基于一致性的分布式粒子濾波算法研究.pdf

1、在無線傳感器網絡中，分布式粒子濾波是一種強大且靈活的分散式狀態(tài)估計方法，它特別適用于大規(guī)模、非線性和非高斯的分布式估計系統(tǒng)。然而，它在通信帶寬、節(jié)點資源、網絡拓撲動態(tài)變化以及通信能力等方面有一定的局限性，為了減小網絡中存在的鏈接失敗或間歇性鏈接對目標估計的影響，深入研究分布式粒子濾波算法具有重要意義。
　　針對傳感器網絡中的非線性、非高斯跟蹤應用，本文提出基于一致性/融合的粒子濾波的分布式實現算法。它在每個節(jié)點上運行兩種粒子濾波器

2、，分別是用于粒子濾波分布式實現的局部濾波器和計算全局濾波分布的融合濾波器。文中將局部概率密度函數的乘積近似為高斯分布，并用平均一致性算法計算高斯分布的參數，進而實現目標狀態(tài)的估計。最后用蒙特卡羅仿真將此算法與集中式粒子濾波的跟蹤性能進行了比較，表明此算法具有較優(yōu)的濾波性能。
　　由于一致性算法的收斂速度在上述算法中至關重要，于是本文重點研究了基于概率的一致性權值優(yōu)化方法。這種方法介紹了空間相關隨機拓撲下一致性算法的權重優(yōu)化問題，它

3、選擇一致性均方誤差收斂速率作為優(yōu)化準則，并用鏈接形成概率、鏈接形成空間相關性和一致性權重的函數表示這個速率。由于對稱隨機網絡下的均方收斂速率是關于權重的凸的、非光滑函數，文中給出封閉形式和次梯度算法兩種解決方案。還將此優(yōu)化方法和其他權重選擇方法進行了對比仿真，結果表明此權重設計獲得了顯著的性能增益。
　　最后針對網絡中存在的間歇性網絡鏈接問題，將基于概率的一致性權值優(yōu)化方法與基于一致性的分布式粒子濾波算法相結合，通過克服鏈接失敗導