9、无线传感器网络中的分散式卡尔曼滤波器研究

无线传感器网络中的分散式卡尔曼滤波器研究

1. 引言

无线传感器网络是自动化系统未来发展的新兴技术。其主要特点包括利用无线链路，以及因组件成本低且无需布线，可大量部署传感器，使大规模传感器的使用更具经济性。随着传感器数量的增加，网络对滤波和数据融合的需求也相应提升。

然而，这一新兴应用领域也给传统工具带来了新问题。本文聚焦于分散式卡尔曼滤波器（DKF）在无线传感器网络中的两个特定问题。DKF 是卡尔曼滤波器（KF）的分散式版本，用于估计系统状态，基于 KF 的信息滤波器形式。

第一个问题源于测量数据的乱序（OOSM）。与有线网络相比，无线链路更易导致数据随机延迟或丢失。OOSM 问题在卡尔曼滤波器相关文献中有详细记载。本文将测量值的截断反向传播方法与启发式和次优方法进行比较，后两者对无线网络节点的系统内存和计算性能要求较低。由于 DKF 的通信开销较大，所有融合中心都需相互通信，因此降低通信开销对于在无线框架中应用该滤波器至关重要。

第二个问题是 DKF 在大规模集群式无线传感器网络中的性能。当传感器网络节点众多时，为减少通信需求，需将网络划分为多个集群，集群间通过集群头进行通信。本文着重探讨了 DKF 在节点集群变化时所面临的问题，如滤波器初始化和误差协方差记忆问题。

2. 分散式卡尔曼滤波器

DKF 是常规集中式 KF 的分散式版本，在数学上与集中式 KF 相同，在独立白噪声假设下是最优线性滤波器。

为获得 KF 的分散式版本，需对系统模型进行划分。将观测向量 z 拆分为 m 个维度为 mi 的子向量，观测矩阵和测量噪声向量也进行类似处理。

DKF 适用于局部模型如下的系统