论文部分内容阅读
无线传感器网络(Wireless sensor networks,WSN)作为一个新兴的信息技术,已经引起了世界许多国家的军事部门、工业界和学术界的极大关注。无线传感器网络的一项基本应用就是通过无线传输和信息交互,来协作地感知和处理被监测对象的物理信息,为实现对监测区域内事件的实时监测和快速处理提供必要的信息支持。传感器的感知精度会受到环境噪声的影响,因此分布在相近区域的不同传感器对同一物理量的感知数据存在较大差异。为了获取精确信息,在监测区域通常部署大量传感器节点,而这些节点所采集到的数据之间一般都具有一定的冗余性和相关性。此外,传感器节点携带的能量有限,而且节点部署区域环境复杂,有些区域甚至人员无法到达,传感器节点通过更换电池来补充能量是不现实的。这些不利因素使得基于无线传感器网络的状态估计存在节点感知数据不准确、节点间信息不一致和冗余问题。此外,如何降低无线传感器网络的能量消耗是面向状态估计信息交互过程需要考虑的另外一个重要问题。基于以上问题,本文采用一致性估计策略解决传感器数据不准确和信息差异问题。采用分布式信息处理方式,结合基于事件驱动和序列式唤醒机制来节省网络能量消耗。以分布式估计为研究切入点,以提高节点层面的数据准确性并降低节点间的数据差异。以减少网络节点的能耗为切入点,为了减少节点间的通信量,设计了无线传感器网络下基于相对熵(Kullback-Leibler Divergence,KL距离)的事件驱动传输机制;为了减少节点的空闲等待时间,本文采用基于序列式节点唤醒机制。从无偏性和最优性两个角度出发,给出了基于上述两种机制的分布式算法的最优估计的参数设计方法。以受Singer模型控制的运动目标为研究对象,仿真验证基于事件驱动传输机制的的分布式一致估计算法,数值仿真结果很好地验证了理论分析的结论,验证了估计精度和通信量之间trade-of关系,并表明了相关参数对估计算法性能有着重要影响。最后研究序列式估计算法在工业中的应用,借助于工业无线传感器网络,实现对轧钢粗轧入口温度的连续准确的监测。