基于动态加权的量化分布式卡尔曼滤波

来源：计算机应用杂志2015年第7期北京时间：

作者：陈小龙, 马磊, 张文旭

单位：西南交通大学 系统科学与技术研究所, 成都 610031

摘要：针对一个无融合中心传感器网络中的状态估计问题,提出一种基于量化信息的分布式卡尔曼滤波(QDKF)算法。首先,在分布式卡尔曼滤波(DKF)中,以节点状态估计精度为加权准则,动态选取加权矩阵,使得全局估计误差的协方差最小;然后,进一步考虑了网络带宽受限制的情况,在DKF算法中加入均匀量化器,节点之间通信使用量化后的信息,以减少网络通信的带宽需求。QDKF算法仿真采用了8 bit的均匀量化器,与Metropolis加权法和最大度加权法相比,动态加权法的状态估计均方根误差分别降低了25%和27.33%。实验结果表明,采用动态加权法的QDKF算法能提高系统的状态估计精度,减少带宽需求,适用于网络通信受限制的应用场合。

关键词：无线传感器网络,分布式算法,量化信息,一致性滤波,动态加权

基金资助：国家自然科学基金资助项目(61075104)。