基于Consensus濾波的分布式卡爾曼信息融合方法
掃描二維碼
隨時(shí)隨地手機(jī)看文章
引言
無(wú)線傳感器網(wǎng)絡(luò)(WSN)就是在監(jiān)測(cè)區(qū)域內(nèi)布置大量具有信息采集、數(shù)據(jù)處理及無(wú)線通信能力的節(jié)點(diǎn),以形成一個(gè)多跳自組織網(wǎng)絡(luò)系統(tǒng),共同完成某些功能。WSN在軍事、環(huán)境監(jiān)測(cè)、交通運(yùn)輸、醫(yī)療等領(lǐng)域的科學(xué)研究中已得到廣泛應(yīng)用,因而引起了廣大學(xué)者的興趣。
多傳感器的采用能夠提供更多的原始數(shù)據(jù),從而能得到更高質(zhì)量的數(shù)據(jù)。由于無(wú)線傳感網(wǎng)絡(luò)節(jié)點(diǎn)的能量、帶寬資源、感知范圍和信號(hào)處理能力有限,而通過(guò)多節(jié)點(diǎn)的協(xié)作則能有效提高網(wǎng)絡(luò)的性能和容錯(cuò)能力工。常規(guī)的信息融合方法有分布式和集中式兩種。集中式的方法容易帶來(lái)網(wǎng)絡(luò)擁塞并限制帶寬,而且容錯(cuò)能力差。因此,設(shè)計(jì)合理有效的分布式算法已成為當(dāng)前無(wú)線傳感網(wǎng)絡(luò)研究的熱點(diǎn)之一。
最早提出的全分散卡爾曼濾波器十分散融合結(jié)果與集中融合結(jié)果完全相同,但其要求所有節(jié)點(diǎn)之間都有通信,通信復(fù)雜度為0(n2)。近來(lái),Xiao等人針對(duì)傳感器網(wǎng)絡(luò)提出了分布式一致濾波方法,采用并加權(quán)最小二乘近似估計(jì)來(lái)實(shí)現(xiàn)計(jì)靜態(tài)參數(shù)狀態(tài)。文獻(xiàn)給出了在信息空間交換信息矩陣和信息狀態(tài),以實(shí)現(xiàn)分布式信息計(jì)算的方法。然而,該方法由于不便于濾波器的擴(kuò)展而不能方便地推廣到動(dòng)態(tài)情況。文獻(xiàn)[3?5]提出了一種動(dòng)態(tài)一致估計(jì)方法,該方法將集中卡爾曼濾波分解為*個(gè)微卡爾曼濾波器,文中證明的濾波結(jié)果與集中濾波的結(jié)果相同。文獻(xiàn)提出的一致濾波器直接作用于狀態(tài)空間變量的估計(jì)值,因而又稱為卡爾曼一致性濾波器(KCF)。其他相似的方法則把系統(tǒng)分解為許多覆蓋子系統(tǒng)技,這些子系統(tǒng)可通過(guò)一致性通信方式組合起來(lái)。
本文針對(duì)無(wú)線傳感器網(wǎng)絡(luò),采用了基于consen-sus濾波的分布式卡爾曼信息融合方法。該方法中的檢測(cè)節(jié)點(diǎn)僅需接收自身及鄰居節(jié)點(diǎn)的數(shù)據(jù)并執(zhí)行分布式卡爾曼信息融合方法。由于運(yùn)行過(guò)程中采用了consensus濾波算法,故能有效減少整個(gè)傳感器網(wǎng)絡(luò)的數(shù)據(jù)傳輸量,從而更好的節(jié)約能量。此外,分布式計(jì)算方式也決定了即使部分節(jié)點(diǎn)失效,其他節(jié)點(diǎn)仍能夠保持較好的性能,即有一定的容錯(cuò)性。
1 問(wèn)題描述
由L個(gè)傳感器組成的線性離散定常隨機(jī)系統(tǒng)模型可采用下列差分方程描述:
本文的目標(biāo)是在無(wú)線傳感器網(wǎng)絡(luò)中采用分布式一致濾波器,其狀態(tài)為x=[x1,x2,...xn]T,輸入為u,y=x為濾波器的輸出,該網(wǎng)絡(luò)的所有節(jié)點(diǎn)關(guān)于信號(hào)觀測(cè)信號(hào)可在所有時(shí)間漸進(jìn)到達(dá)一致。無(wú)線傳感器網(wǎng)絡(luò)中的檢測(cè)傳感器在必要時(shí)可將感知的數(shù)據(jù)以多跳方式傳感到匯聚節(jié)點(diǎn),如果所有檢測(cè)到數(shù)據(jù)的節(jié)點(diǎn)均將數(shù)據(jù)發(fā)送給匯聚節(jié)點(diǎn),則可能會(huì)帶來(lái)網(wǎng)絡(luò)擁塞,并且匯聚節(jié)點(diǎn)將會(huì)收到大量的帶有噪聲的高冗余數(shù)據(jù)。為此,本文采用了分布式一致濾波算法,傳感器節(jié)點(diǎn)可用卡爾曼濾波方法通過(guò)更新鄰居節(jié)點(diǎn)信息來(lái)降低數(shù)據(jù)傳輸量。
2 分布式一致卡爾曼信息融合算法
2.1 卡爾曼濾波
