CN106535248A - 无线传感器网络基于数据驱动策略的鲁棒状态融合方法 - Google Patents

无线传感器网络基于数据驱动策略的鲁棒状态融合方法 Download PDF

Info

Publication number
CN106535248A
CN106535248A CN201610653606.4A CN201610653606A CN106535248A CN 106535248 A CN106535248 A CN 106535248A CN 201610653606 A CN201610653606 A CN 201610653606A CN 106535248 A CN106535248 A CN 106535248A
Authority
CN
China
Prior art keywords
sensor unit
state
estimation
fusion
data
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN201610653606.4A
Other languages
English (en)
Other versions
CN106535248B (zh
Inventor
刘华波
马艳
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Qingdao University
Original Assignee
Qingdao University
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Qingdao University filed Critical Qingdao University
Priority to CN201610653606.4A priority Critical patent/CN106535248B/zh
Publication of CN106535248A publication Critical patent/CN106535248A/zh
Application granted granted Critical
Publication of CN106535248B publication Critical patent/CN106535248B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W28/00—Network traffic management; Network resource management
    • H04W28/02—Traffic management, e.g. flow control or congestion control
    • H04W28/0247—Traffic management, e.g. flow control or congestion control based on conditions of the access network or the infrastructure network
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/25—Fusion techniques
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W84/00—Network topologies
    • H04W84/18—Self-organising networks, e.g. ad-hoc networks or sensor networks

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Signal Processing (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Evolutionary Biology (AREA)
  • Evolutionary Computation (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Artificial Intelligence (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Arrangements For Transmission Of Measured Signals (AREA)

Abstract

本发明提供一种无线传感器网络基于数据驱动策略的鲁棒状态融合方法，包括：步骤1，每一个传感器单元基于鲁棒状态估计算法利用其本地测量数据估计系统状态；步骤2，每个传感器单元基于数据驱动策略判断是否将本地得到的估计状态传递到融合中心，如果是，则进入步骤3，如果否，则进入步骤4；步骤3，融合中心接收到传感器单元传输来的估计状态并进行处理；步骤4，融合中心未接收到传感器单元的估计状态，对其进行预测处理，进入步骤5；步骤5：融合中心根据传感器单元的数据进行状态融合，得到当前时刻的估计状态，进入步骤6；步骤6，进入下一时刻，返回步骤1。

