到目标的节点称为睡眠节点，其中，观测节点执行主要状态估计工作，盲节点通过接收观测节点的信息来保持及更新本地目标状态；建立一致性节点集是指，观测节点发送状态信息包(含有目标前一时刻的状态估计值及观测节点的身份标识)，观测节点和盲节点接收来自邻居节点的状态信息包，盲节点更新本地目标状态，当前时刻的所有观测节点及所有盲节点构成一致性节点集，节点集内的传感器始终保持着目标的状态估计，其中t时刻观测节点的总数为N′；计算本地一致性参数是指对目标先验信息与量测信息进行加权处理，计算本地一致性信息矩阵和本地一致性信息向量计算方式分别为Ui0=1N′Yi-(t)+HiTBiHi,ui0=1N′Yi-(t)xi-(t)+HiTBizi,]]>其中，为先验估计信息矩阵，P_i(t)为状态估计误差方差，H_i为量测矩阵；观测节点一致性信息处理与融合是指，从k＝1开始至k＝K，将以下三步循环迭代K次：观测节点发送含有本地一致性参数与身份标识的一致性信息包、观测节点接收来自邻居观测节点的一致性信息包、更新本地一致性参数其中，每次迭代完之后执行k＝k+1，K为一致性迭代次数，ζ为一致性速率因子，最终，各观测节点得到近似相同的一致性参数和目标状态估计是指，结合一致性参数和观测节点个数，对目标状态及信息矩阵进行更新，其中为t时刻滤波得到的目标估计状态，为对应的状态估计信息矩阵；目标状态预测是指结合当前时刻目标状态估计与运动模型，对下一时刻目标的状态及其信息矩阵进行预测，其中，为t+1时刻的目标状态预测，Φ为状态转移矩阵，为t+1时刻目标状态估计信息矩阵的预测，Q为目标运动模型中的过程噪声方差。