基于扩散卡尔曼滤波的分布式检测方法技术

本发明专利技术公开的基于扩散卡尔曼滤波的分布式检测方法，具体按照以下步骤实施：构造分布式传感网络；在分布式传感网络中利用扩散卡尔曼滤波方法计算得到节点新息；利用节点新息计算出其协方差矩阵，根据节点新息的协方差矩阵计算得出新息方差，进而得到检验统计量和检验门限；根据检验统计量和检验门限，得出判决表达式并由二元假设检验理论做出决策。本发明专利技术的检测性能优于单节点和局部的检测性能，受益于扩散策略，每个节点可动态获得全局信息，因此能够更快地收敛于集中式的检测性能。

Distributed detection method based on diffusion Kalman filter

【技术实现步骤摘要】
基于扩散卡尔曼滤波的分布式检测方法
本专利技术属于目标检测方法
，具体涉及一种基于扩散卡尔曼滤波的分布式检测方法。
技术介绍
近年来，检测技术的完善和发展推动着科学技术的进步，许多专业领域都离不开检测技术。主动检测方法虽然可以获得较高的信噪比，但以高能耗为代价，难以实现长时间的隐蔽监控。随着传感器技术的进步，利用分布式传感器对覆盖区域内的目标进行被动检测与定位跟踪成为可能。传感器通过接收来自于目标的信息来进行噪声背景下的目标检测，然后会处理接收到的信息来决定目标是否存在。无线传感网络下实现目标检测，利用每一个传感器节点对接收到的信号与相应的门限比较后做出判决，降低人为因素误差，效率高，具有较强的可靠性。对于单节点信号的检测问题，因为只能够得到自己一个节点的信息，其检测性能并不好。使用传感器网络(如集中式、局部式)的检测技术具有很好的应用前景。集中检测技术中，在需要做整体决策时，所有的传感器数据都发送给融合中心。尽管这项技术达到了最高的性能，但它要求非常大的带宽来获取实时结果。在分布式网络中不需要融合中心，每个节点仅依靠自己的观测信息和相邻节点间的共享数据获取到网络的全局信息，做出目标有无的二元决策。其检测性能优于单节点和局部的检测性能，且能更快地收敛于集中式的检测性能。
技术实现思路
本专利技术的目的在于提供一种基于扩散卡尔曼滤波的分布式检测方法，提高了对目标信号的处理增益和检测概率。本专利技术所采用的技术方案是：基于扩散卡尔曼滤波的分布式检测方法，具体按照以下步骤实施：步骤1、构造分布式传感网络；步骤2、在步骤1得到的分布式传感网络中利用扩散卡尔曼滤波(DiffusionKalmanFilter，DKF)方法计算得到节点新息；步骤3、利用步骤2得到的节点新息计算出其协方差矩阵，根据节点新息的协方差矩阵计算得出新息方差，进而得到检验统计量和检验门限；步骤4、根据步骤3得出的检验统计量和检验门限，得出判决表达式并由二元假设检验理论做出决策，当检验统计量大于检验门限的时候表示目标信号存在，检验统计量小于检验门限的时候表示目标信号不存在。本专利技术的特点还在于，步骤1具体为：假设在一个区域中布放了由N个传感器节点组成的分布式传感网络，即无向图模型G＝(V,ζ)，其中节点集合V＝{1,2,...,N}和边集ζ＝{(i,l)|i,l∈V,i≠l}为节点在单跳通信范围内的无序节点对，邻集Ni＝{l|(i,l)∈ζ}∪i为节点i的单跳通信相邻节点集，集合Ni中元素的个数Ni为节点i的度，网络中的每个节点对待检信号做独立观测，并与其单跳通信相邻节点共享信息。步骤2具体按照以下步骤实施：步骤2.1：建立高斯-马尔可夫模型；步骤2.2：构造二元假设检验理论；步骤2.3：利用扩散卡尔曼滤波方法计算出各节点的新息。