一种基于状态感知的传感器时空采样方法

摘要

一种基于状态感知的传感器时空采样方法，估计污染源扩散轮廓。是一种迭代的、自适应方法，能够获得近似最优的估计精度。具体地，首先发现，当能量和时延受限时，每次迭代的采样间隔对轮廓估计精度影响很大。其次，利用采样位置的偏差上限，构建了采样间隔与状态参数的关系模型。这个状态参数包括所有移动传感器到污染源的总距离以及污染源位置的置信区间半径。然后，基于Fisher信息(Fisher Information)和最大释然估计的渐进性，推导出污染源位置的置信区间半径。最后，基于这个关系模型，提出一种每步状态感知的采样间隔计算算法。

主权项

一种基于状态感知的传感器时空采样方法，首先通过多次迭代逐步提高轮廓精度，迭代的过程如下：选取一个传感器被选作中心节点，所有的传感器将他们在当前采样位置所测的值发送到中心节点，基于这些采样值，中心节点利用最大释然估计方法来估计污染源扩散轮廓，根据前面的轮廓估计值，中心节点为每个传感器选择新的采样位置，中心节点将新的采样位置发送到各个传感器，各个传感器移动至新的采样位置；最后一次迭代的轮廓估计值将作为轮廓估计值其特征在于：所述采样方法还包括下面的步骤：计算扩散轮廓Θ的Fisher信息矩阵I(Θ)，其中Θ＝{A,t,x₀y₀}，A为污染源的总浓度，t为扩散时间，x₀,y₀为污染源的横坐标位置和纵坐标位置；根据I(Θ)和第j次迭代中轮廓估计计算置信区间半径γ_j，${\gamma }_j=\frac{{\rho }_p}{\sqrt[4]{N}}·\sqrt{I_{3,3}^{-1}\left(\hat{\Theta }\right)+I_{4,4}^{-1}\left(\hat{\Theta }\right)};$N表示传感器的个数；ρ_p为常数，和分别是I^‑1(Θ)矩阵中第3行第3列的元素和I^‑1(Θ)矩阵中第4行第4列的元素；根据第j次迭代中N个传感器的位置向量:和当前轮廓估计计算各个传感器到估计污染源的总距离第j次迭代的采样间隔ξ_j，ξ_j表示第j次迭代的采样间隔；ξ₀表示初始采样间隔；表示所有传感器到估计污染源的距离之和；γ_j表示第j次迭代中污染源位置的置信区间半径；γ₁表示第1次迭代中污染源位置的置信区间半径。