Description

无线传感器网络基于数据驱动策略的鲁棒状态融合方法
技术领域
本发明涉及控制理论与控制系统以及信号处理领域。
背景技术
无线传感器网络广泛应用于环境监测、故障诊断、目标跟踪、智能家居、城市交通、仓库管理和安全监测等各个领域。随着智能传感器、执行器的大量应用，系统规模越来越大，使得无线传感器网络有大量的数据需要进行处理和传输。有研究表明：当传感器单元和融合中心(监控中心)的地理位置较远时，无线传输的能量消耗要远大于计算处理等所需要的能量；同时，由于大量数据传输导致的通信延迟也会严重影响系统的性能。另外，对于许多传感器单元，其使用寿命即是其自身所带电池的供电时间。因此，无线传感器网络中降低传感器单元到融合中心(监控中心)的数据传输率以避免网络的堵塞、延长传感器的使用寿命是非常有意义的。基于数据驱动策略的信息传输机制可以用来处理能量消耗受到限制情形下保证性能的融合问题。
在基于数学模型研究的系统状态估计和信息融合问题中，由于生产过程的复杂性及建模的不精确性，模型误差是不可避免的。考虑到模型误差的影响，出现了各种估计性能不因为模型误差的影响而严重恶化的鲁棒状态估计算法，它们各有其相应的应用场合。
鲁棒状态估计能够取得较好的估计性能，而基于数据驱动策略的信息传输机制可以降低系统的能量消耗。因此，在无线传感器网络中，结合数据驱动传输策略的鲁棒信息融合有着重要的工程意义。
发明内容
为了节省无线传感器网络中无线通信引起的能量消耗，本发明提供一种基于数据驱动策略的数据传输方式。
具体技术方案如下：
一种无线传感器网络基于数据驱动策略的鲁棒状态融合方法，包括N个传感器单元，融合中心，及相应的无线通信装置等，所述N个传感器单元各自通过鲁棒状态估计算法根据其本地测量数据估计系统状态，各个传感器单元根据其各自得到的状态估计值运用数据驱动策略判断是否将此次状态估计值通过无线通信装置传输到融合中心，融合中心根据各个传感器单元传输的状态估计值或者未传输状态估计值时则对其进行预测，来对系统状态进行融合。
进一步地，所述各个传感器单元鲁棒估计算法可以采用已有的各种鲁棒状态估计算法；本发明采用基于估计误差对模型误差的灵敏度进行惩罚的鲁棒状态估计算法，当采用估计误差的期望最小的鲁棒状态估计算法进行信息融合时，则只需要离线计算几个矩阵而无需设计参数的优化。
进一步地，所述数据驱动传输策略可以采用各种数据驱动策略。
一种无线传感器网络基于数据驱动策略的鲁棒状态融合方法，包括以下步骤：
步骤一：在时刻t，对于第i个传感器单元，基于其本地的输出测量数据利用鲁棒状态估计算法得到系统的估计状态；在时刻t，鲁棒状态估计包括初始化，参数修正和状态估计三个阶段；
步骤二：对于第i个传感器单元，利用数据驱动策略判断是否将本地得到的系统估计状态传递给融合中心，如果是，则执行步骤三，如果否，则执行步骤四；
步骤三：第i个传感器单元传递的基于其本地测量数据得到的系统状态到融合中心，融合中心进行处理；再执行步骤五；
步骤四：第i个传感器单元没有传递其本地的状态估计值到融合中心，在融合中心，对该传感器单元的状态估计值进行预测并处理；再执行步骤五；
步骤五：融合中心根据各个传感器单元的数据进行状态融合，得到当前时刻的估计状态，并广播到各个传感器单元；再执行步骤六；
步骤六：进入下一时刻，返回步骤1。
本发明技术方案具有以下优点：
(1)采用数据驱动传输策略，减少了数据传输量，降低了传感器的能量消耗，从而增加其使用寿命；
(2)考虑了模型误差的影响，多数鲁棒状态估计算法皆可以用于无线传感器网络的信息融合，比基于名义模型参数的信息融合性能要好。
附图说明
其他的特征、优点和细节仅作为示例出现在以下对实施例的详细说明中，详细说明参照附图给出，其中：
图1为本发明的原理示意图；
图2为本发明的基于数据驱动策略的鲁棒状态融合方法的控制流程图；
其中：1－传感器单元，2－融合中心，3－无线网络及其实现装置，4－传感器单元内部控制装置。