步骤2.1具体为：在离散时间系统下，M×1维的矢量信号s(k)在k时刻的高斯-马尔可夫模型为：s(k)＝Fs(k-1)+Gv(k-1)k≥0(1)其中，状态转移矩阵F和控制矩阵G分别是M×M、M×r维的已知矩阵，矩阵F的特征值幅度小于1；扰动噪声矢量v(k)～N(0,Q)是r×1维的高斯白噪声；起始条件s(-1)是一个M×1维的随机矢量，服从高斯分布s(-1)～N(μ0,Π0)，它与v(k)是相互独立的。步骤2.2具体为：对于节点i，从0到K时刻基于二元假设理论的离散观测方程为：H1:yi,0:K＝Zi,0:K+wi,0:K(2)H0:yi,0:K＝wi,0:K(3)式中，yi,0:K＝[yi(0),yi(1),…,yi(K)]T是观测向量，Zi,0:K是待检测的信号，观测噪声wi,0:K＝[wi(0),wi(1),…,wi(K)]T是高斯白噪声，且Zi,0:K与wi,0:K相互独立，Zi,0:K是部分可观测的马尔可夫过程，表示为：Zi,0:K＝Hi,0:Ks0:K(4)式中，Zi,0:K＝[zi(0),zi(1),…,zi(N-1)]T，s0:K＝[sT(0),sT(1),...,sT(K)]T，且hi(k)＝[10...0]T是M×1维的观测矢量；s(k)是M×1维的零均值高斯-马尔可夫过程。步骤2.3具体为：令ψi(k)表示节点i在时刻k由扩散卡尔曼滤波方法计算得出的新息，ψi(k)与全局观测信息呈线性关系，假设该线性关系为:其中，y0:k＝[yT(0),yT(1),...,yT(k)]T，y(k)＝[y1(k),...,yN(k)]T，向量bi,0:k描述了ψi(k)与y0:k的线性关系；令ψi,0:K＝[ψi(0),ψi(1),...,ψi(K)]T代表第i个节点从0到K时刻用扩散卡尔曼滤波方法计算的新息向量，得：ψi,0:K＝Bi,0:Ky0:K(6)式中，Bi,0:K是(K+1)×(K+1)N的矩阵，其中第j行的前j×N个元素由biT,0:K给出，其余元素为0；由于新息过程是全局观测的线性组合，因此ψi,0:K是零均值的高斯变量。步骤2.3中采用的扩散卡尔曼滤波方法具体按照以下步骤实施：设各节点的初始状态设为Pi,0|-1＝Π0，在时刻k＝0,1,...,K,每个节点i＝1,2,...,N卡尔曼滤波的信息形式如下：步骤2.3.1、增量更新：步骤2.3.2、扩散更新：Pi,k+1|k＝FPi,k|kFT+GQGT(13)式(11)中非负系数cl,i表示节点i接受相邻节点l信息的权重；若则cl,i＝0；否则，有cl,i≠0且步骤2.3.3、利用从0到k时刻的观测信息，由增量更新和扩散更新可知新息为：将上式转化为矩阵维度，新息向量ψ(k+1)＝[ψ1(k+1),...,ψN(k+1)]T的计算表达式为：上式中步骤3具体为：由公式(11)、(12)、(13)和公式(15)计算出Pl,k|k，Pl,k+1|k和ψi(k)；假设新息协方差矩阵的计算公式为：计算出新息协方差矩阵后，根据公式和公式计算出新息的方差和基于计算出的新息和新息方差得出检验统计量的计算公式为：由于新息过程是独立的，基于扩散卡尔曼滤波的检验门限为：步骤4具体为：由步骤3得出检验统计量和检验门限后，利用二元假设检验理论，通过比较两者之间的值可得到目标有无的二元判决，判决表达式为：当Tidif(k)大于的时候表示目标信号存在，Tidif(k)小于的时候表示目标信号不存在。本专利技术的有益效果是：本专利技术的基于扩散卡尔曼滤波的分布式检测方法，解决了需要融合中心的网络结构的信息崩溃问题和单节点只能够得到自己一个节点的信息，其检测能力有限的问题。由于使用了分布式网络结构和DKF方法，当观测时间足够长时，每个节点逐渐感知本文档来自技高网...

