基于信息一致性的分布式粒子滤波方法
【专利摘要】本发明提供了一种非线性非高斯系统中基于信息一致性的传感器网络分布式粒子滤波方法。该方法在集中式粒子滤波的基础上，引入网络信度表示全局似然函数，通过一致性迭代执行局部信度的交互与融合，实现了节点间粒子样本及权值的一致性，估计精度逼近集中式方法。本发明方法以分布式的方式实现了全网一致性状态估计，在闪烁噪声等非线性非高斯环境中具有较为优越的估计性能。
【专利说明】基于信息一致性的分布式粒子滤波方法
【技术领域】
[0001] 本发明属于传感器网络信息融合技术，设及多传感器一致性状态估计问题，提供 一种非线性非高斯条件下基于信息一致性的分布式粒子滤波方法。
【背景技术】
[0002] 为满足实际应用需求，分布式传感器网络通常被部署于未知甚至危险环境执行任 务，其应用环境中可能具有非线性非高斯特性。例如，沿海反潜探测系统中声响传感器在探 测海上或水下目标时，接收信号中不但含有运动目标的回波信号，同时也带有海杂波噪声、 海洋水声环境噪声等干扰，该些噪声在某些时间点上具有显著尖峰特性，噪声方差将会急 剧增大，可W近似为闪烁噪声。上述闪烁噪声、杂波环境下的机动目标跟踪实质上是一个非 线性非高斯系统中的状态估计问题，此时若仍然采用高斯假定，将会导致系统估计性能的 退化、甚至无法工作。
[0003] 针对非线性非高斯系统中的状态滤波问题，现有的方法可分为S类；（1)基于系 统近似及概率密度函数高斯混合近似的分析法；（2) W数值方式求解贝叶斯递归关系中积 分式的数值法；（3)基于Monte Carlo的仿真法。其中，基于概率密度函数高斯混合近似 的分析法W加权的方式综合了一系列的局部估计方法，具体W加权混合高斯拟合非高斯噪 声，W局部非线性滤波器处理非线性系统模型，能够提供较为完整的条件概率密度函数信 息，在非线性非高斯系统中可W取得较高的估计质量。然而，该类方法并未考虑传感器网络 中节点观测受限的情况。
【发明内容】
[0004] 1.要解决的技术问题
[0005] 本发明的目的在于提供一种非线性非高斯条件下的一致性状态估计方法一-基 于信息一致性的分布式粒子滤波方法IC-DPF。该方法引入网络信度表示全局似然函数，通 过一致性迭代实现局部信度的交互与融合，实现节点间粒子样本及权值的一致性，提高在 闪烁噪声等复杂环境下的状态估计精度及鲁椿性。
[0006] 2.技术方案
[0007] 本发明所述的基于信息一致性的分布式粒子滤波方法，基于网络全局似然函数的 分布式解法与粒子滤波理论，包括W下技术措施；基于标准信度的一致性迭代初始化；将 节点间的信度传递嵌入到标准信度过程中；基于信度传递的一致性迭代。
[000引 3.有益效果
[0009] 本发明相比【背景技术】具有如下的优点：
[0010] (1)适用于非线性非高斯、网络节点受限等复杂环境，具有较高的估计精度及鲁椿 性；
[0011] (2)本发明W分布式的方式实现全网一致性估计，在保证估计性能的同时无需全 网信息收集，能够极大降低网络通信开销；
【专利附图】
【附图说明】
[0012] 图1 ;基于信息一致性的分布式粒子滤波方法流程图；
[001引图2;仿真场景图；
[0014] 图3;估计性能比较；
【具体实施方式】
[0015] W下结合说明书附图对本发明作进一步详细描述。参照说明书附图，本发明目标 状态更新的单次循环方式分W下几个步骤：
[0016] 1、问题描述
[0017] 不失一般性，考虑如下离散时间非线性非高斯系统
[001 引 Xk= f (X k-i)+Wk-i (1)
[0019] Zi，k= h i(Xk)+Vi，k，i = 1，2, . . .，Ns 似
[0020] 其中Xk和z 分别表示系统的状态向量和第i个传感器的量测向量，Ns表示传感 器节点数量，f和hi分别表示系统的转移函数和第i个传感器的量测函数，W k与V 分别是 非高斯过程噪声和非高斯量测噪声。
[0021] 在实际应用中，非高斯噪声比高斯噪声更难处理。考虑到任何概率密度函数都可 W通过加权混合的有限个高斯项进行近似，将Wk和V i，k的概率密度函数的估计可W表示成 W下高斯混合形式：
[0022]
【权利要求】
1.基于信息一致性的分布式粒子滤波方法，其特征在于包括以下步骤： (1)基于标准信度的一致性迭代初始化
【文档编号】H03H21/00GK104485921SQ201410783563
【公开日】2015年4月1日 申请日期:2014年12月16日 优先权日:2014年12月16日
【发明者】刘瑜, 齐林, 邓露, 刘俊, 王智 申请人:中国人民解放军海军航空工程学院