CN107426748B - 一种无线网络控制***中多传感器估计性能方法 - Google Patents
一种无线网络控制***中多传感器估计性能方法 Download PDFInfo
- Publication number
- CN107426748B CN107426748B CN201710256853.5A CN201710256853A CN107426748B CN 107426748 B CN107426748 B CN 107426748B CN 201710256853 A CN201710256853 A CN 201710256853A CN 107426748 B CN107426748 B CN 107426748B
- Authority
- CN
- China
- Prior art keywords
- channel
- channels
- sensors
- sensor
- network control
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W24/00—Supervisory, monitoring or testing arrangements
- H04W24/02—Arrangements for optimising operational condition
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04B—TRANSMISSION
- H04B17/00—Monitoring; Testing
- H04B17/30—Monitoring; Testing of propagation channels
- H04B17/309—Measuring or estimating channel quality parameters
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04B—TRANSMISSION
- H04B17/00—Monitoring; Testing
- H04B17/30—Monitoring; Testing of propagation channels
- H04B17/391—Modelling the propagation channel
- H04B17/3913—Predictive models, e.g. based on neural network models
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L25/00—Baseband systems
- H04L25/02—Details ; arrangements for supplying electrical power along data transmission lines
- H04L25/0202—Channel estimation
- H04L25/021—Estimation of channel covariance
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W24/00—Supervisory, monitoring or testing arrangements
- H04W24/08—Testing, supervising or monitoring using real traffic
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Physics & Mathematics (AREA)
- Electromagnetism (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Computation (AREA)
- Power Engineering (AREA)
- Quality & Reliability (AREA)
- Mobile Radio Communication Systems (AREA)
Abstract
本发明涉及网络控制技术领域,公开了一种无线网络控制***中多传感器估计性能方法,包括以下步骤:(1)获取无线网络控制***传感器参数,建立过程的动态特性和传感器测量方程;(2)连接多个传感器,在每两个传感器之间设置两条信道;利用其中一条连通的信道进行数据传输,如果这条信道开始丢包,则对信道进行切换;分别计算单信道和多信道中心处传感器的估计值与估计误差协方差矩阵;(3)对两个传感器之间通过两个信道传输性能比较,根据步骤(2)计算循环中的估计值和误差协方差矩阵,生成单信道与双信道传输性能的比较图,生成多个信道的比较绘图。本发明利用卡尔曼滤波算法保证在多信道传输***中有效的调度传感器以降低估计误差。
Description
技术领域
本发明涉及网络控制技术领域,特别是涉及一种无线网络控制***中多传感器估计性能方法。
背景技术
