引用本文

陈烨, 盛安冬, 李银伢, 戚国庆. 一种带波门修正的事件触发机制及其在光电探测网中的应用. 自动化学报, 2020, 46(5): 971-985. doi: 10.16383/j.aas.2018.c170461

CHEN Ye, SHENG An-Dong, LI Yin-Ya, QI Guo-Qing. A Gate-corrected Event-triggered Mechanism and Its Application to the Optic-electric Sensor Network. ACTA AUTOMATICA SINICA, 2020, 46(5): 971-985. doi: 10.16383/j.aas.2018.c170461

http://www.aas.net.cn/cn/article/doi/10.16383/j.aas.2018.c170461

关键词

波门修正，事件触发机制，最小均方误差估计算法，光电探测网 

摘要

本文针对一类通信资源有限的集中式目标状态估计问题进行了研究, 提出一种带波门修正的事件触发机制.当事件触发条件不满足时, 相应探测器按通信系统设计带宽发送完整量测新息至融合中心.当事件触发条件满足时, 相应探测器将量化量测新息发送给融合中心.减少数据传输量, 减轻通信系统的负担.随后推导机制下的融合中心最小均方误差状态估计算法并对其性能进行了理论分析.最后给出一个光电探测网的应用算例, 表明了其在工程应用中的有效性及可行性.

文章导读

近年来, 探测器网络被广泛应用于环境监测、战场监视、远程医疗及危险区域搜救等领域, 得到了国内外研究人员的广泛关注[1-5].在实际应用某些场合中, 探测器节点由电池供电, 频繁更换电池或对电池进行再充电极不便利.如何有效利用能量完成探测器网络的估计任务, 是当前探测器网络研究的热点问题之一[6-7].

经研究发现, 探测器网络中各节点进行数据传输时消耗的能量占据了探测器总耗能的主要部分[8-9].降低探测器节点的传输数据量可直接减少探测器节点的能量消耗, 并可在一定程度上改善网络拥塞问题.为减少探测器节点的传输数据量, 2006年, Ribeiro等针对线性系统提出了一种仅需利用量测新息符号即可更新状态估计的量测新息符号卡尔曼滤波算法(Sign of innovation Kalman filter, SOI-KF) [10].随后Msechu等对SOI-KF算法进行了进一步研究, 提出了一种更一般的量测新息量化卡尔曼滤波算法, 可将量测新息量化为任意bit位[11]. 2015年, You对一类带有固定速率量化器的网络化线性系统的参数估计问题进行了研究, 给出了一种自适应新息量化器并推导了相应的状态估计算法[12]. 2016年, Zhang等针对一类能量及带宽受限的无线探测网, 提出了一种多级新息量化器, 并推导了贝叶斯估计框架下的分布式状态估计算法[13].

上述研究成果均可降低目标探测网络的传输数据量, 但当某一时刻运动目标发生机动或其他原因导致量测值与一步递推估计值相差较大时, 上述方法会导致融合中心估计性能大幅下降.为此我们引入事件触发的思想来解决这一问题.

事件触发机制最早由Doherty等在1990年的一份有关海洋机械的科技报告中提出[14], 随后得到了国内外研究人员的广泛关注.赵国荣等对带宽受限的探测器网络估计问题进行了深入研究, 提出了一种基于数据驱动传输策略的分布式融合估计器, 并给出了融合估计误差均方差一致有界的条件[15]. Wu等针对单探测器情形下分析了估计精度与通信频率之间的关系, 并给出了最小均方误差估计算法[16].

针对上述问题, 本文从一般量化模式角度入手, 通过设置事件触发条件, 协调各探测器与融合中心间的信息交互过程.当触发条件满足时, 相应探测器发送量化新息至融合中心, 在保证满足给定估计精度的前提下, 降低传输数据量, 减轻通信系统的负担. 1 bit量化作为一般量化模式中的一种最基本也是最简单的形式, 仅取量测新息符号发送至融合中心.在一般量化模式中, 所需通信资源最少.并且在防空火控系统中, 可利用1 bit量化后的新息符号对光电跟踪系统波门中心位置进行修正.

图 1  δ=2.9时仿真结果

图 4  各门限因子下的事件触发机制触发情况

图 5  目标运动轨迹图

本文针对一类通信资源受限的集中式融合中心状态估计问题, 提出了一种新颖的带波门修正的事件触发量化机制, 管理探测器各量测新息分量是否仅取新息符号发送至融合中心, 并推导了这一事件触发机制下的最小均方误差估计算法.并对状态变量为标量形式下的估计算法性能进行了分析, 指出门限因子取值范围的不同时, 本文所推导算法的预测误差协方差阵会有不同的变化情况, 为实际应用中门限因子的选取提供了一定的参考准则.

文中所提估计算法同样适用于状态变量为向量的系统, 但相关的性能分析尚未在文中给出, 是将来的研究方向之一.同样地, 如何将本文中的事件触发机制运用到异步探测网络也是有待解决的问题.

作者简介

陈烨

南京工程学院人工智能产业技术研究院讲师.主要研究方向为多源信息融合. E-mail: 0711370107@163.com

李银伢

南京理工大学自动化学院副教授.主要研究方向为非线性估计理论及应用. E-mail: liyinya@mail.njust.edu.cn

戚国庆

南京理工大学自动化学院副教授.主要研究方向为多传感器数据融合. E-mail: qiguoqing@mail.njust.edu.cn

盛安冬  

南京理工大学自动化学院教授.主要研究方向为多源信息融合, 非线性估计理论及应用.本文通信作者. Email: shengandong@mail.njust.edu.cn