论文部分内容阅读
传感器调度算法是目前的科研热点之一。在传感器网络的构建当中,我们无可避免的会遇到由于通讯或者干扰引起的传感器使用限制问题。在这种情况下,在同一时刻,整个网络中只有一个或者部分的传感器能够进行工作。传感器的使用限制导致了整个网络的工作性能降低。因此,如何合理地对网络中的传感器进行调度成为了一个提高系统性能的核心问题。使用合理的传感器调度算法,不仅仅可以提高系统的整体性能,同时也可以减小系统的能耗,延长系统的使用时间。因此,传感器调度算法的研究不仅具有重要的理论意义,同时也有广泛的应用价值。本文着重关注于多对象系统传感器调度算法的研究和应用。所谓多对象系统,即在一个系统中,包含了多个相互独立的子对象。系统对每个子对象都运行一个卡尔曼滤波器(扩展卡尔曼滤波器)。并且我们假设由于实际限制的存在,每个时刻只有一个子对象可以被进行观测。对于这样的系统,我们需要设计调度算法来优化系统的观测质量。本论文首先讨论线性系统的情况。假设每个对象的运动模型都是线性的,并且使用标准的卡尔曼滤波器对每个对象的状态进行估计。我们的问题是当给定每个对象一个期望估计质量之后,如何找到合适的观测序列(调度算法)使得所有子对象的给定期望估计质量都能够满足。为了解决这个问题,我们引入了两个新的概念,称之为允许连续观测丢失和最小连续观测。对于一个对象来说,当给定一个期望估计质量之后,我们给出了两种算法来计算他的允许连续观测丢失和最小连续观测。这两种方法分别称为周期法和阈值法。在文中,我们对这两种方法进行了比较和分析。当获得所有子对象的连续观测丢失和最小连续观测之后,本论文将原本的调度问题转化为一个组合数学问题,并给出了两种算法,Sxy算法和树寻找算法,用于寻找满足条件的观测序列。其中Sxy算法是来自pinwheel问题的一种经典算法,相对具有较小的计算复杂度,但是适用范围有限。而树寻找算法则有相对来说具有更加普遍的适用性,但是计算复杂度高。为了减少树寻找算法的计算复杂度,我们引入了一些树枝切割的方法。在分析完线性系统之后,我们继续讨论非线性多对象系统中的传感器调度算法。为了更好地结合实际应用,我们的讨论基于非线性多对象系统的一种具体实现:主动模式下的超声波多目标室内定位系统。我们假设每个目标都在二维平面进行运动,并且由于不同定位传感器所发射的超声波信号和无线信号会相互干扰,在同一时刻,会产生相互干扰的定位传感器不能同时进行定位。为了提高系统的工作效率和整体跟踪性能,本论文首先提出了一种基于估计误差协方差的分组算法。分组算法最大可能地增加了能够同时工作的定位传感器的数量,提高了利用率。之后,本论文给出了基于分组的调度算法。在调度算法中,我们使用了两种不同的目标函数:最小误差优先和最大平均误差减小优先。通过仿真和具体的实验,我们对算法进行了分析,并且比较了两种目标函数的表现。