随着现代通信科学技术的发展,无线网络化控制***(WirelessNCSs,WNCSs)正在逐渐替代传统的有线网络化控制***,相比于有线网络而言,无线网络通过无线介质传输数据,从而省去了复杂的安装布线过程,也使得今后***的维护和升级更加方便,有效的节省了使用成本。因为WNCSs中存在可以在网络里面移动的节点,而且***的通讯范围只受到节点的数量以及发射和接收的功率的影响,并不会受到布线的控制,所以这增加了***的可移动性和拓展性。更重要的是在一些人们不能到达的场所或者是环境非常恶劣的地方,WNCSs依然能够很好地进行工作。
虽然无线网络化控制***有很多优点,但是目前该***在实际使用中仍然面临着诸多挑战。一方面,WNCSs中存在如数据包传输时延、数据包丢失、时钟同步和数据包时序错乱等网络化控制***(NetworkedControlSystems,NCSs)中尚待解决的问题。另一方面,WNCSs中存在无线信道的衰落性和易受干扰,无线节点(如无线传感器)的节能需求,通信信道、带宽和频谱资源受限等问题,这些都成为WNCSs研究和应用的障碍。另外对于无线信道的丢包问题,已有的研究主要集中于单传感器估计问题,这种估计模式难以获得全面、稳定的信息而且传输距离有限,无法满足不断提高的控制***的性能要求。
发明内容
本发明针对现有技术中的不足,提供一种无线网络控制***中多传感器估计性能方法,本发明方法考虑了无线网络控制***中多传感器信道切换问题,可以保证在多信道传输***中有效的调度传感器以降低估计误差的目的,完成无线网络控制***中多传感器估计性能的优化。
为了解决上述技术问题,本发明通过下述技术方案得以解决。
一种无线网络控制***中多传感器估计性能方法,包括如下步骤:
(1)获取无线网络控制***传感器参数,建立过程的动态特性和传感器测量方程:
其中,A∈Rn*n表示***矩阵,C∈Rm*n表示行满秩的观测矩阵,xk∈Rn和yk∈Rm是实数向量,分别表示传感器的状态和量测,wk∈Rn和vk∈Rm是零均值的高斯过程,Q是wk的协方差矩阵,R是vk的协方差矩阵,满足Q>0和R>0,m,n是正整数,k表示时刻,(A,C)是可检测的,是稳定的;
(2)连接多个传感器,在每两个传感器之间设置两条信道,同时设置每条信道的参数;利用其中一条连通的信道进行数据传输,如果这条信道开始丢包,则对信道进行切换;设置循环次数,初始化x0,P0,利用卡尔曼滤波算法,分别计算单信道和多信道中心处传感器的估计值与估计误差协方差矩阵,计算方程为:
(3)对两个传感器之间通过两个信道传输性能比较,根据步骤(2)对信道完成循环中的估计值和估计误差协方差矩阵数据情况,生成多个信道的比较绘图。
作为优选,步骤(1)中,***的初始状态x0是均值为0和协方差矩阵为P0>0的高斯随机向量,wk,vk和x0是相互独立的。
本发明由于采用了以上技术方案,具有显著的技术效果:
本发明方法首先建立过程的动态特性和传感器测量方程,获得***参数;接着计算出临界收包概率,即收包率比临界值小的情况下误差会随着时刻推移而发散;然后分别迭代地求解单信道和多信道中心处传感器的估计值与估计误差协方差矩阵;最后根据计算得到的估计值和估计误差,确定多信道切换传输优于单信道传输并且给出切换方法,完成无线网络控制***中多传感器估计性能的优化。本发明利用卡尔曼滤波算法设计无线网络控制***中多传感器估计性能方法,能够保证在多信道传输***中有效的调度传感器以降低估计误差。
附图说明
图1是本发明一种无线网络控制***中多传感器估计性能方法中模型结构示意图;
图2是本发明一种无线网络控制***中多传感器估计性能方法中工作流程示意图;
图3是本发明一种无线网络控制***中多传感器估计性能方法中单信道的真实值与估计值比较图;
图4是本发明一种无线网络控制***中多传感器估计性能方法中单信道传感器1与传感器2估计误差比较图;
图5是本发明一种无线网络控制***中多传感器估计性能方法中估计性能方法中单信道传感器2平均估计误差图;
图6是本发明一种无线网络控制***中多传感器估计性能方法中双信道的真实值与估计值比较图;
图7是本发明一种无线网络控制***中多传感器估计性能方法中双信道传感器1与传感器2估计误差比较图;
图8是本发明一种无线网络控制***中多传感器估计性能方法中双信道传感器2平均估计误差图。
具体实施方式
下面结合附图与实施例对本发明作进一步详细描述。
实施例1
如图1至图8所示,一种无线网络控制***中多传感器估计性能方法,包括如下步骤:
(1)获取无线网络控制***传感器参数,建立过程的动态特性和传感器测量方程:
其中,A∈Rn*n表示***矩阵,C∈Rm*n表示行满秩的观测矩阵,xk∈Rn和yk∈Rm是实数向量,分别表示传感器的状态和量测,wk∈Rn和vk∈Rm是零均值的高斯过程,Q是wk的协方差矩阵,R是υk的协方差矩阵,满足Q>O和R>0;***的初始状态x0是均值为0和协方差矩阵为P0>0的高斯随机向量,wk,vk和x0是相互独立的,m,n是正整数,k表示时刻,(A,C)是可检测的,是稳定的;
(2)连接多个传感器,在每两个传感器之间设置两条信道,同时设置每条信道的参数;利用其中一条连通的信道进行数据传输,如果这条信道开始丢包,则对信道进行切换;设置循环次数,初始化x0,P0,利用卡尔曼滤波算法,分别计算单信道和多信道中心处传感器的估计值与估计误差协方差矩阵,计算方程为:
(3)对两个传感器之间通过两个信道传输性能比较,根据步骤(2)对信道完成循环中的估计值和估计误差协方差矩阵数据情况,生成多个信道的比较绘图。