【技术保护点】
1.基于扩散卡尔曼滤波的分布式检测方法，其特征在于，具体按照以下步骤实施：/n步骤1、构造分布式传感网络；/n步骤2、在步骤1得到的分布式传感网络中利用扩散卡尔曼滤波方法计算得到节点新息；/n步骤3、利用步骤2得到的节点新息计算出其协方差矩阵，根据节点新息的协方差矩阵计算得出新息方差，进而得到检验统计量和检验门限；/n步骤4、根据步骤3得出的检验统计量和检验门限，得出判决表达式并由二元假设检验理论做出决策，当检验统计量大于检验门限的时候表示目标信号存在，检验统计量小于检验门限的时候表示目标信号不存在。/n

【技术特征摘要】
1.基于扩散卡尔曼滤波的分布式检测方法，其特征在于，具体按照以下步骤实施：
步骤1、构造分布式传感网络；
步骤2、在步骤1得到的分布式传感网络中利用扩散卡尔曼滤波方法计算得到节点新息；
步骤3、利用步骤2得到的节点新息计算出其协方差矩阵，根据节点新息的协方差矩阵计算得出新息方差，进而得到检验统计量和检验门限；
步骤4、根据步骤3得出的检验统计量和检验门限，得出判决表达式并由二元假设检验理论做出决策，当检验统计量大于检验门限的时候表示目标信号存在，检验统计量小于检验门限的时候表示目标信号不存在。


2.如权利要求1所述的基于扩散卡尔曼滤波的分布式检测方法，其特征在于，所述步骤1具体为：假设在一个区域中布放了由N个传感器节点组成的分布式传感网络，即无向图模型G＝(V,ζ)，其中节点集合V＝{1,2,...,N}和边集ζ＝{(i,l)|i,l∈V,i≠l}为节点在单跳通信范围内的无序节点对，邻集Ni＝{l|(i,l)∈ζ}∪i为节点i的单跳通信相邻节点集，集合Ni中元素的个数|Ni|为节点i的度，网络中的每个节点对待检信号做独立观测，并与其单跳通信相邻节点共享信息。


3.如权利要求2所述的基于扩散卡尔曼滤波的分布式检测方法，其特征在于，所述步骤2具体按照以下步骤实施：
步骤2.1：建立高斯-马尔可夫模型；
步骤2.2：构造二元假设检验理论；
步骤2.3：利用扩散卡尔曼滤波方法计算出各节点的新息。


4.如权利要求3所述的基于扩散卡尔曼滤波的分布式检测方法，其特征在于，所述步骤2.1具体为：
在离散时间系统下，M×1维的矢量信号s(k)在k时刻的高斯-马尔可夫模型为：
s(k)＝Fs(k-1)+Gv(k-1)k≥0(1)
其中，状态转移矩阵F和控制矩阵G分别是M×M、M×r维的已知矩阵，矩阵F的特征值幅度小于1；扰动噪声矢量v(k)～N(0,Q)是r×1维的高斯白噪声；起始条件s(-1)是一个M×1维的随机矢量，服从高斯分布s(-1)～N(μ0,Π0)，它与v(k)是相互独立的。


5.如权利要求4所述的基于扩散卡尔曼滤波的分布式检测方法，其特征在于，所述步骤2.2具体为：
对于节点i，从0到K时刻基于二元假设理论的离散观测方程为：
H1:yi,0:K＝Zi,0:K+wi,0:K(2)
H0:yi,0:K＝wi,0:K(3)
式中，yi,0:K＝[yi(0),yi(1),...,yi(K)]T是观测向量，Zi,0:K是待检测的信号，观测噪声wi,0:K＝[wi(0),wi(1),...,wi(K)]T是高斯白噪声，且Zi,0:K与wi,0:K相互独立，Zi,0:K是部分可观测的马尔可夫过程，表示为：
Zi,0:K＝Hi,0:Ks0:K(4)
式中，Zi,0:K＝[zi(0),zi(1),...,zi(N-1)]T，s0:K＝[sT(0),sT(1),...,sT(K)]T，且hi(k)＝[10...0]T是M×1维的观测矢量；s(k)...

【专利技术属性】
技术研发人员：庞菲菲，李耀光，王晓华，
申请(专利权)人：西安工程大学，
类型：发明
国别省市：陕西;61