在具有不精确过程噪声协方差的二进制传感器网络中进行分布式顺序状态估计：一种变分贝叶斯框架

《IEEE Transactions on Signal and Information Processing over Networks》：Distributed Sequential State Estimation Over Binary Sensor Networks With Inaccurate Process Noise Covariance: A Variational Bayesian Framework

传感器网络中基于二进制测量的分布式序贯状态估计方法研究，通过高斯尾部函数建模二进制传感器输出，采用逆威希特分布描述过程噪声协方差矩阵，结合变分贝叶斯与扩散滤波策略，利用固定点迭代求解近似最优状态估计与协方差矩阵，仿真验证了算法在目标跟踪中的有效性。

　　

摘要：

本文针对一类离散时变系统，在具有不精确过程噪声协方差的二进制传感器网络中，研究了分布式序贯状态估计问题。首先，为了降低通信成本，采用了仅输出一位数据的二进制传感器这一特殊类型的传感器。然后使用高斯尾部函数来描述二进制测量结果的概率分布。接下来，将过程噪声协方差矩阵建模为逆Wishart分布。通过结合变分贝叶斯方法和扩散滤波策略，对序贯估计器和序贯预测器的先验及后验概率密度函数的参数（即均值和方差）进行了形式化处理。接着利用固定点迭代算法获得系统状态和估计协方差矩阵的近似最优分布。最后，一个目标跟踪的仿真示例表明，我们的算法在采用二进制测量输出的情况下能够有效运行。

引言

在过去的几十年中，传感器网络（SNs）由于其广泛的的应用潜力而受到了前所未有的关注，这些应用场景包括军事监视、生物医学健康监测、自然灾害救援和环境监测等。传感器网络通常由大量传感器节点组成，这些节点协同工作以监测感兴趣的区域并从环境中收集数据，节点间的信息可以通过共享的无线通道进行交换[32]、[41]、[46]。众所周知，传感器网络的主要约束是能量和通信限制，因此需要最小化数据传输负担。已经采用了多种通信调度方案来节省有限的信道资源，包括时间触发、事件触发[7]、[21]、[33]、[49]以及动态事件触发机制[12]、[34]、[44]。