对于单信道无线网络控制***中的多传感器,由于信道衰减或拥塞,数据包在信道的传播过程中可能存在丢失现象。类似的,γk表示估计器是否收到量测yk,估计器也知道γk的信息,不考虑延时等其他不确定因素,根据卡尔曼滤波器的最优性,得到:
由于网络的随机数据丢包,估计误差的协方差矩阵也是随机的,这跟标准卡尔曼滤波器不一样,其估计误差协方差矩阵是确定性的。令Pk=Pk|k-1,则Pk的更新方程为:
Pk+1=APkA′+Q-γkAPkC′(CPkC′+R)-1CPkA′
现从***中输出一个值,到达传感器1后在到达传感器2,其中有丢包率及时延的存在,假设从第9时刻起,第9时刻传感器1收到信号并成功传输到2,第10时刻传输不成功,11时刻不成功,12时刻成功,可以得到以下关系,即,
从图中可得,传感器1、2之间成功时,传感器2获得的值为1输出值乘***系数A,成功概率为如果不成功,则由上一时刻传感器2已获得的值进行计算。可以得到,在单信道无线网络控制***中多传感器的估计误差协方差很大概率上将以指数型增长。
图1表示双信道无线网络控制***的模型图。
图2给出了无线网络控制***中多传感器估计性能方法的流程图。具体地,可以描述如下:
一种无线网络控制***中多传感器估计性能方法,该方法包括如下步骤:
步骤1:建立过程的动态特性和传感器测量方程:
其中,A∈Rn*n表示***矩阵,C∈Rm*n表示观测矩阵,xk∈Rn和yk∈Rm分别表示***的状态和量测,wk∈Rn和vk∈Rm是零均值的高斯过程,其协方差矩阵分别为Q>0和R>0,要求可控,(A,C)可观,量测矩阵C是行满秩的,即rank(C)=m≤n,***的初始状态x0是均值为0和协方差矩阵为P0>0的高斯随机向量,进一步,wk,vk和x0是相互独立的。
步骤2:***的量测yk经不可靠的通信信道传输到远程估计器,由于信道衰减或拥塞,数据包在信道的传播过程中可能存在丢失现象。直观上,丢包概率越大,信息损失越严重,则估计误差协方差矩阵Pk|k-1发散的可能性就越大。对于独立同分布的丢包过程,现存在一个临界收包概率critical使得只要收包概率大于该值,估计误差协方差矩阵即可达到平均有界性。
先求出矩阵A的特征值:
eigvalues=eig(A)
然后再计算出矩阵A的谱半径:
spectrumofA=max(abs(eigvalues))
最后得到临界收包概率:
步骤3:利用卡尔曼滤波算法,分别计算单信道和多信道中心处传感器的估计值与估计误差协方差矩阵:
标准卡尔曼滤波方程:
由上式可以得到:
这样可以得出Pk|k的极限,它满足方程X=g(h(X))。对于单信道无线网络控制***中的多传感器,由于信道衰减或拥塞,数据包在信道的传播过程中可能存在丢失现象,可以得到,在单信道无线网络控制***中多传感器的估计误差协方差很大概率上将以指数型增长。
步骤4:现在比较两个传感器之间通过两个信道传输性能比较:
假设信道1:
假设信道2:
之所以定义两个信道的转移概率即T1(1,1)>0.5,T1(2,2)>0.5,T2(1,1)>0.5,T2(2,2)>0.5是因为这样的信道叫做Gilbert-Elliott信道,这种信道一般来说存在的记忆性取决于状态之间的转移概率。马尔科夫提出一个***某些因素转移过程中,第N次结果只取决于第N-1次的结果的影响,也就是只和当前状态相关与之前状态无关,因此当T1(1,1)>0.5,T1(2,2)>0.5的时候,下一个时刻的转移矩阵两个元素的收包率仍较高以此避免更容易产生误差。
以两个信道为例,假设传感器之间先通过信道1传输,成功n1次后失败转换为信道2传输,再成功n2次后失败换回信道1,之所以采用这样的调度方式是因为在第一个信道传输错误后***开始产生误差,倘若继续由该信道传输则它的丢包率更大于收包率,容易使误差值开始以指数型增长,这时候换了一个信道***重新开始传输则避免了这种误差的指数型增长。类似的,可以推广到多信道***中。
步骤5:根据计算得到估计值确定多信道切换传输优于单信道传输并给出信道切换方法,完成无线网络控制***中多传感器估计性能的优化。
进一步的,所述步骤4中所得到的信道切换方法能够保证在多信道传输***中有效的调度传感器以降低估计误差。
下面通过具体实例对本发明的技术方案进行进一步阐述。实验中,采用单信道和双信道无线网络控制***对比进行算法验证。具体地,使用下面的实验参数:
分别假设***矩阵观测矩阵C=[3 2],***协方差矩阵观测协方差矩阵R=0.6,设置循环次数为1000,取0~1之间的随机数作为估计值xk|k、估计误差协方差矩阵Pk|k和真实值xk的初始,定义初始观测值yk=0,真实值xk第二列为[1 0.4],设置信道参数
对单信道和双信道无线网络控制***进行卡尔曼滤波,对于单信道***中输出一个值,到达传感器1后在到达传感器2,其中有丢包率及时延的存在,传感器1、2之间成功时,传感器2获得的值为1输出值乘***系数A,成功概率为如果不成功,则由上一时刻传感器2已获得的值进行计算。可以得到,在单信道无线网络控制***中多传感器的估计误差协方差将以指数型增长;对于双信道***,假设传感器之间先通过信道1传输,成功n1次后失败转换为信道2传输,再成功n2次后失败换回信道1,之所以采用这样的调度方式是因为在第一个信道传输错误后***开始产生误差,倘若继续由该信道传输则它的丢包率更大于收包率,容易使误差值开始以指数型增长,这时候换了一个信道***重新开始传输则避免了这种误差的指数型增长。
