[发明专利]一种分布式传感器网络协同配准方法及系统

权利要求书

1.一种分布式传感器网络协同配准方法，其特征在于，包括步骤：

初始化步骤：在各个传感器节点，根据先验信息形成初始的传感器配准误差参数，根据给定初始的目标状态和误差协方差阵形成初始的目标参数；

前向卡尔曼滤波步骤：开始EM迭代计算，对目标参数进行前向卡尔曼滤波；

反向卡尔曼滤波步骤：对前向卡尔曼滤波后的目标参数进行反向卡尔曼滤波；

目标状态估计平滑步骤：各传感器节点利用前向卡尔曼滤波步骤和反向卡尔曼滤波步骤的结果对目标状态估计进行平滑；

传感器配准误差估计值求解步骤：各传感器节点利用目标状态估计平滑步骤获得的平滑后的目标状态估计求解各自的传感器配准误差估计值；

判断步骤：若EM迭代未结束，则返回前向卡尔曼滤波步骤；若EM迭代结束，各传感器节点输出各自的传感器配准误差估计值；

所述前向卡尔曼滤波步骤中的前向卡尔曼滤波包括：

前向初始步滤波：利用初始化步骤中的初始的传感器配准误差参数和初始的目标参数作为初值进行前向一致性卡尔曼滤波；

前向非初始步滤波：利用传感器配准误差估计值求解步骤得到的传感器配准误差估计值和初始化步骤中初始的目标参数作为初值进行前向一致性卡尔曼滤波；

所述反向卡尔曼滤波步骤中的反向卡尔曼滤波包括：

反向初始步滤波：利用前向卡尔曼滤波步骤中获得的前向卡尔曼滤波后的目标参数和初始化步骤中的初始的传感器配准误差参数作为初值进行反向一致性卡尔曼滤波；

反向非初始步滤波：用前向卡尔曼滤波步骤中获得的前向卡尔曼滤波后的目标参数和传感器配准误差估计值求解步骤得到的传感器配准误差参数估计值作为初值进行反向一致性卡尔曼滤波；

初始化步骤中，在各个传感器节点分别给定初始的目标状态和对应的误差协方差阵以及各自先验的配准误差ηⁱ⁽⁰⁾，其中分别代表各个不同的传感器节点，为所有传感器节点构成的集合；

前向卡尔曼滤波步骤中进行N步递推前向卡尔曼滤波计算(k＝1,2,...,N)，每一步递推计算都包括：

步骤S2.1，各个传感器节点i利用k-1时刻的目标状态和误差协方差阵估计对目标状态进行一步预测，分别的到对k时刻的目标状态和误差协方差阵的预测值和由得到的预测值，计算预测的信息矩阵和信息向量计算公式如下：

步骤S2.2，各传感器节点i根据k时刻的量测计算新信息向量和新信息矩阵计算公式如下：

式中：所有上标i代表传感器节点i，表示k时刻的传感器量测方程，偏微分的下标表示偏微分在处取值，表示传感器i在k时刻的量测噪声方差阵，表示k时刻传感器节点i的量测值，m表示当前EM迭代的次数，η^i(m-1)表示前一次EM迭代传感器节点i的配准误差估计值；

步骤S2.3，各传感器节点i对步骤S2.1和步骤S2.2得到的信息矩阵信息向量新信息矩阵和新信息向量进行L步一致性迭代；各传感器节点i每一步一致性迭代的计算公式如下：

式中：所有上标i代表传感器节点i，代表包括节点i在内所有能与节点i直接通信的节点所构成的集合，j代表包括传感器节点i在内所有能与传感器节点i直接通信的节点，l代表当前一致性迭的步数，且l＝1,2,...,L，迭代初值为π^i,j为一致性权值满足π^i,j≥0且

步骤S2.4，各传感器节点i进行量测更新；

更新的计算公式如下：

式中：所有上标i代表传感器节点i，表示传感器网络中的传感器节点数量；

步骤S2.5，当前时刻k目标状态估计提取，计算公式如下：

式中：所有上标i代表传感器节点i，代表k时刻的目标状态的前向滤波估计值，为k时刻目标的前向滤波估计值对应的估计误差方差；

步骤S2.6，当k＜N时，k＝k+1并返回执行步骤S2.1；当k＝N时，输出所有以及和

反向卡尔曼滤波步骤进行N步递推反向卡尔曼滤波计算(k＝N,N-1,...,1)，每一步递推计算都包括：

步骤S3.1，各个传感器节点i利用k时刻的目标状态和协方差估计对目标状态进行一步反向预测，分别得到对k-1时刻状态和协方差的预测值和由得到的预测值，计算预测的信息矩阵和信息向量计算公式如下：

步骤S3.2，各传感器节点i根据k时刻的量测计算新信息向量和新信息矩阵计算公式如下：

式中：所有上标i代表传感器节点i，表示k时刻的传感器量测方程，偏微分的下标表示偏微分在处取值，表示传感器i在k时刻的量测噪声方差阵，表示k时刻传感器节点i的量测值，所有上标b表示该变量为反向卡尔曼滤波中的变量，m表示当前EM迭代的次数，η^i(m-1)表示前一次EM迭代传感器节点i的配准误差估计值；

步骤S3.3，各传感器节点i对步骤S3.1和步骤S3.2得到的信息矩阵信息向量新信息矩阵和新信息向量进行L步一致性迭代；各传感器节点i每一步一致性迭代的计算公式如下：

式中：所有上标i代表传感器节点i，代表包括节点i在内所有能与节点i直接通信的节点所构成的集合，j代表包括传感器节点i在内所有能与传感器节点i直接通信的节点，l代表当前一致性迭的步数，且l＝1,2,...,L，迭代初值为π^i,j为一致性权值满足π^i,j≥0且

步骤S3.4，各传感器节点i进行量测更新；

更新的计算公式如下：

式中：所有上标i代表传感器节点i，表示传感器网络中的传感器节点数量；

步骤S3.5，当前时刻k目标状态估计提取，计算公式如下：

步骤S3.6，当k＞1时，k＝k-1并返回执行步骤S3.1；当k＝1时，输出所有

目标状态估计平滑步骤包括：

各个传感器节点i利用步骤S3和步骤S4的结构，对目标的状态估计进行平滑，得到平滑后的状态估计和对应的协方差矩阵计算公式如下：

传感器配准误差估计值求解步骤包括：

各个传感器节点i分别计算自身的配准误差估计值η^i(m)，计算公式如下：

式中：所有上标i代表传感器节点i，表示k时刻的传感器量测方程，偏微分的下标ηⁱ＝η^i(m-1)表示偏微分在η^i(m-1)处取值，η^i(m-1)表示前一次EM迭代传感器节点i的配准误差估计值；

判断步骤包括：当EM迭代未结束时，返回执行前向卡尔曼滤波步骤；当EM迭代结束时，各个传感器节点i输出η^i(M)作为配准误差的估计值。