基于动态加权的量化分布式卡尔曼滤波

摘要：

针对一个无融合中心传感器网络中的状态估计问题,提出一种基于量化信息的分布式卡尔曼滤波(QDKF)算法.首先,在分布式卡尔曼滤波(DKF)中,以节点状态估计精度为加权准则,动态选取加权矩阵,使得全局估计误差的协方差最小;然后,进一步考虑了网络带宽受限制的情况,在DKF算法中加入均匀量化器,节点之间通信使用量化后的信息,以减少网络通信的带宽需求.QDKF算法仿真采用了8 bit的均匀量化器,与Metropolis加权法和最大度加权法相比,动态加权法的状态估计均方根误差分别降低了25％和27.33％.实验结果表明,采用动态加权法的QDKF算法能提高系统的状态估计精度,减少带宽需求,适用于网络通信受限制的应用场合.

关键词：无线传感器网络、分布式算法、量化信息、一致性滤波、动态加权

所属期刊栏目：35

分类号：TP391;TN915.04(计算技术、计算机技术)

资助基金：国家自然科学基金资助项目61075104

在线出版日期：2015-10-08（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：1824-1828