[发明专利]一种对抗可疑数据的分布式目标位置估计方法

摘要

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。

主权项

1.一种对抗可疑数据的分布式目标位置估计方法，其特征在于该方法的具体步骤是：/n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：/n(1)传感器感知目标信号得到本地感知信号：/n在一个部署N个传感器的网络中，第i个传感器感知到的目标信号s_i为s_i＝a_i+n_i，i＝1,2,...,N，i为传感器序号；其中，n_i是第i个传感器的本地观察噪声，该噪声通常假设为加性高斯白噪声，服从均值为0，方差为σ²的正态分布，σ为实数常数；a_i为无噪声时第i个传感器接收到的目标信号幅度；假设目标信号幅度服从各向同性功率衰减模型，则其中，P₀与目标距离为d₀处测得的功率，κ是路径损耗因子，d_i是第i个传感器与目标之间的距离；在二维空间内，设第i个传感器的坐标为[x_i,y_i]，目标的坐标为[x_j,y_j]，d_i＝[(x_i-x_j)²+(y_i-y_j)²]^1/2；/n(2)传感器量化本地感知信号得到量化测量数据：/n第i个传感器需要根据量化门限η＝[η₀＝-∞,η₁,...,η_M＝+∞]将本地感知信号s_i映射为量化符号m，即/nu_i＝Ψ(s_i)＝m,如果η_m＜s_i≤η_m+1，m＝0,1,...,M-1，i＝1,2,...,N；/n其中，Ψ(·)表示量化处理，u_i表示量化测量数据，M是u_i的量化等级数，η_m和η_m+1分别表示量化符号m所在量化区间的上下边界；/n(3)传感器发送量化测量数据给融合中心：/nv_i是第i个传感器向融合中心汇报的数据，如果第i个传感器的量化测量数据没有受到恶意篡改，则v_i＝u_i；否则v_i≠u_i；/n步骤二、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：/n融合中心收到的所有数据表示为向量w，w＝[w₁,w₂,...,w_N]；w_i为融合中心收到的来自第i个传感器的汇报数据；如传感器与融合中心间的传输信道未发生传输差错，则w_i＝v_i；如传感器与融合中心间的传输信道发生传输差错，则w_i≠v_i；/n步骤三、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；具体是：/na.融合中心估算目标的位置：/n设为第t轮迭代时融合中心估算目标位置所使用的数据对应的传感器序号的集合，为第t轮迭代时融合中心估计的目标位置，t＝1,2,…；/n在第t轮迭代时，融合中心利用接收到的来自集合中传感器汇报数据，采用最大似然估计器估计目标位置为：/n /n其中，δ(·)是冲激函数，P(w_i＝m|θ)是w_i满足的条件分布；/nP(w_i＝m|θ)＝Q((η_m-a_i)/σ)-Q((η_m+1-a_i)/σ)；/n其中，若θ＝[x_k,y_k]，则/n当t＝1时，集合包含所有被融合中心接收到数据的传感器，即/nb.融合中心利用目标位置估计结果剔除部分可疑数据：/n在t轮迭代时，融合中心由估算得到的目标位置计算属于集合的传感器的量化标称值即其中，为第i个传感器在第t轮迭代后的目标信号幅度的标称值为第i个传感器与目标之间的距离在第t轮迭代后的标称值，/n当时，融合中心判断来自第i个传感器的数据是可疑的，从而把第i个传感器从集合中删除，即/n对集合中的所有传感器做上述判断，集合更新为用于下一轮迭代中估算目标位置；/n假设第t轮迭代没有传感器从中删除，则融合中心结束目标位置的估计过程，且为融合中心最终估计的目标位置；否则，返回执行步骤三的a和b。/n