具体实施方式
以下将结合具体实施方式详细介绍本发明。
如图1所示，一种无线传感器网络基于数据驱动传输策略的鲁棒状态融合方法，采用传感器单元1、融合中心2、无线网络及其实现装置3、各个传感器单元的内部控制装置4；所述融合中心2放置于监控中心，具有无线通信和数据处理能力；所述各个传感器单元1安装于现场需要的位置，所述各个传感器单元1都具有测量和计算能力，能够根据本地测量数据迭代估计系统状态；所述融合中心2和各个传感器单元1都安装有通信设备来实现所述无线网络3的无线通信，进行数据的传输；所述各个传感器单元1在每个时刻对比当前时刻系统状态估计值与基于上一时刻所述融合中心2的融合状态的预测值，对所述传感器单元1的内部控制装置4进行控制，决定是否传输当前状态估计值给所述融合中心2；包括以下步骤：
步骤一：在时刻t，对于第i个传感器单元，基于其本地的输出测量数据y(t,i)利用鲁棒状态估计算法得到系统的估计状态基于估计误差对模型误差的灵敏度进行惩罚的鲁棒状态估计迭代算法包括初始化，参数修正和状态估计三个阶段，定义一个设计参数γ(t,i)，用来在名义估计性能和模型误差引起的估计性能恶化之间进行折衷，其经验值为0.7-0.8，定义几个相关的矩阵用于对迭代的状态估计算法中的参数进行调整，
(1)当t＝0时，即初始化阶段，根据y(0,i)得到以及伪协方差矩阵P(0|0,i)，
(2)当t>0时，对参数进行修正，分别计算修正后的参数等，
(3)当t>0时，对估计状态进行更新，分别计算估计的系统状态以及伪协方差矩阵P(t+1|t,i),P(t+1|t+1,i)；
步骤二：对于第i个传感器单元，利用数据驱动策略判断是否将本地得到的系统估计状态传递给融合中心；
假定对各个传感器单元，其t＝0时刻的鲁棒状态估计值都传输到融合中心，融合中心根据各个传感器单元对初始状态的估计进行融合，得到系统初始状态的估计将融合中心得到的系统初始状态的估计广播给各个传感器单元，
当t>0时，考虑的数据驱动策略为：
当为1时，该传感器单元的估计值传输给融合中心，当为0时，该传感器单元的估计值不传输给融合中心，其中，为各个传感器单元的状态预测值，定义为：调整后参数与t-1时刻来自融合中心广播的状态估计的乘积，参数的选择决定了各个传感器单元到融合中心的数据传输率，根据需要调整设置该参数；
根据传感器单元的状态估计值是否传输到融合中心来进行下面操作，如果是，则执行步骤三，如果否，则执行步骤四；
步骤三：在融合中心，第i个传感器单元传递的基于其本地测量数据得到的系统状态传输到融合中心，各个传感器单元t时刻的本地估计可以看做是系统真实状态x(t)通过以下测量通道的一个测量值：其中，估计误差可以看做虚拟的测量噪声；
再执行步骤五；
步骤四：在融合中心，第i个传感器单元没有传递其本地的估计状态过来，由于数据驱动传输策略，可以预测第i个传感器单元的基于本地测量数据得到的系统状态，当没有传输时，上述测量通道可以看做为：其中：噪声g(t,i)在一个椭圆区域内均匀分布，且与估计误差不相关；
再执行步骤五；
步骤五：在融合中心，各个传感器单元是否传输状态估计值都可以将测量通道写成一个统一的形式为：
在融合中心，根据最优线性无偏估计方法，可以得到系统状态的融合估计和估计误差协方差矩阵其中，Pt O的计算由两部分组成：一部分与服从均匀分布的g(t,i)有关，另一部分与各个传感器单元的局部估计误差的协方差矩阵有关，g(t,i)的统计特性由其服从均匀分布可以得到，本发明利用各个传感器单元的伪协方差矩阵替换它们的协方差矩阵；
将得到的系统估计状态广播给各个传感器单元；
转到步骤六；
步骤六：进入下一时刻，返回步骤一。
显然，上述实施例仅仅是为清楚地说明所作的举例，而并非对实施方式的限定。对于所属领域的普通技术人员来说，在上述说明的基础上还可以做出其它不同形式的变化或变动。这里无需也无法对所有的实施方式予以穷举。而由此所引伸出的显而易见的变化或变动仍处于本发明的保护范围之中。

