UWSN中的單步延遲無序量測(cè)數(shù)據(jù)融合算法的研究.pdf

1、在水下隨機(jī)或有規(guī)律部署大量低功耗、具有一定的通信能力的傳感器節(jié)點(diǎn)，采集水下信息，利用節(jié)點(diǎn)的自組織能力，形成水下無線傳感器網(wǎng)絡(luò)(UnderwaterWireless Sensor Network，UWSN)。UWSN為水下環(huán)境監(jiān)測(cè)提供新的手段，但UWSN通信采用聲波通信，不同于傳統(tǒng)的無線傳感器網(wǎng)絡(luò)(WSN)，帶來了UWSN的定位技術(shù)、網(wǎng)絡(luò)拓?fù)?、路由協(xié)議、水聲通信和數(shù)據(jù)融合等方面的問題。UWSN的數(shù)據(jù)融合目的是通過融合減少數(shù)據(jù)的傳輸量，降低

2、節(jié)點(diǎn)因數(shù)據(jù)傳輸帶來的能耗，對(duì)延長(zhǎng)UWSN的生命周期具有重要的現(xiàn)實(shí)意義。
　　水聲信道具有傳播延遲高且動(dòng)態(tài)變化、通信帶寬有限、多徑效應(yīng)嚴(yán)重等特點(diǎn)，受自身物理?xiàng)l件的制約，UWSN中易出現(xiàn)節(jié)點(diǎn)先發(fā)的信息后到融合中心，后發(fā)的信息先到融合中心的現(xiàn)象，即無序量測(cè)(Out-of-Sequence Measurement，OOSM)現(xiàn)象。因此，在UWSN中，針對(duì)OOSM現(xiàn)象，如何融合處理帶OOSM數(shù)據(jù)，直接關(guān)系到融合結(jié)果的可信度，也促使數(shù)據(jù)融合理

3、論的完善。
　　本文從單傳感器和多傳感器方面研究UWSN網(wǎng)中的OOSM數(shù)據(jù)融合問題，主要工作如下：
　　(1)使用OPNET對(duì)水聲信道進(jìn)行仿真，建立水聲通信網(wǎng)絡(luò)模型，分析網(wǎng)絡(luò)延遲，觀測(cè)無序量測(cè)現(xiàn)象。
　　(2)對(duì)UWSN環(huán)境下的單傳感器單步延遲無序量測(cè)融合算法進(jìn)行了研究，提出基于后向預(yù)測(cè)的無序量測(cè)融合算法。在過程噪聲直接離散化模型條件下，該算法能夠處理量測(cè)噪聲與同一時(shí)刻過程噪聲相關(guān)的單傳感器單步延遲無序量測(cè)數(shù)據(jù)融合問題

4、。該算法可以保證實(shí)時(shí)性，而且濾波精度高于A1算法，仿真結(jié)果驗(yàn)證了算法的有效性。
　　(3)針對(duì)UWSN環(huán)境下的多傳感器單步延遲無序量測(cè)問題，提出一種基于等價(jià)量測(cè)的單步延遲無序量測(cè)融合算法。該算法采用分布式融合結(jié)構(gòu)，利用一步預(yù)測(cè)的等價(jià)量測(cè)處理延遲量測(cè)，把無序量測(cè)信息融合問題轉(zhuǎn)化成一種順序量測(cè)信息融合問題，采用噪聲相關(guān)的Kalman濾波算法獲得局部估計(jì)，最后使用矩陣加權(quán)算法得到全局估計(jì)。該算法的濾波精度與直接更新法相比有所降低，但計(jì)算