一种无线传感器网络中的混沌信号重构算法-物理学报.pdfVIP

物理学报 Acta Phys. Sin. Vol. 63, No. 14 (2014) 140502 一种无线传感器网络中的混沌信号重构算法 黄锦旺 李广明 冯久超 晋建秀 1)(华南理工大学电子与信息学院, 广州 510641) 2)(东莞理工学院计算机学院, 东莞 523808) ( 2014 年1 月13 日收到; 2014 年3 月21 日收到修改稿) 将无线传感器网络节点观测区域中的一个混沌信号发送到融合中心, 进行信号重构. 由于节点的通信带 宽受限, 信号传输之前需要进行量化, 给信号带来量化噪声, 使得信号重构工作变得更为棘手. 本文提出用平 方根容积卡尔曼滤波器对融合中心收集的信号进行重构. 首先估计观测信号的概率密度函数, 使用最优量化 器量化观测信号, 在有限的量化比特数下, 取得最优的信号量化性能. 平方根容积卡尔曼滤波器相对无先导 卡尔曼算法具有较少的求容积分点, 因此具有计算量小的优点, 同时迭代过程采用传递误差矩阵的平方根矩 阵, 保证迭代过程的稳定性和提高数据估计精度. 仿真结果表明, 该算法能够有效和快速地重构观测信号, 并 且比基于无先导卡尔曼滤波的算法更快. 关键词: 求容积分准则, 概率密度函数, 信号重构, 混沌信号 PACS: 05.45.–a, 05.45.Vx, 84.40.Ua DOI: 10.7498/aps.63.140502 号的观测来形成本节点对观测信号的估计. 以上文 1 引 言 献大部分没有考虑通信带宽问题, 观测信号没有进 行量化后传输, 或者简单地采用均匀量化的方法. 无线传感器网络由大量的节点通过无线通信 本文考虑对观测信号的量化问题, 在估计出观测信 组成, 已应用在许多领域, 如工业、农业、医疗、军 号概率密度函数后, 采用最优量化器量化观测信 12 事和空间探测等, 是目前一个热门的研究领域 . 号, 在有限的量化比特下, 减少信号量化误差, 提高 节点在能量、通信带宽和计算能力方面都是有限 信号的重构精度. 融合中心采用性能更优的平方根 34 的, 算法的设计需要考虑节点的资源受限情况 . 容积卡尔曼滤波器(square root cubature kalman 信号重构算法已经有一些研究结果, 文献[5—7] 分 别使用扩展卡尔曼滤波器(rxtended kalman filter, filter, SRCKF)1112 重构观测信号, SRCKF 算法 EKF), 无先导卡尔曼滤波器(unscented kalman fil- 相对UKF 算法有较少的积分点, 算法的计算量也 ter, UKF) 和神经网络实现混沌信号的重构, 这些 少, 适合资源受限的传感器网络节点. 同时迭代过 算法要求知道被重构的混沌信号的映射方程. 应用 程传递误差矩阵的平方根矩阵的方法, 保证算法的 于传感器网络的信号重构算法也有一些研究. 文献 稳定性和提高参数估计的精度, 最后用计算机仿真 [8] 采用迭代方式估计动态随机过程状态变量的方 评估算法的重构性能. 为