Claims (5)

1.一种无线传感器网络基于数据驱动传输策略的鲁棒状态融合方法，采用传感器单元(1)、融合中心(2)、无线网络及其实现装置(3)、各个传感器单元的内部控制装置(4)；所述融合中心(2)放置于监控中心，具有无线通信和数据处理能力；所述各个传感器单元(1)安装于现场需要的位置，所述各个传感器单元(1)都具有测量和计算能力，能够根据本地测量数据迭代估计系统状态；所述融合中心(2)和各个传感器单元(1)都安装有通信设备来实现所述无线网络(3)的无线通信，实现数据的传输；所述各个传感器单元(1)在每个时刻对比当前时刻系统状态估计值与基于上一时刻所述融合中心(2)的融合状态的预测值，对所述传感器单元(1)的内部控制装置(4)进行控制，决定是否传输当前状态估计值给所述融合中心(2)；
其特征在于，包括以下步骤：
步骤一：在时刻t，对于第i个传感器单元，基于其本地的输出测量数据y(t,i)利用鲁棒状态估计算法得到系统的估计状态基于估计误差对模型误差的灵敏度进行惩罚的鲁棒状态估计迭代算法包括初始化，参数修正和状态估计三个阶段，定义一个设计参数γ(t,i)，用来在名义估计性能和模型误差引起的估计性能恶化之间进行折衷，其经验值为0.7-0.8，定义几个相关的矩阵用于对迭代的状态估计算法中的参数进行调整，
(1)当t＝0时，即初始化阶段，根据y(0,i)得到以及伪协方差矩阵P(0|0,i)，
(2)当t>0时，对参数进行修正，分别计算修正后的参数等，
(3)当t>0时，对估计状态进行更新，分别计算估计的系统状态以及伪协方差矩阵P(t+1|t,i),P(t+1|t+1,i)；
步骤二：对于第i个传感器单元，利用数据驱动策略判断是否将本地得到的系统估计状态传递给融合中心；
假定对各个传感器单元，其t＝0时刻的鲁棒状态估计值都传输到融合中心，融合中心根据各个传感器单元对初始状态的估计进行融合，得到系统初始状态的估计将融合中心得到的系统初始状态的估计广播给各个传感器单元，
当t>0时，考虑的数据驱动策略为：
当为1时，该传感器单元的估计值传输给融合中心，当为0时，该传感器单元的估计值不传输给融合中心，其中，为各个传感器单元的状态预测值，定义为：调整后参数与t-1时刻来自融合中心广播的状态估计的乘积，参数δi的选择决定了各个传感器单元到融合中心的数据传输率，根据需要调整设置该参数；
根据传感器单元的状态估计值是否传输到融合中心来进行下面操作，如果是，则执行步骤三，如果否，则执行步骤四；
步骤三：在融合中心，第i个传感器单元传递的基于其本地测量数据得到的系统状态传输到融合中心，各个传感器单元t时刻的本地估计可以看做是真实状态x(t)通过以下测量通道的一个测量值：其中，估计误差可以看做虚拟的测量噪声；
再执行步骤五；
步骤四：在融合中心，第i个传感器单元没有传递其本地的估计状态过来，由于数据驱动传输策略，可以预测第i个传感器单元的基于本地测量数据得到的系统状态，当没有传输时，上述测量通道可以看做为：其中：g(t,i)在一个椭圆区域内均匀分布，且与估计误差不相关；
再执行步骤五；
步骤五：在融合中心，各个传感器单元是否传输状态估计值都可以将测量通道写成一个统一的形式为：
在融合中心，根据最优线性无偏估计方法，可以得到系统状态的融合估计和估计误差协方差矩阵其中，Pt O的计算由两部分组成：一部分与服从均匀分布的g(t,i)有关，另一部分与各个传感器单元的局部估计误差的协方差矩阵有关，g(t,i)的统计特性由其服从均匀分布可以得到，本发明利用各个传感器单元的伪协方差矩阵替换它们的协方差矩阵；
将得到的系统估计状态广播给各个传感器单元；
转到步骤六；
步骤六：进入下一时刻，返回步骤一。
2.一种无线传感器网络基于数据驱动策略的鲁棒状态融合方法，包括N个传感器单元，融合中心，及相应的无线通信装置等，其特征在于，所述N个传感器单元各自通过鲁棒状态估计算法根据其本地测量数据估计系统状态，各个传感器单元根据其各自得到的状态估计值运用数据驱动策略判断是否将此次状态估计值通过无线通信装置传输到融合中心，融合中心根据各个传感器单元传输的状态估计值或者未传输状态估计值时则对其进行预测，来对系统状态进行融合。
3.根据权利要求2所述的融合方法，其特征在于，所述各个传感器单元鲁棒状态估计算法可以采用已有的各种鲁棒状态估计算法。
4.根据权利要求3所述的融合方法，其特征在于，所述传感器单元鲁棒状态估计算法采用基于估计误差对模型误差的灵敏度进行惩罚的鲁棒状态估计算法，当采用估计误差的期望最小的鲁棒状态估计算法进行信息融合时，则只需要离线计算几个矩阵而无需设计参数的优化。
5.根据权利要求2所述的融合方法，其特征在于，所述数据驱动传输策略可以采用各种数据驱动策略。
CN201610653606.4A 2016-08-11 2016-08-11 无线传感器网络基于数据驱动策略的鲁棒状态融合方法 Active CN106535248B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201610653606.4A CN106535248B (zh) 2016-08-11 2016-08-11 无线传感器网络基于数据驱动策略的鲁棒状态融合方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201610653606.4A CN106535248B (zh) 2016-08-11 2016-08-11 无线传感器网络基于数据驱动策略的鲁棒状态融合方法

Publications (2)

Publication Number Publication Date
CN106535248A true CN106535248A (zh) 2017-03-22
CN106535248B CN106535248B (zh) 2019-10-15

Family

ID=58343519

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201610653606.4A Active CN106535248B (zh) 2016-08-11 2016-08-11 无线传感器网络基于数据驱动策略的鲁棒状态融合方法

Country Status (1)

Country Link
CN (1) CN106535248B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106530659A (zh) * 2016-11-30 2017-03-22 南宁学院 一种嵌入式航海数据采集系统

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20060204121A1 (en) * 2005-03-03 2006-09-14 Bryll Robert K System and method for single image focus assessment
CN101252543A (zh) * 2008-04-11 2008-08-27 北京交通大学 一种应用于无线传感器网络的快速数据融合算法
CN102869026A (zh) * 2012-06-14 2013-01-09 北京航空航天大学 基于协作通信的分布式估计方法及系统
CN103729357A (zh) * 2012-10-12 2014-04-16 北京源微达科技有限公司 一种分布式传感器系统数据关联方法
CN104331630A (zh) * 2014-11-19 2015-02-04 北京理工大学 一种多速率观测数据的状态估计和数据融合方法
CN104640076A (zh) * 2015-02-03 2015-05-20 南京邮电大学 一种基于无线信号数据融合的室内定位方法
CN104994558A (zh) * 2015-07-14 2015-10-21 重庆邮电大学 无线认知传感器网络中基于事件驱动的分簇路由方法

