UWSN中的單步延遲無序量測數據融合算法的研究.pdf

1、在水下隨機或有規(guī)律部署大量低功耗、具有一定的通信能力的傳感器節(jié)點，采集水下信息，利用節(jié)點的自組織能力，形成水下無線傳感器網絡(UnderwaterWireless Sensor Network，UWSN)。UWSN為水下環(huán)境監(jiān)測提供新的手段，但UWSN通信采用聲波通信，不同于傳統(tǒng)的無線傳感器網絡(WSN)，帶來了UWSN的定位技術、網絡拓撲、路由協(xié)議、水聲通信和數據融合等方面的問題。UWSN的數據融合目的是通過融合減少數據的傳輸量，降低

2、節(jié)點因數據傳輸帶來的能耗，對延長UWSN的生命周期具有重要的現實意義。
　　水聲信道具有傳播延遲高且動態(tài)變化、通信帶寬有限、多徑效應嚴重等特點，受自身物理條件的制約，UWSN中易出現節(jié)點先發(fā)的信息后到融合中心，后發(fā)的信息先到融合中心的現象，即無序量測(Out-of-Sequence Measurement，OOSM)現象。因此，在UWSN中，針對OOSM現象，如何融合處理帶OOSM數據，直接關系到融合結果的可信度，也促使數據融合理

3、論的完善。
　　本文從單傳感器和多傳感器方面研究UWSN網中的OOSM數據融合問題，主要工作如下：
　　(1)使用OPNET對水聲信道進行仿真，建立水聲通信網絡模型，分析網絡延遲，觀測無序量測現象。
　　(2)對UWSN環(huán)境下的單傳感器單步延遲無序量測融合算法進行了研究，提出基于后向預測的無序量測融合算法。在過程噪聲直接離散化模型條件下，該算法能夠處理量測噪聲與同一時刻過程噪聲相關的單傳感器單步延遲無序量測數據融合問題

4、。該算法可以保證實時性，而且濾波精度高于A1算法，仿真結果驗證了算法的有效性。
　　(3)針對UWSN環(huán)境下的多傳感器單步延遲無序量測問題，提出一種基于等價量測的單步延遲無序量測融合算法。該算法采用分布式融合結構，利用一步預測的等價量測處理延遲量測，把無序量測信息融合問題轉化成一種順序量測信息融合問題，采用噪聲相關的Kalman濾波算法獲得局部估計，最后使用矩陣加權算法得到全局估計。該算法的濾波精度與直接更新法相比有所降低，但計算