图3、4、5、6、7、8是通过Matlab***对所设计方法的仿真验证结果图。
图3给出了在单信道***中真实值、传感器1处估计值和传感器2处的估计值的比较关系图,图4给出了在单信道***中传感器1处的估计误差和传感器2处的估计误差比较关系图,图5给出了在单信道***中传感器2处的平均估计误差。从图中可以看出传感器2处的估计误差和平均估计误差相对较大。
图6给出了在双信道***中真实值、传感器1处估计值和传感器2处的估计值的比较关系图,图7给出了在双信道***中传感器1处的估计误差和传感器2处的估计误差比较关系图,图8给出了在双信道***中传感器2处的平均估计误差。从图中可以看出传感器2处的估计误差和平均估计误差相对较小。
本发明方法首先建立过程的动态特性和传感器测量方程,获得***参数;接着计算出临界收包概率,即收包率比临界值小的情况下误差会随着时刻推移而发散;然后分别迭代地求解单信道和多信道中心处传感器的估计值与估计误差协方差矩阵;最后根据计算得到的估计值和估计误差,确定多信道切换传输优于单信道传输并且给出切换方法,完成无线网络控制***中多传感器估计性能的优化。本发明利用卡尔曼滤波算法设计无线网络控制***中多传感器估计性能方法,能够保证在多信道传输***中有效的调度传感器以降低估计误差。
总之,以上所述仅为本发明的较佳实施例,凡依本发明申请专利范围所作的均等变化与修饰,皆应属本发明专利的涵盖范围。
Claims (2)
1.一种无线网络控制***中多传感器估计性能方法,其特征在于,包括如下步骤:
(1)获取无线网络控制***传感器参数,建立过程的动态特性和传感器测量方程:
其中,A∈Rn*n表示***矩阵,C∈Rm*n表示行满秩的观测矩阵,xk∈Rn和yk∈Rm是实数向量,分别表示传感器的状态和量测,wk∈Rn和vk∈Rm是零均值的高斯过程,Q是wk的协方差矩阵,R是υk的协方差矩阵,满足Q>0和R>0,m,n是正整数,k表示时刻,(A,C)是可检测的,是稳定的;
(2)连接多个传感器,在每两个传感器之间设置两条信道,同时设置每条信道的参数;利用其中一条连通的信道进行数据传输,如果这条信道开始丢包,则对信道进行切换;设置循环次数,初始化x0,P0,利用卡尔曼滤波算法,分别计算单信道和多信道中心处传感器的估计值与估计误差协方差矩阵,计算方程为:
(3)固定相邻两个传感器,根据步骤(2)计算循环中的估计值和误差协方差矩阵,生成单信道与双信道传输性能的比较图。
2.根据权利要求1所述的一种无线网络控制***中多传感器估计性能方法,其特征在于:步骤(1)中,***的初始状态x0是均值为0和协方差矩阵为P0>0的高斯随机向量,wk,vk和x0是相互独立的。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710256853.5A CN107426748B (zh) | 2017-04-19 | 2017-04-19 | 一种无线网络控制***中多传感器估计性能方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710256853.5A CN107426748B (zh) | 2017-04-19 | 2017-04-19 | 一种无线网络控制***中多传感器估计性能方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107426748A CN107426748A (zh) | 2017-12-01 |
CN107426748B true CN107426748B (zh) | 2020-08-07 |
Family
ID=60423699
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710256853.5A Active CN107426748B (zh) | 2017-04-19 | 2017-04-19 | 一种无线网络控制***中多传感器估计性能方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107426748B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110366232B (zh) * | 2019-06-19 | 2022-02-11 | 东南大学 | 用于远程状态估计的传感器传输能量控制方法 |
CN115276917B (zh) * | 2022-07-29 | 2023-06-20 | 东北大学 | 一种利用历史信息的远程状态估计传输控制方法 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102685780A (zh) * | 2012-05-16 | 2012-09-19 | 姚国良 | 一种无线传感器网络信道接入和批量数据传输方法 |
