基于分布式共識(shí)的無線傳感器網(wǎng)絡(luò)目標(biāo)跟蹤技術(shù)研究.pdf

1、近年來，隨著對(duì)具有廣闊應(yīng)用前景的無線傳感器網(wǎng)絡(luò)研究的深入開展，將分布式共識(shí)技術(shù)與卡爾曼濾波技術(shù)結(jié)合，提出各種性能優(yōu)良的分布式濾波估計(jì)算法，以完成無線傳感器網(wǎng)絡(luò)中對(duì)移動(dòng)目標(biāo)的分布式定位與跟蹤成為研究熱點(diǎn)。本文主要將共識(shí)技術(shù)中的gossip算法與最優(yōu)狀態(tài)估計(jì)中的卡爾曼濾波算法結(jié)合，進(jìn)行基于分布式共識(shí)的無線傳感器網(wǎng)絡(luò)目標(biāo)跟蹤技術(shù)研究。
　　本文首先對(duì)國內(nèi)外在無線傳感器網(wǎng)絡(luò)背景下，分布式目標(biāo)跟蹤的現(xiàn)有技術(shù)和研究成果進(jìn)行歸類、整理，尤其對(duì)最

2、近提出的基于共識(shí)的卡爾曼濾波算法進(jìn)行了詳細(xì)的優(yōu)缺點(diǎn)比較分析，在此基礎(chǔ)上明確了本文的主要研究方向?yàn)閷?duì)具有重要影響的卡爾曼共識(shí)濾波（Kalman Consensus Filter，KCF）算法進(jìn)行改進(jìn)，將gossip算法與卡爾曼濾波算法結(jié)合提出基于gossip的分布式卡爾曼濾波算法（Gossip based Distributed Kalman Filter，GDKF）。利用gossip算法僅通過鄰居節(jié)點(diǎn)之間交換信息就可完成全網(wǎng)數(shù)據(jù)融合的優(yōu)

3、點(diǎn)，打破卡爾曼共識(shí)濾波算法性能受節(jié)點(diǎn)通信范圍和感知范圍的約束。利用GDKF算法進(jìn)行無線傳感器網(wǎng)絡(luò)中的分布式目標(biāo)跟蹤，與利用KCF算法相比，可以實(shí)現(xiàn)更高的網(wǎng)絡(luò)跟蹤精度、更高的網(wǎng)絡(luò)共識(shí)精度和更快的網(wǎng)絡(luò)收斂速度。
　　其次，詳細(xì)研究了卡爾曼共識(shí)濾波算法的內(nèi)容和機(jī)理，并給出了利用KCF算法進(jìn)行分布式網(wǎng)絡(luò)目標(biāo)跟蹤具體的實(shí)現(xiàn)步驟，重點(diǎn)分析了KCF算法的缺陷：由于算法中任意節(jié)點(diǎn)僅匯聚鄰居節(jié)點(diǎn)對(duì)移動(dòng)目標(biāo)的預(yù)測值，該算法只能在網(wǎng)絡(luò)中任意節(jié)點(diǎn)始終能夠

4、觀測到目標(biāo)時(shí)才具有良好的跟蹤性能，而一旦某一節(jié)點(diǎn)及其鄰居節(jié)點(diǎn)不能獲得觀測值，會(huì)使全網(wǎng)對(duì)目標(biāo)的跟蹤性能快速惡化。針對(duì)此問題，本文提出基于gossip的分布式卡爾曼濾波算法，給出了算法內(nèi)容，分析了算法機(jī)理，并分別結(jié)合成對(duì)gossip算法和廣播gossip算法設(shè)計(jì)了2種具體的GDKF實(shí)現(xiàn)算法，即基于成對(duì)gossip的分布式卡爾曼濾波算法（Pairwise Gossip based Distributed Kalman Filter，PG-DK

5、F）以及基于廣播gossip的分布式卡爾曼濾波算法（Broadcast Gossip based Distributed Kalman Filter，BG-DKF），同時(shí)給出了利用2種分布式卡爾曼濾波算法進(jìn)行網(wǎng)絡(luò)目標(biāo)跟蹤的具體實(shí)現(xiàn)步驟。
　　最后，對(duì)所提GDKF算法進(jìn)行了性能分析與仿真對(duì)比驗(yàn)證。一方面，根據(jù)李雅普諾夫第二定理，證明了所提GDKF算法具有李雅普諾夫意義下的全局漸近穩(wěn)定性，并分析出了GDKF算法收斂速度的上確界，與KC