计算机应用
計算機應用
계산궤응용
Journal of Computer Applications
2015年
7期
1824-1828
,共5页
无线传感器网络%分布式算法%量化信息%一致性滤波%动态加权
無線傳感器網絡%分佈式算法%量化信息%一緻性濾波%動態加權
무선전감기망락%분포식산법%양화신식%일치성려파%동태가권
Wireless Sensor Network (WSN)%distributed algorithm%quantized information%consensus filtering%dynamic weighting
针对一个无融合中心传感器网络中的状态估计问题,提出一种基于量化信息的分布式卡尔曼滤波(QDKF)算法.首先,在分布式卡尔曼滤波(DKF)中,以节点状态估计精度为加权准则,动态选取加权矩阵,使得全局估计误差的协方差最小;然后,进一步考虑了网络带宽受限制的情况,在DKF算法中加入均匀量化器,节点之间通信使用量化后的信息,以减少网络通信的带宽需求.QDKF算法仿真采用了8 bit的均匀量化器,与Metropolis加权法和最大度加权法相比,动态加权法的状态估计均方根误差分别降低了25％和27.33％.实验结果表明,采用动态加权法的QDKF算法能提高系统的状态估计精度,减少带宽需求,适用于网络通信受限制的应用场合.
針對一箇無融閤中心傳感器網絡中的狀態估計問題,提齣一種基于量化信息的分佈式卡爾曼濾波(QDKF)算法.首先,在分佈式卡爾曼濾波(DKF)中,以節點狀態估計精度為加權準則,動態選取加權矩陣,使得全跼估計誤差的協方差最小;然後,進一步攷慮瞭網絡帶寬受限製的情況,在DKF算法中加入均勻量化器,節點之間通信使用量化後的信息,以減少網絡通信的帶寬需求.QDKF算法倣真採用瞭8 bit的均勻量化器,與Metropolis加權法和最大度加權法相比,動態加權法的狀態估計均方根誤差分彆降低瞭25％和27.33％.實驗結果錶明,採用動態加權法的QDKF算法能提高繫統的狀態估計精度,減少帶寬需求,適用于網絡通信受限製的應用場閤.
침대일개무융합중심전감기망락중적상태고계문제,제출일충기우양화신식적분포식잡이만려파(QDKF)산법.수선,재분포식잡이만려파(DKF)중,이절점상태고계정도위가권준칙,동태선취가권구진,사득전국고계오차적협방차최소;연후,진일보고필료망락대관수한제적정황,재DKF산법중가입균균양화기,절점지간통신사용양화후적신식,이감소망락통신적대관수구.QDKF산법방진채용료8 bit적균균양화기,여Metropolis가권법화최대도가권법상비,동태가권법적상태고계균방근오차분별강저료25％화27.33％.실험결과표명,채용동태가권법적QDKF산법능제고계통적상태고계정도,감소대관수구,괄용우망락통신수한제적응용장합.
