分簇傳感網(wǎng)絡魯棒融合Kalman濾波.pdf

1、近年來，隨著傳感網(wǎng)絡技術的發(fā)展，網(wǎng)絡估計和控制問題引起了廣泛關注。在網(wǎng)絡系統(tǒng)中，不可避免的存在數(shù)據(jù)包丟失、觀測滯后、模型參數(shù)和噪聲方差不確定性等問題。周知，傳統(tǒng)Kalman濾波要求精確已知系統(tǒng)的數(shù)學模型，這些問題使得基于傳統(tǒng)的Kalman濾波的狀態(tài)估計面臨著較大的挑戰(zhàn)，因此，在網(wǎng)絡監(jiān)視和控制系統(tǒng)中，不確定網(wǎng)絡系統(tǒng)魯棒狀態(tài)估計問題顯得尤其重要，特別是信息融合魯棒估計問題越來越受到人們廣泛關注。在傳感網(wǎng)絡系統(tǒng)中，按照未加工的數(shù)據(jù)是否被直接應

2、用，信息融合方法分為集中式融合和分布式融合;集中式融合是將各傳感器的觀測數(shù)據(jù)直接送到融合中心進行處理，故獲得的狀態(tài)估值在無偏線性最小方差意義下是全局最優(yōu)的，但該方法的缺點是通訊和計算負擔較大。分布式融合可分為分布式狀態(tài)融合和分布式觀測融合。分布式狀態(tài)融合是各傳感器觀測數(shù)據(jù)先通過相應的局部處理得到局部估計，再將各局部估計傳送到融合中心得到全局的融合估計，其中按照去集中式組合方法獲得的融合估計是全局最優(yōu)的，按照加權方法（矩陣加權、標量加權和

3、對角陣加權）獲得的融合估計是全局次優(yōu)的。分布式觀測融合是通過加權局部觀測方程得到一個融合觀測方程，然后將其與狀態(tài)方程聯(lián)立，可獲得加權觀測融合估計，它是全局最優(yōu)融合估計。與集中式融合方法比較，分布式觀測融合方法的優(yōu)點是減小了計算和通訊負擔，減小能源消耗，具有全局最優(yōu)性。
　　傳感網(wǎng)絡系統(tǒng)是由一系列具有計算能力、存儲能力和傳輸能力的傳感器節(jié)點組成，在許多領域都有著非常重要的應用，如軍事、環(huán)境監(jiān)測、醫(yī)療、工業(yè)、農(nóng)業(yè)、建筑、物流與交通等方

4、面。為了節(jié)約能源，降低通訊負擔，對傳感器網(wǎng)絡采用最鄰近原則進行分簇，每個分簇都是由一個簇頭和多個傳感節(jié)點組成;傳感節(jié)點首先進行局部估計，并將局部估計和觀測數(shù)據(jù)傳送到相應的簇頭，然后每個簇頭進行局部融合估計，并將所有局部融合估計和觀測數(shù)據(jù)傳送到基站，以獲得全局融合估計。這是兩級分簇融合結構。
　　綜上，本文針對帶有不確定噪聲方差的分簇傳感網(wǎng)絡系統(tǒng)，利用最小二乘法原理，根據(jù)極大極小估值原則，應用加權觀測融合算法，提出了兩級加權觀測融合

5、魯棒Kalman濾波器和預報器，本文主要工作如下:
　　采用矩陣滿秩分解方法分別提出兩級加權觀測融合魯棒時變Kalman濾波器和預報器的兩種算法，并用取極限的間接方法分別提出兩級加權觀測融合魯棒穩(wěn)態(tài)Kalman濾波器和預報器，利用Lyapunov方程證明了它們的魯棒性。
　　通過信息濾波器形式證明了兩級加權觀測融合Kalman濾波器和預報器的魯棒精度分別等價于整體集中式融合魯棒Kalman濾波器和預報器的魯棒精度，并高于每個

6、局部魯棒Kalman濾波器和預報器的魯棒精度。通過動態(tài)系統(tǒng)誤差分析方法(DESA)和動態(tài)方差系統(tǒng)分析(DVESA)分別證明了兩級加權觀測融合魯棒時變和穩(wěn)態(tài)Kalman濾波器和預報器的按實現(xiàn)的收斂性。
　　基于穩(wěn)態(tài)Kalman濾波的直接方法分別提出兩級加權觀測融合魯棒穩(wěn)態(tài)Kalman濾波器和預報器的兩種算法，利用Lyapunov方程證明了它們的魯棒性，用信息濾波器形式分別證明了它們與集中式融合魯棒穩(wěn)態(tài)Kalman濾波器和預報器的等價