CN103067965A (zh) * | 2013-01-05 | 2013-04-24 | 无锡赛睿科技有限公司 | 一种基于压缩感知的无线传感器网络管理方法与*** |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8224255B2 (en) * | 2006-08-22 | 2012-07-17 | Embarq Holdings Company, Llc | System and method for managing radio frequency windows |
-
2017
- 2017-04-19 CN CN201710256853.5A patent/CN107426748B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102685780A (zh) * | 2012-05-16 | 2012-09-19 | 姚国良 | 一种无线传感器网络信道接入和批量数据传输方法 |
CN103067965A (zh) * | 2013-01-05 | 2013-04-24 | 无锡赛睿科技有限公司 | 一种基于压缩感知的无线传感器网络管理方法与*** |
Also Published As
Publication number | Publication date |
---|---|
CN107426748A (zh) | 2017-12-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113537514B (zh) | 一种高能效的基于数字孪生的联邦学习框架 | |
JP5709774B2 (ja) | 無線多入力多出力(mimo)ネットワークにおいて送信機と受信機との間のチャネルのためのチャネル行列を推定するための方法 | |
Weimer et al. | Distributed event-triggered estimation in networked systems | |
JP5389801B2 (ja) | 無線通信システム、通信端末、管理端末、通信方法、及び集積回路 | |
CN113723620A (zh) | 无线联邦学习中的终端调度方法和装置 | |
CN107426748B (zh) | 一种无线网络控制***中多传感器估计性能方法 | |
CN114390630A (zh) | 基于信息年龄的物联网通信方法、装置、设备及存储介质 | |
Zhang et al. | Distributed state estimation and data fusion in wireless sensor networks using multi-level quantized innovation. | |
WO2024021440A1 (zh) | 一种迭代聚焦式毫米波一体化通信与感知方法 | |
WO2022206328A1 (zh) | 一种通信协作方法及装置 | |
CN116848828A (zh) | 机器学习模型分布 | |
WO2022001240A1 (zh) | 一种检测方法、装置和通信设备 | |
US20230337131A1 (en) | Method and apparatus for asynchronously allocating resources in mobile edge computing system | |
CN114268348A (zh) | 一种基于深度强化学习的无蜂窝大规模mimo功率分配方法 | |
Johansson et al. | On distributed optimization using peer-to-peer communications in wireless sensor networks | |
Peters et al. | Co-design for control and scheduling over wireless industrial control networks | |
CN111683023A (zh) | 一种模型驱动的基于深度学习的大规模设备检测方法 | |
CN111194048A (zh) | 一种基于em的1比特参数估计方法 | |
Li et al. | Channel-aware latency tail taming in industrial IoT | |
CN114337881B (zh) | 基于多无人机分布式与lms的无线频谱智能感知方法 | |
AU2021101381A4 (en) | Energy-efficient prediction system for data aggregation in sensor network | |
KR101619855B1 (ko) | 전장감시를 위한 무선 센서 네트워크 환경에서 적응형 전송 프로파일을 사용한 대용량 데이터 전송 방법 | |
Derakhshani et al. | Learning-based opportunistic spectrum access with hopping transmission strategy | |
CN108347269A (zh) | 针对多天线***的发送接收优化设计方法 | |
CN115276917B (zh) | 一种利用历史信息的远程状态估计传输控制方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |