通信受限下异构传感器网络的时间/事件驱动分布式估计算法研究

Heterogeneous sensor networks can take advantage of the complementary characteristics of the sensors to obtain more comprehensive and accurate information. Moreover, by using heterogeneous simple sensors instead of sensing devices with high-performance, it can also reduce costs. However, the communication constraints,information diversity, and heterogeneous structures of the networks brings many challenges for distributed estimation algorithm design and analysis. The project intends to apply stochastic control theory, distributed systems theory, robust control theory, and consensus analyzing methords to study the distributed time-triggered and event-triggered estimation algorithms for heterogeneous sensor network with communication and sensing constraints, with the goals of achieving target's state accurate estimation and effeciently using network resources. The contents of this project includes: (1) The effects of sensing and communication topology, heterology, and target's dynamics on the distributed detectability of time-driven networks. The maximum allowable sensing and sampling period, packet loss probability, and delay bounds. (2) Consensus-based distributed time-driven filtering algorithm. (3) Consensus-based distributed estimator gains and event-triggering mechanism design, and the maximum allowable number of successive packet losses and delay bounds. (4)Simulations and analysis for sensor networks based on OPNET.

采用异构传感器网络不仅能够利用传感特性上的互补使得提取更全面、更准确的信息成为可能，而且采用多模简单传感原件代替单模高性能传感设备也降低了成本。然而网络的不确定性和信息、结构的多样性也为分布式估计算法的设计和分析带来许多挑战。本项目拟从随机控制理论、分布式系统理论和鲁棒控制理论出发，结合一致性方法研究复杂通信、测量环境中异构传感器网络的时间驱动和事件驱动分布式估计算法,以高效地利用网络资源实现目标状态估计。研究内容包括：(1)时间驱动网络中目标分布式可检测性与传感器传感通信拓扑结构、网络异构性、目标动态的关系，分布式可检测所容许的传感和采样周期、丢包概率、以及时延的上界；(2)基于一致性的时间驱动分布式滤波算法的设计；(3)基于一致性的分布式估计器增益和事件驱动机制的设计，以及最大容许连续丢包次数和时延上界；(4)基于OPNET的传感器网络分布式估计的仿真实现.

传感器网络在民用和国防领域具有广泛的应用。分布式信息处理是传感器网络中的一个重要基本问题。本项目对时间驱动传感器网络关于通信约束的可检测性分析、基于一致性的时间驱动分布式滤波算法的设计、事件驱动分布式滤波算法设计、基于分布式估计算法的多运动体编队控制、以及OPNET仿真实现等五个方面开展了研究并取得了进展。主要给出了网络可检测性与网络结构、网络时延、以及通信周期的数值关系，分别提出了基于拓扑路径长度和基于虚拟估计误差的网络一致性权重设计方法，提出了基于矩阵权的一致性卡尔曼滤波算法和H无穷一致卡尔曼滤波算法，综合考虑网络能耗和网络通信测量约束提出了基于事件驱动的分布式目标跟踪算法，提出了基于分布式估计器的编队控制算法。研究成果大大突破了已有研究中在设计分布式估计和控制算法时需要使用全局拓扑信息的局限性，使得分布式算法关于网络不确定性具有更好的鲁棒性和扩展性。