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20060204121A1 (en) * 2005-03-03 2006-09-14 Bryll Robert K System and method for single image focus assessment
CN101252543A (zh) * 2008-04-11 2008-08-27 北京交通大学 一种应用于无线传感器网络的快速数据融合算法
CN102869026A (zh) * 2012-06-14 2013-01-09 北京航空航天大学 基于协作通信的分布式估计方法及系统
CN103729357A (zh) * 2012-10-12 2014-04-16 北京源微达科技有限公司 一种分布式传感器系统数据关联方法
CN104331630A (zh) * 2014-11-19 2015-02-04 北京理工大学 一种多速率观测数据的状态估计和数据融合方法
CN104640076A (zh) * 2015-02-03 2015-05-20 南京邮电大学 一种基于无线信号数据融合的室内定位方法
CN104994558A (zh) * 2015-07-14 2015-10-21 重庆邮电大学 无线认知传感器网络中基于事件驱动的分簇路由方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
王雪瑜 等: "无线传感器网络中2-连通2-支配集的分布式构造算法", 《青岛大学学报(工程技术版)》 *
袁凌云 等: "基于事件驱动和最小延迟融合路径的无线传感器网络突发事件监测研究", 《传感技术学报》 *

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106530659A (zh) * 2016-11-30 2017-03-22 南宁学院 一种嵌入式航海数据采集系统

Also Published As

Publication number Publication date
CN106535248B (zh) 2019-10-15

Similar Documents

Publication Publication Date Title
CN113661727B (zh) 用于无线网络的无线电接入网(ran)节点的神经网络的配置
EP2869644B1 (en) A communications system, an access network node and a method of optimising energy consumed in a communication network
CN110770761A (zh) 深度学习系统和方法以及使用深度学习的无线网络优化
JP7276431B2 (ja) 通信システム及び基地局
CN111291984B (zh) 多无人机分布式边缘任务选择和轨迹设计方法及装置
CN103648108A (zh) 传感器网络分布式一致性目标状态估计方法
CN113392539B (zh) 基于联邦强化学习的机器人通信控制方法、系统及设备
Colonnese et al. Q-SQUARE: A Q-learning approach to provide a QoE aware UAV flight path in cellular networks
CN108872972A (zh) 一种基于事件触发通信的信号源定位方法
CN106535248A (zh) 无线传感器网络基于数据驱动策略的鲁棒状态融合方法
Wang et al. Jamming-resilient path planning for multiple UAVs via deep reinforcement learning
Gesbert et al. UAV-aided RF mapping for sensing and connectivity in wireless networks
CN111221318B (zh) 一种基于模型预测控制算法的多机器人状态估计方法
CN110300380B (zh) 移动wsn中平衡系统能耗与追踪精度的目标跟踪方法
Oka et al. Spatial feature-based prioritization for transmission of point cloud data in 3D-image sensor networks
CN114019860B (zh) 一种多智能体自触发dmpc控制方法和系统
Kim et al. Event statistics and criticality-aware bitrate allocation to minimize energy consumption of memory-constrained wireless surveillance system
CN105554802B (zh) 一种远程状态估计的事件驱动的传感器数据传输方法
Yu et al. Data-driven distributed state estimation and behavior modeling in sensor networks
CN113938978A (zh) 一种基于强化学习的异构无线传感器寻路方法
CN109962691A (zh) 一种用于传感器网络的分布式自适应滤波器设计方法
Zhou et al. Digital Twin-Based 3D Map Management for Edge-Assisted Device Pose Tracking in Mobile AR
CN113612974B (zh) 一种基于位置预测的物联网节能方法、设备及系统
Zhang et al. Adaptive Frame Rate Optimization Based on Particle Swarm and Neural Network for Industrial Video Stream
US20240049268A1 (en) Methods and apparatuses for radio communication

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant
CP02 Change in the address of a patent holder
CP02 Change in the address of a patent holder

Address after: 266061 No. 7 East Hongkong Road, Laoshan District, Shandong, Qingdao

Patentee after: QINGDAO University

Address before: 266071 Ningxia Road, Shandong, China, No. 308, No.

Patentee before: QINGDAO University