基于量化信息的目標(biāo)狀態(tài)估計與融合.pdf

1、本文主要以無線傳感器網(wǎng)絡(luò)(WSN)中的目標(biāo)跟蹤為研究背景，討論基于量化信息的狀態(tài)估計與數(shù)據(jù)融合方法。目標(biāo)跟蹤（目標(biāo)狀態(tài)估計）作為WSN的重要應(yīng)用課題之一，它受到WSN中傳感器節(jié)點本身能量與帶寬的嚴(yán)格約束。本文通過引入測量信息量化，有效地解決了無線傳感器網(wǎng)絡(luò)的資源約束難題;結(jié)合量化信息和目標(biāo)狀態(tài)估計融合算法，為無線傳感器網(wǎng)絡(luò)目標(biāo)定位跟蹤提供了一條新途徑。并且從系統(tǒng)性能角度對量化策略和信息融合進(jìn)行優(yōu)化，平衡系統(tǒng)性能和資源約束，從而有效的提升

2、能量和通信帶寬的利用率，進(jìn)而提高系統(tǒng)的實用性。具體完成了無線傳感器網(wǎng)絡(luò)定位跟蹤建模、量化策略和基于量化測量的噪聲概率密度估計，以及基于量化新息的目標(biāo)狀態(tài)估計和信息融合及其性能分析等部分內(nèi)容的研究，并最終為WSN中的低能耗高精度目標(biāo)跟蹤定位系統(tǒng)開發(fā)提供理論支持。
　　第一章簡要地介紹了本文的研究背景、研究內(nèi)容以及基于量化信息狀態(tài)估計這一研究領(lǐng)域的發(fā)展現(xiàn)狀，并介紹了論文各章的邏輯關(guān)系及整體結(jié)構(gòu)安排。
　　第二章首先對本文所要討論

3、的問題進(jìn)行具體描述，給出了問題的數(shù)學(xué)模型。接著簡要介紹了常用的目標(biāo)狀態(tài)估計方法，即卡爾曼型濾波，及其相關(guān)性能。然后本章還討論了量化測量系統(tǒng)的噪聲概率密度估計問題，為以后各章設(shè)計討論量化狀態(tài)估計問題提供模型假設(shè)。最后簡單介紹了系統(tǒng)不確定性和魯棒性等概念。
　　第三章為了節(jié)約傳感器節(jié)點的能量和通信帶寬，研究基于多水平量化的目標(biāo)狀態(tài)估計問題。文中提出了一種動態(tài)的量化新息傳輸策略，與國內(nèi)外現(xiàn)有的固定比特傳輸策略相比，它可以更有效地利用傳輸

4、信道。本章還給出了關(guān)于一般的向量狀態(tài)-向量觀測情形的量化觀測狀態(tài)估計問題的算法，同時還考慮了所提出算法的濾波性能。性能分析指出，該算法的估計精度幾乎可以達(dá)到利用原始測量值估計所得到的精度。通過WSN中目標(biāo)跟蹤的仿真，將所提出算法的估計精度和基于原始測量的UKF以及現(xiàn)有的量化濾波算法的估計精度做了比較。性能分析和仿真結(jié)果都證實了該算法的性能較現(xiàn)有的量化算法的估計精度更高。
　　第四章對基于量化測量新息的卡爾曼濾波(QIKF)進(jìn)行隨機

5、穩(wěn)定性、收斂性及魯棒性等方面的研究。在這一分析框架中，考慮了預(yù)測測量值和量化誤差之間的相關(guān)性，從而可以較嚴(yán)格地對估計誤差協(xié)方差陣進(jìn)行分析。通過將量化誤差視為觀測系統(tǒng)中的隨機擾動，得到了等價的狀態(tài)-觀測系統(tǒng)。相應(yīng)地，對于原系統(tǒng)的QIKF就變化成了關(guān)于等價系統(tǒng)的類卡爾曼濾波。本章在較弱的條件下獲得了估計誤差協(xié)方差陣的有界性，同時還獲得了QIKF隨機穩(wěn)定性的充分條件。本章還討論了QIKF的估計誤差協(xié)方差陣與KF的估計誤差協(xié)方差陣之間的關(guān)系，論

6、證了其收斂性。與此同時，文中還詳細(xì)討論了量化水平的數(shù)目設(shè)定和QIKF對量化誤差的魯棒性之間的關(guān)系。最終，數(shù)字仿真結(jié)果證實了上述分析的有效性。
　　第五章，在第三、第四章研究的基礎(chǔ)上，為了提高QIKF的穩(wěn)定性，本章給出了修正量化新息卡爾曼濾波(MQIKF)。這里是通過引入兩個矩陣參數(shù)τ1和τ2到QIKF中來構(gòu)建MQIKF。接著，文中分析了關(guān)于線性時不變系統(tǒng)的MQIKF的穩(wěn)定性。具體而言，首先討論了估計誤差的統(tǒng)計性;其次討論MQIKF

7、的隨機穩(wěn)定性。通過引入一個對角矩陣，將量化誤差納入了性能分析框架。這也使得李亞普諾夫方法得以使用。通過這一分析，可以發(fā)現(xiàn)MQIKF的穩(wěn)定性與引入的參數(shù)τ1和τ2之間的相互關(guān)系。此外，關(guān)于參數(shù)τ1和τ2的設(shè)計方法，文中也作了詳細(xì)的討論。數(shù)值仿真驗證了本章中所提出的修正算法較現(xiàn)有的量化新息濾波算法更為穩(wěn)定。
　　第六章，在第四章研究的基礎(chǔ)上，為了進(jìn)一步節(jié)約融合中心的通信能量損耗，本章給出一種無線傳感器網(wǎng)絡(luò)中的量化信息融合方法。在這一融

8、合框架下，傳感器首先取得受噪聲污染的測量值，然后將其量化并傳送給融合中心。后者結(jié)合所有接收到的量化信息進(jìn)行目標(biāo)狀態(tài)估計融合。本章中的分布式數(shù)據(jù)融合方法是建立在量化測量新息和分布式卡爾曼濾波的基礎(chǔ)之上的。性能分析指出:該融合方法在2-比特帶寬約束條件下，可以達(dá)到分布式卡爾曼濾波的百分之95.6的性能;3-比特帶寬約束條件下，可以達(dá)到分布式卡爾曼濾波的百分之98.93的性能;但是融合中心所損耗的通信能量卻大大減少。同時，本章中提出的量化融合