一种具有隐私保护的运动目标分布式滚动时域估计方法技术

本发明专利技术属于跟踪滤波技术领域，具体地说是涉及一种具有隐私保护的运动目标分布式滚动时域估计方法。本发明专利技术的方法主要通过使用具有隐私保护的一致性协议对滚动时域估计中的到达成本求均值，具体表现为将每个网络节点的状态随机分为可见的和私有的两部分，只向外发射可见的部分，从而保护节点隐私。然后通过最小化滚动时域估计的代价函数计算局部估计量，再根据局部估计量更新到达成本函数。经验证，该方法可有效的实现分布式系统中的状态估计，并能够实现对节点初始状态隐私的保护。能够实现对节点初始状态隐私的保护。能够实现对节点初始状态隐私的保护。

【技术实现步骤摘要】
一种具有隐私保护的运动目标分布式滚动时域估计方法


[0001]本专利技术属于目标跟踪
，具体涉及一种具有隐私保护的运动目标分布式滚动时域估计方法。

技术介绍

[0002]在过去的几十年里，人们对多传感器网络系统产生了显著的研究兴趣。分布式估计作为其重要关注点之一，在机器人编队控制、环境监测、航天器导航等各种应用中得到了广泛研究。滚动时域估计是一种基于通过最小化在固定大小的滑动窗口上定义的成本函数来估计系统状态的思想的滤波技术，将其扩展到分布式系统中，能够获得更好的健壮性、灵活性和可靠性。但在传统的分布式系统中，节点间交互信息可能会造成隐私信息的泄露，因此一种具有隐私保护的分布式状态估计方法显得尤为重要。

