[发明专利]一种基于权值可调的分布式滤波方法

摘要

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。

主权项

1.一种基于权值可调的分布式滤波方法，其特征在于，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；所述方法根据节点在网络中的拓扑位置，获取各个节点在网络中的确信度值，确信度越大的节点对邻居节点估计值的影响越大；两节点在某一时刻的状态估计值差别越大，两节点相互支持程度越低；确信度越小的节点，邻居节点融合该节点状态估计值的权重越小，使得估计性能差的节点参与融合的权值变小；确信度越大的节点，参与一致性阶段融合贡献作用越大；一致性机制的合作协同机制，使得各传感器节点向真实值逼近，从而提高网络对目标的估计精度；所述方法在传感器中嵌入微滤波器，把每个传感器当作一个节点，计算步骤如下：(1)根据节点在网络中的拓扑位置，赋予每个节点不同的确信度，节点确信度K(i)计算公式如下： S i = B 1 ( i ) B 2 ( i ) ]]> K ( i ) = S ( i ) / Σ j = 1 n υ i j ]]>式中，i表示各传感器节点，i∈{1,2,…n}；υij为传感器节点i与传感器节点j间的最短距离；B1(i)为网络所有传感器节点对经过节点i的最短路径数目，B2(i)为传感器网络所有的最短路径总数；S(i)是描述节点i在整个传感器网拓扑位置重要性的指标；(2)得到每个传感器节点的确信度之后，计算各传感器节点参与融合阶段邻域范围内各节点的权重，公式如下： p i ( t ) = K ( i ) / Σ i = 1 n K ( i ) ; ]]>dij(t)＝1-2arctan(Δ(t))/π；pi(t+1)＝pi(t)+Δpi(t+1)； Δp i ( t + 1 ) = p j ( t ) · p i ( t ) · d i j ( t ) Σ l ∈ Γ j p l ( t ) ·