在线传感器网络能量调度优化算法研究.docVIP

摘要 在能量有限的无线传感器网络，分布式状态估计的传感器调度是控制能量损耗的重要而关键的问题。由于在实际应用中，传感器的能量很难添加，每个传感器为了节省能量，需要决定是否在某一时刻与其他传感器进行通讯。针对过去离线传感器调度方案存在的不足，本文将提出一种卡尔曼一致滤波在线传感器传输能量调度算法。并进一步研究在网络环境复杂多变的情况下，传感器调度策略的选取问题。通过应用MATLAB等仿真工具，验证提出策略的有效性，并与其他几种典型的离线和在线调度策略进行比较。 关键词：在线传感器调度 分布式滤波 状态估计 能量优化 Abstract In energy limited wireless sensor network, the sensor transmission power scheduling of distributed state estimation is the critical issue to energy loss control. In practical application, it is difficult to increase the energy of sensors. In order to save energy, every sensor has to decide whether to communicate with other sensors at a given time. Due to the deficiencies in previous studies about offline sensor transmission, the thesis provides a scheduling algorithm for distributed filtering transmission power. Through simulation tools, like MATLAB, the author has verified the effectiveness the given strategy and compared it with other typical offline and online transmission strategies. Besides, the thesis also offers further research on the selection of sensor scheduling strategy in the complex and changeable net circumstance. Keywords：Online sensor transmission power schedule, Distributed filtering, State estimation, Energy optimization 目录 1 前言 1 1.1 课题背景 1 1.2 2 2 模型描述 5 2.1 目标系统模型 5 2.2 无线通信模型 2.3 单一传感器的状态估计 2.4 传感器网络的拓扑结构 2.5 一致滤波算法 7 3 在线一致滤波算法 9 3.1 在线能量调度策略 9 3.2 在线一致滤波算法 10 3.3参数的选取 3.4 算法改进前后性能对比 3.5在线与离线调度误差对比 18 4.1 随机网络的网络连通度对性能的影响 19 5 结束语 4.1 工作小结 4.2 讨论与展望 参考文献 8 致谢 9 1 前言 1.1 课题无线网络上的通信1-1 传感器网络结构 在无线传感器网络中，由于无线容易受到信道衰落和干扰[3][4]。 在以往的工作中，多传感器的电力调度主要以离线调度为主，即传感器不使用实时测量和状态信息，以算法固定的功率进行通信。Li等[5]提出了一种基于卡尔曼滤波并考虑每一次局部估计的相对重要性的在线电力调度方案，此方案将每一时刻的测量值与前一时刻的估计值进行比较，并以此作为确定该时刻通信能量的参数。通过数值仿真，该方案可以消耗更少的能量并提供更好的系统性能。但此方法只适用于单个传感器与远程估计器之间的通信，在现代的多传感器网络控制系统中，由于每个传感器都具有测量、运算和通信功能，远程估计器并不是必需的，因此分布式估计算法越来越引起人们的关注。该算法使每个传感器仅与相邻的传感器进行通信，不需要信息处理中心，因此降低了网络通讯的能量损耗；另一方面，该算法能够更好地适应丢包、长时延、有限带宽等干扰[6]。 1.2 一致滤波算法及其在传感器网络中的应用 1.2.1 卡尔曼滤波器 在过去的几十年里，卡尔曼滤波算法一直是跟踪动态问题的一种有效的滤波算法。卡尔曼滤波是一种高效率的递归滤波(自回归)滤波算法，它