带相关噪声的观测融合稳态Kalman滤波算法及其最优性

对于带相关的输入白噪声和观测白噪声及相关观测白噪声的多传感器线性离散定常随机系统,用加权最小二乘(wLs)法提出了一种加权观测融合稳态Kalman滤波算法,并基于信息滤波器证明了它同集中式观测融合稳态Kalman滤波算法功能的等价性.因而,它具有渐近全局最优性,且可减少计算负担.一个跟踪系统数值仿真例子验证了它的功能等价性.     

任意噪声相关异类传感器非线性系统状态矢量融合

基于线性无偏最小方差估计理论，提出了一种任意相关噪声异类传感器非线性系统状态矢量融合算法．该算法考虑了过程噪声和测量噪声以及测量噪声之间的相关性和传感器系统结构的不同性，增加了描述多传感器融合系统的信息量，通过局部估计的组合构造新的变量以去除局部状态之间的相关性，采用顺序滤波的方法减小了异类多传感器融合系统全局状态估计的计算量．仿真结果表明，由于考虑了过程噪声和测量噪声以及测量噪声之间的相关性，状态矢量融合算法比噪声不相关融合算法具有更好的跟踪性能，航迹跟踪的精度得到了改善．     

一类噪声相关多传感器系统的新型序贯式融合滤波

对于过程噪声与观测噪声一步互相关、各观测噪声一步自相关的多传感器融合滤波问题,提出了一种新的低维序贯式融合滤波算法.基于低阶迭代正交变换的思想提出了解相关的方法,将观测方程经过等价改写去除系统噪声的相关性,然后依据序贯滤波的思想,依次处理到达融合中心的观测信息,进而得到一类实时序贯式融合滤波算法.整个推导过程在线性最小均方误差意义下严格进行,能够实现系统状态的最优融合估计.最后的仿真验证了新算法在处理上述噪声相关问题上的最优性.     

采用S-MAC协议的无线传感器网络可用带宽估计算法

提出一种利用串扰来估计采用了S-MAC的无线传感器网络中可用带宽的方法。传感器节点在使能串扰避免机制后,将收集到邻居节点的RTS/CTS/DATA/ACK分组中的网络分配矢量以表的形式记录在自己的缓存中,经过计算得到节点的可用带宽。仿真数值结果表明,所使用的可用带宽估计方法能够较为准确的预测S-MAC中节点周围的负载情况,竞争程度,为路由选择、负载均衡、多sink布置、优先级传输等策略提供参考。     

基于串扰的无线传感器网络可用带宽估计算法

可用带宽是无线传感器网络中路由选择、负载均衡、多sink布置、优先级传输等策略的重要参考.文中提出一种利用串扰来估计采用了S-MAC协议的无线传感器网络可用带宽的方法.传感器节点在使用串扰避免机制后,将收集到邻节点的RTS/CTS/DATA/ACK分组中的网络分配矢量以表的形式记录在自己的缓存中,经过计算得到节点的可用带宽.仿真结果表明,该方法能够较为准确地预测S-MAC中节点周围的负载情况和竞争程度.     

噪声相关多传感器系统的微观EKF融合算法

集中式融合滤波对于噪声相关非线性多传感器系统很重要。首先,在扩展Kalman滤波器(EKF)的基础上,利用矩阵求逆引理推导出噪声相关的EKF的一种信息滤波器形式;然后,根据矩阵相似变换理论将其等价分解为具有局部通信的微观滤波器形式。与现有的集中式融合算法相比,新方法保持了相同融合精度的同时,还具备了部分信息滤波器的优良数值计算特点。最后,通过理论分析和计算机仿真相结合的方法来验证了新算法的有效性。     

无线传感器网络中的信息融合技术研究

介绍了无线传感器网络的组成及特点,讨论了信息融合的定义、处理层次及三种方法的特性比较。重点描述了无线传感器网络中的信息融合过程,包括信息的预处理,信息融合的实现算法,提出了基于统一建模语言UML的信息融合框架,该框架可以根据实地环境的不同和当时可利用的资源而动态地改变。阐述了信息融合处理过程中五大模块的组成。实验结果验证了该框架的有效性。     

带相关噪声多传感器系统的事件触发贯序和分布式融合估计

对带相关噪声的多传感器系统,研究了事件触发的贯序和分布式融合估计算法.不同传感器之间的观测噪声同时刻相关,并与过程噪声一步相关.为了节省通信能耗,采用了事件触发传输机制,该机制依赖于每个传感器当前的观测值和上一个触发时刻的观测值.在事件触发条件下,提出了在线性最小方差意义上的最优贯序融合和分布式融合估计算法.所提出的贯序融合算法可以根据传感器观测数据到达滤波器的顺序进行实时处理,具有较小的计算负担.所提出的分布式融合算法可以对传感器观测数据进行并行处理,具有更好的可靠性.两种算法与事件触发集中融合算法具有相同的估计精度.仿真结果验证了算法的有效性.     

基于时空相关的传感器网络汇聚查询算法

减少网络中的数据传输量是传感器网络节约能量、延长网络生命的重要方法.提出一种基于时空相关的传感器网络汇聚查询算法STCAQ.在STCAQ中,首先通过基于时间相关的预测算法对网络中节点采样数据进行汇聚;然后依据节点采样数据汇聚结果,通过基于空间相关判定算法查询空间相关区域信息.仿真结果表明,STCAQ在能量消耗、查询质量和网络数据量等方面优于ESA算法.     