技术实现思路

[0003]针对以上问题，本专利技术提出了一种具有隐私保护的运动目标分布式滚动时域估计方法，该方法在保证滚动时域估计性能不变的基础上，实现了每个节点初始状态的隐私保护。
[0004]本专利技术的技术方案为，如图1所示：
[0005]本专利技术适用于通过线性传感器网络来跟踪运动目标的场景，目标运动由具有状态转移矩阵的线性模型建模
[0006]x
t+1
＝Fx
t
+w
t
[0007]其中x
t
＝[p
x
,v
x
,p
y
,v
y
]T
代表目标的运动状态(p
x
,p
y
代表目标的位置坐标，v
x
,v
y
代表目标的速度)，F代表状态转移矩阵
[0008][0009]其中T
s
为跟踪时间间隔。干扰噪声w
t
服从在[
‑
0.5,0.5]上的均匀随机分布。整个传感器网络由个节点组成，节点i的观测模型为
[0010]y
ti
＝C
i
x
t
+v
ti
[0011]其中y
ti
表示传感器测量值，C
i
为观测矩阵
[0012][0013]观测噪声服从在[
‑
10，10]上的均匀随机分布。加权矩阵Q和R
i
分别等于w
t
和逆协方差矩阵。
[0014]在分布式传感器网络中，每个节点都只能利用自己能够获取的局部信息对系统状
态进行滚动时域估计。滚动时域估计是一种滤波技术，其思想是通过最小化在固定大小的滑动窗口上定义的成本函数来估计系统状态。成本函数如下：
[0015][0016]式中，N表示滚动时域的窗口长度，表示传感器i在时刻t对k时刻目标状态的估计值。为到达成本函数，其表征了过去时刻估计结果对当前时刻估计的影响，对滚动时域估计的行为和性能起到关键作用，因此我们使用整个网络的平均到达成本函数替代每个节点自身的到达成本函数。
[0017][0018][0019][0020]表示传感器i对t
‑
N时刻目标状态的预测值，是一个正定的权重矩阵，量化了预测值的置信度。对到达成本函数求均值，等效于对参数和求均值，所以对任意时刻t，网络中的任意节点i执行以下步骤：
[0021](1)获得观测信息y
ti
[0022](2)通过具有隐私保护的一致性算法获得整个网络的平均到达成本函数。
[0023]a)初始化成本函数参数每个网络节点将自己的参数任意分解为和使其满足将参数任意分解为和使其满足
[0024]b)令和分别表示第l次迭代时的和(1<l<L，L为总迭代次数)。将和发送给自己的邻居，并接受邻居发送的和
[0025]c)利用以下公式更新
[0026][0027][0028][0029][0030]其中π为一致性权重矩阵，以使网络能够收敛到均值，κ
i
为之间的一致性权重，满足0<κ
i
<π
i,i
。
[0031]d)重复步骤b～c共L次，得到
[0032](3)通过最小化代价函数计算局部估计量。令表示平均到达成本函数，由步骤
二所获得的和表征
[0033][0034]此时，
[0035][0036]通过令的导数等于0，可得其中：
[0037][0038][0039][0040]Δ
i
＝F
T
QF+(C
i
)
T
R
i
C
i
[0041](4)计算预测状态以及对应的权重矩阵更新规则如下：
[0042][0043][0044]其中，α和S为可调参数，应满足0<α<1，S为正定矩阵。其他项如下所示：
[0045][0046][0047][0048][0049][0050][0051]本专利技术的有益效果是：本专利技术的方法主要通过使用具有隐私保护的一致性协议对滚动时域估计中的到达成本求均值，具体表现为将每个网络节点的状态随机分为可见的和私有的两部分，只向外发射可见的部分，从而保护节点隐私。然后通过最小化滚动时域估计的代价函数计算局部估计量，再根据局部估计量更新到达成本函数。经验证，该方法可有效的实现分布式系统中的状态估计，并能够实现对节点初始状态隐私的保护。
附图说明
[0052]图1为本专利技术的方法流程图。
[0053]图2为基于状态分解的一致性示意图。
[0054]图3为无线传感器网络拓扑图。
[0055]图4为位置均方根误差随时间变化曲线图。
具体实施方式
[0056]在
技术实现思路
部分已经对本专利技术的技术方案进行了详细描述，在此不再赘述，下面结合仿真示例分析本专利技术的可行性。
[0057]平均一致性与隐私性分析：
[0058]针对传统的平均一致性算法
[0059][0060]可写做
[0061]ξ
t,l
＝Πξ
t,l
‑1＝Π
l
ξ
t,0
[0062]其中，Π是由π
i,j
组成的方阵，若节点i与节点j之间存在边，则π
i,j
＝π
j,i
>0，否则π
i,j
＝0，且默认整个网络是连同的，此时方阵Π双随机初始矩阵，其满足
[0063][0064]其中所以
[0065][0066]当经历多轮迭代后，每个网络节点都将收敛到网络所有的均值。
[0067]而具有隐私保护的平均一致性算法，将所有节点分解为公共部分和私有部分如图2所示，公共部分代替原节点在网络中的部分，私有部分则只和其公共部分相连，其一致性权重设置κ
i
，0<本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种具有隐私保护的运动目标分布式滚动时域估计方法，用于通过线性传感器网络来跟踪运动目标的场景，建立具有状态转移矩阵的线性模型为：x
t+1
＝Fx
t
+w
t
其中x
t
＝[p
x
,v
x
,p
y
,v
y
]
T
代表目标的运动状态，p
x
,p
y
代表目标的位置坐标，v
x
,v
y
代表目标的速度，F代表状态转移矩阵：其中T
s
为跟踪时间间隔，干扰噪声w
t
服从在[
‑
0.5,0.5]上的均匀随机分布，整个传感器网络由个节点组成，节点i的观测模型为y
ti
＝C
i
x
t
+v
ti
其中y
ti
表示传感器测量值，C
i
为观测矩阵：观测噪声服从在[
‑
10，10]上的均匀随机分布；定义加权矩阵Q和R
i
分别等于w
t
和逆协方差矩阵；在分布式传感器网络中，每个节点利用自己能够获取的局部信息对系统状态进行滚动时域估计；所述滚动时域估计是通过最小化在固定大小的滑动窗口上定义的成本函数来估计系统状态，成本函数如下：式中，N表示滚动时域的窗口长度，表示传感器i在时刻t对k时刻目标状态的估计值，为到达成本函数：为到达成本函数：为到达成本函数：为到达成本函数：表示传感器i对t
‑
N时刻目标状态的预测值，是一个正定的权重矩阵，量化了预测值的置信度；使用整个网络的平均到达成本函数替代每个节点自身的到达成本函数，对到...

【专利技术属性】
技术研发人员：宋廷松，姚思亦，高林，李万春，
申请(专利权)人：电子科技大学，
类型：发明
国别省市：