无线传感器网络协同调度和分布式信息处理

论文摘要

无线传感器网络（Wireless Sensor Networks, WSNs）是当今国内外备受关注的前沿热点研究领域,它结合了传感器技术、微机电技术、嵌入式计算技术、无线网络技术、无线通信技术、分布式信息处理技术等多种技术,是一个涉及多学科交叉、高技术集成的自组织网络系统。由于WSNs具有成本低、快速部署、自组织和容错能力强等优点,因此WSNs在目标跟踪、生态环境监测、卫生医疗健康、国家安全、交通监管、制造业、反恐和其它灾难营救等领域有着广泛的应用。《信息产业科技发展”十一五”计划和2020年中长期规划（纲要）》确定WSNs为我国未来15年需要重点突破的核心技术。本课题以WSNs中的目标跟踪为应用背景,研究WSNs中的资源管理和分布式协同信息处理等问题。在资源管理方面,具体研究单传感器节点的调度、有限传感器节点节能、整个网络的能量分布平衡和多传感器节点的协同调度等。在分布式信息处理方面,研究传感器节点的噪声、丢包等对滤波器的影响,及怎样设计能容忍丢包的滤波器。对于多个测量信息,研究如何融合这些测量信息,进行最优状态估计。具体的研究内容和创新点包括如下几个方面:1)为WSNs中的移动目标跟踪应用,提出了一种动态群组的思想,并把这种思想应用到动态群组调度方案中,该方案不但节约传感器节点的能量消耗,而且大大提高了跟踪的实时性。在这个基础上,把单传感器节点调度进一步扩展到多传感器节点协同调度上,构建了一种新颖的能量平衡模型,提出了一种基于能量平衡的多传感器协同调度方案。通过仿真验证了该方案不但能均衡每个节点的能量以延长整个网络的寿命,而且提高的跟踪的精度和可靠性。2)针对WSNs中的传感器节点具有体积小、电池能量有限、计算和通信资源受限,WSNs中的节点又部署在环境恶劣中,存在测量噪声、易丢包和可靠性差等特点,建立随机丢包模型,利用随机过程和新息（Innovation）分析的方法,为线性时变系统设计一类能容忍单个丢包的滤波器,并且从时变线性系统推广到时变非线性系统,推导出了一类扩展的滤波器。接下来,为时变随机系统推广这种滤波器到能容忍多重丢包的情形。最后,把能容忍多重丢包的滤波器推广到更通用的情况,即推广到能容忍有限连续丢包的最小方差滤波器。并把该滤波器扩展到非线性系统,设计出了非线性最小方差滤波器,把该滤波器成功地应用于WSNs来估计目标的状态。3)由于传感器节点有受限的计算、通信和处理能力,需要多个传感器节点协同信号与信息处理。结合一致性（Consensus）策略和卡尔曼滤波的思想,设计一类能融合多个测量的分布式最优卡尔曼-一致性滤波器（DOKF）,给出了分布式最优卡尔曼增益和最优一致性增益的分离表达式。在这个基础上,把卡尔曼增益当作是一致性增益的一种特殊形式,把它们统一起来,推导出一类具有统一形式的分布式最优一致性滤波器。该分布式滤波器估计精度高,可靠性好。

论文目录

• 摘要
• Abstract
• 目录
• Contents
• 第一章 绪论
• 1.1 引言
• 1.2 研究现状
• 1.2.1 WSNs中的传感器节点调度
• 1.2.2 WSNs中的随机丢包和时延
• 1.2.3 WSNs中的分布式一致性滤波
• 1.3 本文的课题来源和研究内容
• 1.3.1 课题的来源
• 1.3.2 研究内容
• 1.4 研究目标和拟解决的关键问题
• 1.4.1 研究目标
• 1.4.2 拟解决的关键问题
• 1.5 论文的主要工作
• 第二章 常见的滤波方法
• 2.1 卡尔曼滤波
• 2.2 扩展卡尔曼滤波
• 2.3 分布式Unscented卡尔曼滤波
• 2.4 多模和分布式IMM滤波
• 2.4.1 标准常速度模型
• 2.4.2 协同转弯模型
• 2.4.3 多任务节点的测量模型
• 2.4.4 分布式IMM滤波
• 2.5 本章小结
• 第三章 WSNs中的资源管理
• 3.1 单传感器节点调度
• 3.1.1 引言
• 3.1.2 跟踪精度和能量模型
• 3.1.3 最近距离节点调度
• 3.1.4 自适应节点调度
• 3.1.5 动态群组节点调度
• 3.1.6 动态群组调度的分析
• 3.1.7 仿真结果
• 3.2 基于能量均衡的多传感器协同调度
• 3.2.1 多传感器调度的相关研究
• 3.2.2 选择蔟内成员
• 3.2.3 构建能量均衡模型
• 3.2.4 选择下一个蔟头
• 3.2.5 确定采样间隔
• 3.2.6 仿真实验
• 3.3 本章小结
• 第四章 能容忍丢包和时延的滤波器设计
• 4.1 引言
• 4.2 问题描述
• 4.3 能容忍丢包的滤波器设计
• 4.3.1 能容忍丢包的线性滤波器设计
• 4.3.2 能容忍丢包的扩展线性滤波器设计
• 4.4 多重丢包的滤波器设计
• 4.4.1 多重丢包的线性滤波器设计
• 4.4.2 应用例子
• 4.4.3 多重丢包的扩展滤波器设计
• 4.5 能容忍有限连续丢包的滤波器
• 4.5.1 有限连续丢包线性滤波器的设计
• 4.5.2 有限连续丢包非线性滤波器的设计
• 4.6 能容忍丢包的滤波器的应用
• 4.6.1 WSNs中的非线性状态模型
• 4.6.2 WSNs中的非线性测量模型
• 4.6.3 传感器节点调度策略
• 4.7 仿真结果
• 4.8 本章小结
• 第五章 具有多个测量信息的分布式协同状态估计
• 5.1 引言
• 5.2 问题描述
• 5.3 分布式最优卡尔曼-一致性滤波器
• 5.3.1 最优卡尔曼-一致性滤波器设计
• 5.3.2 分布式滤波算法的设计
• 5.4 具有统一形式的卡尔曼-一致性滤波器
• 5.4.1 具有统一形式的滤波器设计
• 5.4.2 具有统一形式的卡尔曼-一致性滤波器算法设计
• 5.5 仿真结果
• 5.6 本章小结
• 第六章 模拟仿真平台和硬件物理平台
• 6.1 模拟仿真平台
• 6.2 硬件物理平台
• 6.3 本章小结
• 总结和展望
• 参考文献
• 攻读博士学位期间的研究成果
• 致谢
• 附录