【技术实现步骤摘要】
分布式传感器网络协同融合与传感器位置修正方法
本专利技术涉及的是一种分布式传感器网络协同融合与传感器位置修正方法。具体地，涉及的一种基于变分贝叶斯(variationalBayesian,VB)的一致性(consensus)传感器融合与自身位置修正方法。该方法可以被应用于分布式传感器网络的协同状态估计、目标跟踪等领域。
技术介绍
在由多传感器构成的传感器网络中，通过融合多传感器的观测信息能够提升系统对外界环境的感知能力。在集中式传感器网络中，需要将各个传感器节点获得的量测信息传输至一个中心节点进行集中处理。这种方式，理论上能够从所有传感器量测中获得状态的最优估计。然而，这种集中式的处理方式，给传感器网络带来了较大的通信负担。同时，依赖中心节点进行数据处理降低了传感器网络的容错能力(即中心节点的失效将导致整个传感器网络失效)，也降低了传感器网络部署的灵活性(所有节点都需要与中心节点通信)。不同于集中式的传感器网络，分布式传感器网络没有中心节点，每个传感器节点自身都具备感知能力、通信能力和数据处理能力，各个节点仅能与其相邻的节点进行通信。分布式传感器网络的这种结构特点...
【技术保护点】
1.一种分布式传感器网络协同融合与传感器位置修正方法，其特征在于，包括以下步骤：步骤S1：在各个传感器节点给定初始的目标状态和误差方差阵，形成初始参数；步骤S2：对目标状态和误差方差进行一步预测，包括初始步时预测和非初始步时预测；其中：在初始步时，利用步骤S1中的初始参数，各个传感器节点独立地对目标状态和误差方差进行一步预测；在非初始步时，利用步骤S7得到的各传感器节点输出目标状态和自身位置的估计值进行一步预测；步骤S3：各传感器节点根据传感器当前时刻的量测信息，获得本地目标状态量测和先验的自身位置信息；步骤S4：求解目标状态局部量测更新，包括变分迭代初始步时的更新和非初始...
【技术特征摘要】
1.一种分布式传感器网络协同融合与传感器位置修正方法，其特征在于，包括以下步骤：步骤S1：在各个传感器节点给定初始的目标状态和误差方差阵，形成初始参数；步骤S2：对目标状态和误差方差进行一步预测，包括初始步时预测和非初始步时预测；其中：在初始步时，利用步骤S1中的初始参数，各个传感器节点独立地对目标状态和误差方差进行一步预测；在非初始步时，利用步骤S7得到的各传感器节点输出目标状态和自身位置的估计值进行一步预测；步骤S3：各传感器节点根据传感器当前时刻的量测信息，获得本地目标状态量测和先验的自身位置信息；步骤S4：求解目标状态局部量测更新，包括变分迭代初始步时的更新和非初始步时的更新；其中：在变分迭代过程的初始步时，各个传感器节点根据步骤S3获得的本地目标状态量测和先验的自身位置信息，求解目标状态局部量测更新；在变分迭代过程的非初始步时，各个传感器节点根据步骤S3获得的本地目标状态量测和步骤S6得到的传感器自身位置的估计值求解目标状态局部量测更新；步骤S5：各个传感器节点利用自身及相邻节点的目标状态局部量测更新，进行一致性迭代，使各传感器节点趋于全局一致，得到目标状态估计；步骤S6：各传感器节点利用步骤S5获得的目标状态估计，计算传感器自身位置的估计值；步骤S7：若变分迭代未结束，则返回执行步骤S4～步骤S6；若变分迭代结束，各传感器节点输出目标状态和自身位置的估计值。2.根据权利要求1所述的分布式传感器网络协同融合与传感器位置修正方法，其特征在于，所述步骤S1中，在各个传感器节点分别给定初始的目标状态和对应的误差方差阵其中分别代表各个不同的传感器节点，为所有传感器节点构成的集合。3.根据权利要求1所述的分布式传感器网络协同融合与传感器位置修正方法，其特征在于，所述步骤S2包括：各个传感器节点i对目标状态进行一步状态和协方差预测，分别得到对k时刻状态和协方差的预测值和由得到的预测值，计算预测的信息矩阵和信息向量计算公式如下：4.根据权利要求1所述的分布式传感器网络协同融合与传感器位置修正方法，其特征在于，所述步骤S3包括：各个传感器节点i获取当前时刻k对目标的量测值以及当前时刻k各传感器节点i的位置量测值其中，表示定位设备给出的传感器位置估计值，表示定位设备给...
【专利技术属性】
技术研发人员：敬忠良，沈楷，董鹏，
申请(专利权)人：上海交通大学，
类型：发明
国别省市：上海,31
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。