CN106535248B - 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 PDFInfo
- Publication number
- CN106535248B CN106535248B CN201610653606.4A CN201610653606A CN106535248B CN 106535248 B CN106535248 B CN 106535248B CN 201610653606 A CN201610653606 A CN 201610653606A CN 106535248 B CN106535248 B CN 106535248B
- Authority
- CN
- China
- Prior art keywords
- sensor unit
- fusion center
- fusion
- data
- state
- 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.)
- Active
Links
Images
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
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
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3及其实现装置、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传感器单元对系统状态的估计值与基于上一时刻所述融合中心2对系统状态的预测值,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该第i个传感器单元对系统状态的估计值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,
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传感器单元对系统的估计值传递给融合中心;
假定对各个传感器单元,其t=0时刻的系统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系统状态估计值进行融合,得到融合中心对系统初始状态的估计值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,该传感器单元对系统状态的估计值传输给融合中心,当为0时,该传感器单元对系统状态的估计值不传输给融合中心,其中,为各个传感器单元对系统状态的预测值,定义为:修正后参数与t-1时刻来自融合中心广播的状态估计值的乘积,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;
根据传感器单元对系统状态的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个传感器单元传递基于其本地测量数据得到的系统状态估计值到融合中心;各个传感器单元t时刻的系统状态估计值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系统状态估计值到融合中心,由于数据驱动策略,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估计值,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系统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,可以得到融合中心对系统状态的估计值t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;
将得到的融合中心对系统状态的估计值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 (4)
1.一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,采用传感器单元(1)、融合中心(2)、无线网络(3)及其实现装置、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传感器单元对系统状态的估计值与基于上一时刻所述融合中心(2)对系统状态的预测值,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该第i个传感器单元对系统状态的估计值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Tt i,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),
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传感器单元对系统状态的估计值传递给融合中心;
假定对各个传感器单元,其t=0时刻的系统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系统状态估计值进行融合,得到融合中心对系统初始状态的估计值将融合中心得到的系统初始状态的估计值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,该传感器单元对系统状态的估计值传输给融合中心,当为0时,该传感器单元对系统状态的估计值不传输给融合中心,其中,为各个传感器单元对系统状态的预测值,定义为:修正后参数与t-1时刻来自融合中心广播的状态估计值的乘积,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;
根据传感器单元对系统状态的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个传感器单元传递基于其本地测量数据得到的系统状态估计值到融合中心;各个传感器单元t时刻的系统状态估计值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系统状态估计值到融合中心;由于数据驱动策略,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估计值,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系统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,可以得到融合中心对系统状态的估计值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,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;
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对于系统状态的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;
其中,所述数据驱动策略为:
假定对各个传感器单元,其t=0时刻的系统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系统状态估计值进行融合,得到融合中心对系统初始状态的估计值将融合中心得到的系统初始状态的估计值广播给各个传感器单元,
当t>0时,考虑的数据驱动策略为:
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。
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 CN106535248A (zh) | 2017-03-22 |
CN106535248B true 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) |
Families Citing this family (1)
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 (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7668388B2 (en) * | 2005-03-03 | 2010-02-23 | Mitutoyo Corporation | System and method for single image focus assessment |
-
2016
- 2016-08-11 CN CN201610653606.4A patent/CN106535248B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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)
Title |
---|
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;袁凌云 等;《传感技术学报》;20090930;第9卷(第9期);全文 * |
无线传感器网络中2-连通2-支配集的分布式构造算法;王雪瑜 等;《青岛大学学报(工程技术版)》;20080630;第23卷(第2期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN106535248A (zh) | 2017-03-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109544911B (zh) | 一种基于lstm-cnn的城市路网交通状态预测方法 | |
Zhang et al. | Smart industrial IoT empowered crowd sensing for safety monitoring in coal mine | |
CN102868972B (zh) | 基于改进q学习算法的物联网错误传感器节点定位方法 | |
CN103903430B (zh) | 一种采用多源同构数据的行程时间动态融合预测方法 | |
CN113132943B (zh) | 一种车联网中车边协同的任务卸载调度及资源分配方法 | |
CN114360266B (zh) | 一种网联车探测状态感知的交叉口强化学习信号控制方法 | |
CN104168648A (zh) | 传感器网络多目标分布式一致性跟踪器 | |
CN104507096B (zh) | 无线传感网中模型驱动的数据传输方法及系统 | |
CN105139656A (zh) | 一种道路状态预测方法及装置 | |
CN101610567A (zh) | 一种基于无线传感器网络的动态群组调度方法 | |
CN111427007B (zh) | 基于不完全量测下集员滤波的矿井人员安全状态估计方法 | |
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 | |
CN103052128A (zh) | 一种基于无线传感器网络能量有效的协同调度方法 | |
CN102625446B (zh) | 一种物联网中的物件标签定位方法 | |
US11762446B2 (en) | Method and system for energy aware scheduling for sensors | |
CN110969295A (zh) | 列车区段延误预测误差控制方法 | |
CN116582871B (zh) | 一种基于拓扑优化的无人机集群联邦学习模型优化方法 | |
Zhang et al. | Model predictive power control for cooperative vehicle safety systems | |
CN101751018B (zh) | 实验环境下的分布式数据监测及预警系统和方法 | |
CN106535248B (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 | |
CN102118884A (zh) | 一种基于接近中心度的机会移动传感器网络数据传输方法 | |
Li et al. | Event-triggered optimal Kalman consensus filter with upper bound of error covariance | |
Yin et al. | Queue intensity adaptive signal control for isolated intersection based on vehicle trajectory data | |
Płaczek | Uncertainty-dependent data collection in vehicular sensor networks | |
Thonhofer et al. | A flexible, adaptive traffic network simulation with parameter estimation |
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 |