基于数据缺失传感器网络的分布式卡尔曼算法研究

发布时间：2021-04-27 20:06

　　传感器网络由部署在监视区域中空间独立分布的大量微型传感器节点构成,用以实时监控、感知和采集作用区域内的环境或目标状态,例如温度,湿度,振动,压力或运动等。由于节点的能量,传感范围,通信和计算能力有限,分布式算法表现出优于集中式算法的优越性能。在分布式的多种策略中,扩散策略以其简单,灵活,稳定等特点受到了广泛关注。在以往的研究中,传感器网络中的大多数分布式算法假设传感器节点感测的信息是无损的。随着部署的传感器网络规模的增长,数据收集受到硬件和无线条件的干扰,通常会导致原始数据产生严重的数据缺失。本文首先简要介绍了采用扩散策略的最小均方算法（LMS）及其推导过程。然而,LMS算法通常用于估计常数参数而不是动态模型,后者无论是军事还是民用上也是传感器网络的重要研究领域,如目标跟踪等问题。在时变模型中,卡尔曼滤波算法是自20世纪60年代提出以来最流行的递归算法之一。本文在前人的基础上探究了使用扩散策略的分布式卡尔曼滤波算法（DKF）,其技术挑战是如何将成熟的中心式（或传统）卡尔曼滤波方法迁移到复杂的大型动态网络系统内分布式测量和估计。卡尔曼滤波算法的另一个优点是从不完整的或存在噪声干扰的测量中... 

【文章来源】：西南大学重庆市 211工程院校 教育部直属院校

【文章页数】：72 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
第一章 绪论
    1.1 研究背景及意义
    1.2 发展历史和研究现状
        1.2.1 分布式参数估计算法
        1.2.2 多任务网络
        1.2.3 数据缺失问题
    1.3 主要研究内容
第二章 网络模型
    2.1 传感器网络模型
    2.2 多任务网络模型
    2.3 数据缺失模型
第三章 分布式算法的扩散策略
    3.1 分布式扩散策略
    3.2 扩散最小均方算法(DLMS)
        3.2.1 算法概述
        3.2.2 性能分析
    3.3 多任务网络中的扩散LMS
        3.3.1 多任务描述和建模
        3.3.2 多任务算法概述
第四章 数据缺失条件下的扩散卡尔曼算法
    4.1 算法概述
        4.1.1 卡尔曼滤波概述
        4.1.2 扩散卡尔曼算法及扩展
    4.2 性能分析
        4.2.1 均值分析
        4.2.2 均方分析
        4.2.3 收敛性分析
    4.3 仿真结果
        4.3.1 网络和参数设定
        4.3.2 扩散卡尔曼算法的性能
        4.3.3 多任务网络
    4.4 本章小结
第五章 总结与展望
    5.1 全文工作总结
    5.2 展望
参考文献
致谢
攻读硕士期间已取得的学术成果
攻读硕士期间参加的科研项目


【参考文献】：
期刊论文
[1]无线传感器网络应用综述[J]. 毛晓峰,杨珉,毛迪林.  计算机应用与软件. 2008(03)



本文编号：3164081