面向多跳无人机自组网SPMA信道占用统计估计的空间相关辅助多源异步卡尔曼滤波器
《Aerospace》:Spatial Correlation-Aided Multi-Source Asynchronous Kalman Filter for SPMA Channel Occupancy Statistics Estimation in Multi-Hop UAV Ad Hoc Networks
【字体:
大
中
小
】
时间:2026年08月29日
来源:Aerospace 2.5
摘要
在采用基于统计优先级的多址接入(SPMA)协议的多跳无人机自组网中,由于饱和网络中每个节点在每个时隙内的传输概率存在固有的上限,HELLO广播间隔无法任意缩短,从而从根本上限制了信道占用统计(COS)的估计精度。为解决这一问题,本文提出了一种空间相关性辅助的多源异步卡尔曼滤波方法,简称SMA-KF。在常规COS广播的基础上,SMA-KF引入了两类互补的观测来源:随数据包捎带的COS测量值,以及经历史偏差补偿的来自公共邻居节点的空间相关观测。这三类观测被整合进统一的卡尔曼滤波框架,并构建了适用于异步间歇观测的的状态空间模型。理论分析验证了算法的收敛性。仿真结果表明,所提算法在所有测试场景下均显著优于EWMA和TW算法,并且在总体误差上低于BiLSTM。在HELLO广播间隔为600个时隙的极度稀疏观测条件下,SMA-KF的归一化均方根误差(NRMSE)为28.28%,分别比EWMA(42.11%)和TW(38.33%)低32.8%和26.2%。在平均数据包到达间隔为20个时隙的重流量场景下,SMA-KF的NRMSE低至4.80%,而EWMA和TW分别为17.49%和15.40%,对应降幅分别为72.6%和68.8%。与BiLSTM相比,SMA-KF在七种流量配置中的五种中实现了更低的NRMSE,而BiLSTM仅在剩余两种配置中表现出微小的、且统计上不显著的优勢。链路中断实验表明,在整个有意义的中断覆盖范围(0%至53%)内,SMA-KF的NRMSE保持在5.68%至10.40%之间,始终优于所有基准算法。此外,在不同的节点移动速度下,SMA-KF始终实现了最低的估计误差。参数敏感性分析证实,SMA-KF在广泛的参数值范围内保持了稳定的性能。这些结果验证了多源观测融合与空间协同估计在提升COS估计精度与鲁棒性方面的有效性。
生物通微信公众号
生物通新浪微博
今日动态 |
人才市场 |
新技术专栏 |
中国科学人 |
云展台 |
BioHot |
云讲堂直播 |
会展中心 |
特价专栏 |
技术快讯 |
免费试用
版权所有 生物通
Copyright© eBiotrade.com, All Rights Reserved
联系信箱:
粤ICP备09063491号