[发明专利]一种对抗可疑数据的分布式目标位置估计方法

说明书

本发明提供一种对抗可疑数据的分布式目标位置估计方法。现有方法计算开销大且估计过程所需时间较长，不够切合实际应用场景。本发明方法综合考虑观察噪声、量化噪声、人为错误数据、信道错误四种非理想因素，使用一次汇报数据，通过数次迭代，剔除可疑数据，仅利用剩余数据估算目标的位置。本发明方法首先传感器感知目标信号，将目标信号做量化处理后的数据发送给融合中心，然后融合中心接收来自网络中的N个传感器的一次测量汇报数据，融合中心迭代地估算目标位置与剔除可疑数据，最后得到目标位置估计结果。本发明方法只用一次观察数据，操作更简便，且迭代次数少，能很快达到收敛。

技术领域

本发明属于通信技术领域，具体是信号处理中的分布式目标位置估计领域，涉及一种对抗可疑数据的分布式目标位置估计方法。

背景技术

分布式目标位置估计是无线传感器网络的一种重要应用。一个典型的估计过程是由网络的传感器感知目标的相关信息(如目标发出信号的幅度信息)，传感器再将感知到的信息做简单的处理(即量化处理)，并将处理后的数据发送给融合中心；融合中心收到这些传感器发送的数据后，采用某种估计方法估算出目标位置。

上述分布式目标位置估计存在着四个方面缺陷：首先，传感器感知到的目标信号叠加了噪声。噪声会导致传感器感知到的信号幅度存在偏差，从而可能导致融合中心估算目标位置时产生误差；其次，由于无线网络信道带宽受限，传感器会将感知信号做局部处理，比如将感知到的模拟信号量化，只把量化等级发送给融合中心。量化过程会引入量化噪声，可能导致融合中心估算目标位置时产生误差；第三，无线传感器网络的开放性使传感器容易遭受攻击而被攻击者捕获，从而成为恶意传感器。恶意传感器会故意发送错误数据给融合中心。人为引入的错误数据会导致融合中心估算的目标位置存在偏差；第四，传感器与融合中心之间通过无线信道传输数据，信道差错是不可避免的。因此，一个传感器向融合中心汇报数据时可能出现传输错误，传输差错也会影响融合中心估算目标位置的准确性。

因此，上述四种缺陷都可能导致分布式目标位置估计性能的下降。目前已有一些分别对付这四种缺陷而提出的分布式目标位置估计方法，如在带恶意节点识别的分布式目标位置估计方法中，首先采用恶意传感器识别方法识别恶意传感器，在融合中心剔除人为错误数据，可以解决由恶意传感器汇报错误数据导致的分布式目标位置估计性能下降；又如基于信道感知的分布式目标位置估计方法，通过感知传感器与融合中心间传输信道的参数，解决由信道错误造成的分布式目标位置估计性能下降。

但是，目前尚没有能同时对抗四种缺陷并保证分布式目标位置估计性能不受环境缺陷影响的方法。同时，虽然带恶意节点识别的分布式目标位置估计方法能识别并剔除恶意传感器，使分布式目标位置估计性能免受恶意数据的影响，但恶意节点的识别通常根据其行为特征，而行为特征是一个统计量，需要累积一段时间内一个传感器数据汇报情况得到。因此，这种方法需要传感器多次向融合中心汇报数据，融合中心需要至少几十个观察周期才能识别恶意传感器，分布式目标位置估计过程才可达到收敛。因此，对带恶意节点识别的分布式目标位置估计方法而言，恶意节点没有被正确识别前，恶意传感器发送的认为错误数据依然会影响融合中心估算的目标位置的准确性。

在实用的分布式目标位置估计中，用户总期望有一种可靠的分布式目标位置估计方法，融合中心可以根据网络传感器一次汇报的数据准确估计目标的位置。

发明内容

本发明的目的是针对观察噪声、量化噪声、信道误码、恶意传感器人为错误数据影响分布式目标位置估计性能的问题，提供一种对抗可疑数据的分布式目标位置估计方法。

本发明方法综合考虑观察噪声、量化噪声、人为错误数据、信道错误四种非理想因素，使用一次汇报数据，通过数次迭代，剔除可疑数据(不符合融合中心期望的数据)，仅利用剩余数据估算目标的位置。

为了实现上述目的，本发明所采用的具体步骤为：

步骤一、传感器感知目标信号，将感知到的目标信号做量化处理，然后将处理后的数据发送给融合中心；具体过程如下：