无线传感器网络中分布式信息融合研究进展

无线传感器网络是下一代互联网的重要技术之一,无线传感器网络中信息融合技术已经成为关注的焦点.本文从无线传感器网络的产生、特点与发展、分布式信息融合的研究现状给介绍和分析;最后对该研究领域的研究进行展望,并提出一些值得研究的方向.     

带相关噪声系统的自校正观测融合Kalman滤波器

对于带有相关噪声和未知噪声统计的多传感器线性离散定常随机系统,利用相关方法,提出了噪声统计信息的在线估计器.基于ARMA新息模型,提出了自校正加权观测融合Kalman滤波器,避免了求解Lyapunov和Riccati方程,减少了计算负担,适于实时应用.利用动态误差系统分析(DESA)方法,严格证明了提出的自校正融合滤波器以概率1或按实现收敛于相应的最优融合滤波器,即具有渐近全局最优性.一个3传感器系统的仿真例子说明其有效性.     

带相关观测噪声系统的自校正观测融合Kalman滤波器

对于带有相关观测噪声、未知噪声统计、不同观测阵带有相同右因子的多传感器线性离散定常随机系统,利用相关方法,提出了噪声统计信息的在线辨识器.基于ARMA新息模型,提出了自校正加权观测融合Kalman滤波器,避免了求解Lyapunov和Riccati方程,减少了计算负担,适于实时应用.利用动态误差系统分析(DESA)方法,严格证明了提出的自校正融合滤波器以概率1或按实现收敛于相应的最优融合滤波器,即具有渐近全局最优性.一个3传感器跟踪系统的仿真例子说明其有效性.     

任意相关噪声线性系统异步状态向量融合

基于线性无偏最小方差估计理论,提出了一种任意相关噪声线性系统异步状态向量融合算法.该算法将融合中心的采样周期设定为传感器测量周期的最小公倍数,使得传输到融合中心的局部状态估计在每个周期内具有相同的数目,减少了跟踪滤波的计算量.在跟踪滤波器的增益阵中引入测量噪声与过程噪声的相关量和测量噪声之间的相关量,增加了描述多传感器融合系统的信息量.仿真结果表明,状态向量融合算法比噪声不相关融合算法具有更好的跟踪性能,航迹跟踪的精度得到了改善.     

传感器观测相关条件下的最优分布式检测融合算法

针对分布式串行检测融合系统的检测性能优化问题,研究了一种各部传感器判决规则联合优化的系统性能优化方法.融合系统由N部传感器构成,系统性能优化准则采用Bayes准则.在各部传感器观测相关的条件下,为了使系统检测性能达到最优,推导出了传感器判决规则联合最优化的必要条件,得出了最优传感器判决规则满足的一组系统方程,并根据系统方程组设计了求解各部传感器最优判决规则的数值迭代算法.仿真结果表明,采用该数值迭代算法联合优化各部传感器的判决规则,可使融合系统的Bayes风险显著低于单部传感器.     

面向移动传感器网络的自适应一致性融合估计方法

研究了具有时延和通信拓扑变换的移动传感器网络（MSN）分布式融合估计问题.结合无色信息滤波、自适应一致性算法并考虑通信时延而设计的基于自适应一致性的融合结构,提出了一种名为基于自适应一致性的分布式无色信息滤波（AC_DUIF）的分布式融合估计算法.以空中移动传感器网络跟踪移动目标为例,通过仿真验证了所提算法的性能.仿真结果表明,该方法能够在以分布形式提高网络中各节点对目标位置估计精度的同时,保证节点之间的一致性,并具备对网络通信延时的适应能力.     

带相关噪声广义系统降阶滤波器设计

基于广义系统典范型分解,应用射影理论,对带相关噪声的广义离散随机线性系统,通过将带相关噪声系统转化为带独立噪声系统给出一种新的递推降阶滤波器。它能减小计算负担,便于实时应用。与以往文献报道带独立噪声广义系统降阶滤波器相比,所提出的降阶滤波器多了一个当前时刻的增益项。仿真例子说明了其有效性。     

一般相关量测噪声下线性系统的平滑估计算法

提出了具有一般相关量测噪声的线性系统的平滑估计算法,该算法是在系统正向和逆向滤波估计结果的基础,利用线性无偏最小方差估计获得的。由于量测噪声的相关性,使得其后验均值不一定等于其先验均值,而它的后验均值又无法通过计算得到,因而提出的算法是一个次优算法。在正、逆向滤波结果已知时,所提出的算法计算量小,易于实现。仿真实例说明,该算法的估计结果要优于正、逆向滤波估计结果,以及量测噪声不相关的Ｋａｌｍａｎ平     

一般相关量测噪声线性系统的递推状态估计

为了得到具有一般相关量测噪声线性系统的递推滤波算法,将该问题转化为具有相关量测单值随机向量的滤波问题,根据单值随机向量的线性无偏最小方差估计算法,导出了量测噪声为一般相关鞅差序列的线性系统的最优递推状态估计滤波算法,通过数值仿真,将该算法与假定量测噪声不相关时的Ｋａｌｍａｎ滤波算法进行了比较,证明了该算法的有效性。