一种基于量化和事件的集值卡尔曼滤波方法技术

本发明专利技术公开了一种基于量化和事件的集值卡尔曼滤波方法，对于传感器能量与网络带宽同时受限的无线传感器网络融合估计系统，利用事件触发器与量化器包含的信息确定原始测量值区域范围，采用凸优化理论给出了超级矩形区域的最紧近似椭球集，给出网络带宽与传感器能量受限的集值卡尔曼滤波方法，该方法考虑了带宽和能量受限的无线传感器网络中的集值滤波问题，通过利用包含在量化器和事件触发器的信息建立了原始测量值的集合范围表示并给出了一个原始测量集的最紧椭球近似描述方法，提出的集值卡尔曼滤波方法误差小，精度高。

【技术实现步骤摘要】

本专利技术属于网络带宽和传感器能量受限的无线传感器中远程状态估计
，尤其涉及一种基于量化和事件的集值卡尔曼滤波方法。
技术介绍
近年来，随着微电子技术、无线通信技术和嵌入式技术的进步，无线传感器网络(WirelessSensorNetwork，WSN)得到了快速的发展。WSN是一种分布式传感网络，所布置的传感器价格低廉，位置移动灵活，网络设置可变，容错能力强，因此被大量地应用在国防军事、智能家居、生物医疗、环境监测、空间探索以及工业商业等众多领域。一方面，通信网络的引入使得原有的信息传送模式发生了根本变化，这就必然带来通信约束问题，带宽约束是WSN实际应用系统面临的主要问题之一。每个采样时刻每个传感器不能直接对采样数据进行传输，只能传输有限比特的数据。量化测量值的引入可以解决信道带宽受限的问题，所有的观测数据按照对应的量化规则被量化成一个消息。但是量化器的引入导致消息值和原始测量值之间几乎总存在误差。误差值的大小跟实际通信带宽相关，经过量化之后估计器不知道实际测量值，直接利用消息值进行滤波器设计可能会使滤波误差变大，甚至导致滤波器发散，特别是当通信带宽只有几个比特的时候。之后，研究者发现量化误差可以被视为量化噪声，将测量噪声和量化噪声相加在一起作为伪噪声。进而，在量化噪声是不相关的高斯白噪声的假设下，取伪测量噪声方差上界作为量测噪声的方差进行滤波器设计，估计精度得到了显著提高。然而，不相关的高斯白噪声的假设不完全成立，特别是在一个低水平的量化的情况。此外，它保守的取伪测量噪声方差的上界作为量化噪声方差。另一方面，WSN面临的另一个主要问题是传感器能量资源的限制。WSN的传感器的能量是有限的，传感器的能量是由电池提供的，更换电池耗费很大，有时是很困难的，由于传感器工作环境的原因更换电池有时甚至是不可能的，也就是电池的耗尽意味着传感器寿命的结束。因此，在网络上可以对数据进行一定程度的处理，来减少数据的传输量，从而有效的节省传感器能量。事件触发器的引入是一种有效节省传感器能量的方法。基于事件触发策略的基本原理是，传感器不进行更新直到某个事件发生(例如，当前的测量和之前事件时间传输的测量值之间的距离超出了一个预先指定的水平)。在每个时刻估计器必须处理包含有点值和集值混合测量的信息：当接收到测量值时，估计器用“点值”信息进行更新，当未接收到测量信息时，估计器仍然可以通过事件触发条件知道当前的测量信息所在的集合范围(称之为“集值”信息)，主要是针对线性高斯系统并对状态的条件分布作了高斯假设。与基于事件的状态估计的结果相比，集值滤波方法提供了另外一种方式来利用和理解事件触发条件中包含的额外信息。
技术实现思路
鉴于此，本专利技术是基于
技术介绍
中的问题，提供了一种基于量化和事件的集值卡尔曼滤波方法，该方法考虑了带宽和能量受限的无线传感器网络中的集值滤波问题，通过利用包含在量化器和事件触发器的信息建立了原始测量值的集合范围表示并给出了一个原始测量集的最紧椭球近似描述方法，提供了一种基于量化和事件的集值卡尔曼滤波方法。为了实现上述目的，本专利技术采用以下技术方案：一种基于量化和事件的集值卡尔曼滤波方法，包括如下具体步骤：(1)对于传感器能量与网络带宽同时受限的无线传感器网络融合估计系统，利用事件触发器与量化器包含的信息确定原始测量值区域范围；(2)采用凸优化理论给出了超级矩形区域的最紧近似椭球集；(3)给出网络带宽与传感器能量受限的集值卡尔曼滤波方法。本专利技术提供的技术方案中，步骤(1)所述原始测量值区域范围为：(1)考虑网络带宽受限，传感器能量不受限的情况，即不存在事件触发器，只有量化器。远程端接收到的消息i＝1,2,...,m，j∈{1,2，...,Ti本文档来自技高网...

【技术保护点】
一种基于量化和事件的集值卡尔曼滤波方法，其特征在于包括如下具体步骤：(1)对于传感器能量与网络带宽同时受限的无线传感器网络融合估计系统，利用事件触发器与量化器包含的信息确定原始测量值区域范围；(2)采用凸优化理论给出了超级矩形区域的最紧近似椭球集；(3)给出网络带宽与传感器能量受限的集值卡尔曼滤波方法。

【技术特征摘要】
1.一种基于量化和事件的集值卡尔曼滤波方法，其特征在于包括如下具体步骤：(1)对于传感器能量与网络带宽同时受限的无线传感器网络融合估计系统，利用事件触发器与量化器包含的信息确定原始测量值区域范围；(2)采用凸优化理论给出了超级矩形区域的最紧近似椭球集；(3)给出网络带宽与传感器能量受限的集值卡尔曼滤波方法。2.根据权利要求1所述的一种基于量化和事件的集值卡尔曼滤波方法，其特征在于，步骤(1)中所述原始测量值区域范围为：(1)考虑网络带宽受限，传感器能量不受限的情况，即不存在事件触发器，只有量化器。任意一个传感器的测量值记为y(k)，其第i个测量分量yi(k)被对应的量化器i量化成一个消息mi(k)后通过无线通信网络传输到远程估计端。也就是说实际的观测值经过量化器时，量化器按照相应的量化策略将落在一定区间内的观测值都量化成固定值从而估计器端接收到的量化消息信道带宽的总比特数一定，给每个量化器分配不同的比特数融合中心会有不同的估计性能。这里设量化器i的量化比特数已经分配好且为li位，也就是消息mi(k)具有li位，可以得...

【专利技术属性】
技术研发人员：许大星，王海伦，陈佳泉，柴国飞，
申请(专利权)人：衢州学院，
类型：发明
国别省市：浙江;33