摘要
近年来,由大量具有感知、计算和通信能力的微型传感器组成的传感器网络越来越广泛地应用在生产及生活的方方面面.另一方面,随着微电子及数字信号技术的发展,利用采样数据的离散化的数字控制器或滤波器被普遍使用.为了反映这个新兴领域的最新进展,本文对传感器网络环境中基于采样数据分布式滤波的研究展开了综述.首先,综述了传感器网络中几种分布式滤波方法的研究进展.然后,针对不同的采样方式,详细总结了采样数据系统的控制与滤波问题的研究工作.随后,对目前已有的传感器网络基于采样数据的分布式滤波的研究结果进行了介绍.最后,对传感器网络环境中基于采样数据的分布式滤波方面未来可能的研究课题进行了展望.
关键词
传感器网络;分布式滤波;采样数据
中图分类号P393
文献标志码A
0引言
无线传感器网络是由许多在空间上分布的传感器节点构成的网络,能够实时监测、感知和采集节点部署区内观察者感兴趣的感知对象的各种信息(如光强、温度、湿度、噪音和有害气体浓度等物理现象),并对这些信息进行处理后以无线的方式发送[1].无线传感器网络体系结构如图1所示,包括传感器节点、汇聚节点和管理节点.对于每个传感器节点,传感器负责采集监测区域内的信息,并将数据沿着其他节点以多跳方式传送给汇聚节点.汇聚节点对所接收到的信息按一定规则融合处理后由互联网或卫星等媒介送达管理节点,也可以沿着相反的方向,通过管理节点对传感器网络进行管理,发布监测任务以及收集监测数据.无线传感器网络具有十分广阔的应用前景,在军事国防、工农业、城市管理、生物医疗、环境监测、抢险救灾、防恐反恐、危险区域远程控制等许多重要领域都有着巨大的实用价值,从而引起了许多国家学术界和工业界的高度重视[2].
伴随着传感器网络技术的进步,人们对基于传感器网络的滤波或估计的问题的研究也越来越深入,滤波方法也从带有集中信号处理器的集中式方法逐渐发展到各节点独立工作并相互协调的分布式
学报(自然科学版),2017,9(3):227236Journal of Nanjing University of Information Science and Technology(Natural Science Edition),2017,9(3):227236
李琦,等.传感器网络环境中基于采样数据分布式滤波的研究综述.
LI Qi,et al.A survey on distributed sampleddata filtering for sensor networks.
方法.这是由于分布式的结构不仅具有局部独立估计能力,而且还有全局监视和评估特性,特别是对具有变动/移动汇聚节点的一类传感
器网络在能量均衡利用、增加监测精度方面具有独特的优势.因此,分布式滤波理论研究已经成为了传感器网络研究的一个重要方向.另一方面,随着微电子及计算机技术的发展,在现代工业控制系统中广泛采用计算机控制技术,即被控制对象为连续时间系统,而控制器采用数字设备,这就构成所谓的采样数据系统(sampleddata systems)[3].因而,采样数据系统是一类既包含连续信号也包含离散信号的混杂系统.相比于一般的纯连续或者纯离散系统,采样数据系统能够实现对现有绝大部分工业系统或者设备更本质的描述.而近年来基于采样数据的控制和滤波理论已经引起了人们越来越多的关注.
本文对近年来传感器网络环境的分布式滤波与基于采样数据的控制与滤波的发展做了一个总体的综述.首先,介绍了传感器网络中几种分布式滤波方法的研究概述,如分布式Kalman滤波、分布式粒子滤波及分布式H∞滤波等.然后,从采样率的角度出发,详细地介绍了目前基于各种采样方式的采样系统控制与滤波问题的研究工作.随后,对目前已有的传感器网络基于采样数据的分布式滤波问题进行了归纳.最后,指出了传感器网络环境中基于采样数据的分布式滤波问题的一些未来的潜在的研究课题.
1基于传感器网络的分布式滤波
传感器网络分布式滤波是指在应用大量分散的传感器节点对某一目标状态进行观测的基础上,应用一些状态估计算法从被噪声污染的观测值中获得目标状态的估计值.如何设计估计精度高且实时性好的分布式估计或滤波算法以返回目标环境的有用信息是一个十分重要的问题.近年来,基于传感器网络的分布式滤波问题得到了一些学者的关注,其中代表性的研究成果如下.
11分布式Kalman滤波
在分布式滤波的框架下,Kalman滤波算法因其收敛速度快、估计精度高等优点而受到广泛关注[410].2005年,Saber等在文献[46]中将一致性算法和Kalman滤波结合,构造了传感器网络中可扩展的Kalman滤波算法,将相邻传感器对目标系统的估计值进行一致化处理,通过多元信息分布式的传递提高整个网络系统对目标的估计精度,最终使得所有的估计值趋于一致.文献[7]首先研究了静态参数的线性最优分布式估计问题,然后扩展到动态系统的量化Kalman滤波问题,设计了递归形式的估计器和动态更新的量化器.文献[8]提出了一种基于Gossip交互的分布式Kalman滤波算法,假定传感器节点之间的通信是任意的,依据网络链路的可用性,每个节点有时会与它的相邻节点交换其状态估计信息,结论指出在一个弱分布式能检性条件下,滤波误差可以保持随机有界并且整个网络可以达到一种弱一致性.文献[9]基于测量方程是线性和非线性这两种情况,设计了一种基于一致性的混合分布式Kalman滤波算法用以解决机动目标跟踪问题,结果展现了在许多机动目标跟踪问题中,该算法在性能上與集中式混合Kalman滤波技术非常接近.由于Kalman滤波理论建立在已知精确的线性模型及噪声的统计特性的前提下,它很难处理系统存在非线性或者外部噪声没有统计特性的情形,然而该情形在实际系统中是常见的,这使得它在工程实际中的应用受到了很大的限制.