卡爾曼濾波是匈牙利數(shù)學(xué)家KalmanRE于1960年提出的一種遞歸數(shù)據(jù)處理算法,可用于實(shí)現(xiàn)有噪聲線性動(dòng)態(tài)系統(tǒng)的狀態(tài)估計(jì),是一種線性無(wú)偏最小方差估計(jì)。該算法是一種關(guān)于時(shí)間的遞推算法,具有模型簡(jiǎn)單、數(shù)據(jù)存儲(chǔ)量小等特點(diǎn),特別適用于數(shù)值計(jì)算,因而自推出以來(lái)獲得了廣泛的應(yīng)用。
2.2 信息卡爾曼濾波
信息卡爾曼濾波是標(biāo)準(zhǔn)卡爾曼濾波的另一表達(dá)形式,該方法可把狀態(tài)量轉(zhuǎn)換成信息量,狀態(tài)估計(jì)時(shí)無(wú)需計(jì)算高維協(xié)方差矩陣的逆,且具有易啟動(dòng)等特點(diǎn)。信息卡爾曼濾波算法如下:
2.3 分布卡爾曼濾波器
分布卡爾曼濾波器(DKF)是Olfatisaber在2005年提出的一種基于consensus的分布式濾波算法。該算法中的各本地節(jié)點(diǎn)只需接收自身和鄰居節(jié)點(diǎn)的測(cè)量值和觀測(cè)噪聲協(xié)方差信息,執(zhí)行微卡爾曼濾波器,以分別完成局部估計(jì),而且狀態(tài)估計(jì)誤差有界。
傳感器網(wǎng)絡(luò)的節(jié)點(diǎn)由微卡爾曼濾波器和兩個(gè)一致濾波器組成。其組成框圖如圖1所示。圖中的低通一致濾波器用于自身和鄰居節(jié)點(diǎn)測(cè)量數(shù)據(jù)的均值計(jì)算,帶通一致濾波器則用于求取狀態(tài)估計(jì)平均逆協(xié)方差矩陣。微卡爾曼濾波器根據(jù)一致濾波輸出的測(cè)量值和協(xié)方差矩陣值執(zhí)行微卡爾曼濾波算法。文獻(xiàn)口口對(duì)使用該算法得到的濾波估計(jì)值可漸進(jìn)趨近集中卡爾曼濾波的估計(jì)值進(jìn)行了證明。
對(duì)于由N個(gè)傳感器組成的連通網(wǎng)絡(luò),可假設(shè)網(wǎng)絡(luò)中每個(gè)節(jié)點(diǎn)在每個(gè)迭代時(shí)刻k都能用一致性濾波算法計(jì)算節(jié)點(diǎn)自身和鄰居節(jié)點(diǎn)的平均逆協(xié)方差矩陣S和平均測(cè)量值z(mì),那么,在每個(gè)迭代時(shí)刻,就都能完成微卡爾曼濾波并實(shí)現(xiàn)狀態(tài)估計(jì)X即:
2.4 平均Consensus濾波算法
分布微卡爾曼濾波算法需要首先計(jì)算測(cè)量平均值z(mì)和逆協(xié)方差矩陣S。但是,直接求取該兩項(xiàng)平均值需要獲取所有節(jié)點(diǎn)的值,即需要所有節(jié)點(diǎn)都兩兩連接。Consensus算法是一種分布式網(wǎng)絡(luò)計(jì)算的有效工具,它僅需鄰居節(jié)點(diǎn)的數(shù)據(jù)即可達(dá)到輸出一致。低通平均consensus算法為:
其中,qi表示低通濾波器的狀態(tài),ui為第i個(gè)節(jié)點(diǎn)的輸入。當(dāng)網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)無(wú)向連通且當(dāng)t趨向無(wú)窮大時(shí),帶通濾波器的狀態(tài)將漸近收斂于輸入的平均值。
2.5 分布式一致卡爾曼濾波算法
根據(jù)上述說(shuō)明可見,平均一致卡爾曼濾波算法可以分為4個(gè)階段:
3 仿真分析
對(duì)于100mX100m的方形區(qū)域內(nèi)隨機(jī)分布的100個(gè)節(jié)點(diǎn)。假設(shè)移動(dòng)目標(biāo)在區(qū)域內(nèi)作圓周運(yùn)動(dòng),則系統(tǒng)運(yùn)動(dòng)方程可以用下式表示:
測(cè)量方程為:
圖3給出了集中卡爾曼估計(jì)與分布式估計(jì)的結(jié)果圖。
從圖中可以看出,集中卡爾曼濾波狀態(tài)估計(jì)值略優(yōu)于分布式卡爾曼濾波方法。然而,本文所用算法由于僅需鄰居節(jié)點(diǎn)數(shù)據(jù)的特點(diǎn)就能減少數(shù)據(jù)傳輸量從而減少能量消耗,延長(zhǎng)網(wǎng)絡(luò)的生命周期。此外,分布式特點(diǎn)還決定了它具有較好的容錯(cuò)性,即使部分節(jié)點(diǎn)失效,網(wǎng)絡(luò)仍然能夠保持較好的性能。
4 結(jié)論
本文針對(duì)無(wú)線傳感器網(wǎng)絡(luò),提出了一種分布式一致卡爾曼信息融合方法。該方法把傳感器節(jié)點(diǎn)嵌入微卡爾曼濾波器,首先執(zhí)行一致濾波算法計(jì)算測(cè)量均值和觀測(cè)噪聲協(xié)方差均值,再分別執(zhí)行微卡爾曼濾波,最后完成狀態(tài)估計(jì)。仿真結(jié)果表明,該方法具有較高的有效性和可靠性。