تخمين حالت و انتخاب حسگر توزيع‌يافته در شبكه حسگر بي‌سيم در حضور نويز وابسته به حالت

Distributed Estimation and Sensor Selection in Wireless Sensor Network in the Presence of State-Dependent Noise

در اين مقاله، مسأله تخمين توزيع‌يافته متغيرهاي حالت يك سيستم ديناميكي غيرخطي توسط شبكه حسگر بي‌سيم غيرمتمركز و در حضور نويز مشاهدات وابسته به حالت در نظر گرفته شده است. در برخي حسگرهاي فاصله يا زاويه مانند حسگرهاي فراصوت، خطاي مشاهدات وابسته به حالت مي‌باشد. بدين معنا كه با افزايش فاصله ميان حسگر و هدف، خطاي اندازه‌گيري افزايش يافته و منجر به كاهش كارايي تخمين‌گرها مي‌شود. بنابراين، يك روش تخمين حالت توزيع‌يافته بر اساس اجماع بر روي توابع درست‌نمايي و در حضور نويز وابسته به حالت حسگرهاي زاويه ارائه گشته است. همچنين به منظور جلوگيري از اتلاف انرژي در شبكه، يك الگوريتم انتخاب حسگر توزيع‌يافته پيشنهاد شده است. در شبكه غيرمتمركز، بر خلاف شبكه‌هاي متمركز، مركز همجوشي واحدي براي پردازش داده‌ها به صورت سراسري وجود ندارد. همچنين، هيچ گونه دانش سراسري از توپولوژي كل يك شبكه غيرمتمركز در دسترس نمي‌باشد. بنابراين، در اين مقاله، كران پايين كرامر-رائو به صورت توزيع‌يافته و با در نظر گرفتن نويز وابسته به حالت حسگرهاي زاويه استخراج شده و سپس، از كران به دست آمده براي انتخاب تطبيقي حسگرها يه صورت توزيع‌يافته استفاده شده است. نتايج شبيه‌سازي براي يك مسأله رديابي هدف، نشان‌گر كارايي روش‌هاي تخمين حالت و انتخاب حسگر پيشنهادي مي‌‌باشند.

In this paper, the problem of distributed state estimation of a nonlinear dynamical system in a decentralized Wireless Sensor Network (WSN) in the presence of state-dependent observation noise is considered. Some bearings or ranging devices, such as ultrasonic sensors, have distance-dependent measurement error and their measurement noise variance grows as their relative distance to the target increases. This state-dependent measurement error leads to poor performance of estimation algorithm. To solve this problem, a consensus-based distributed state estimation methodology is presented in this paper by reaching a consensus on likelihood functions in the presence of state-dependent observation noise of bearings sensors. To reduce energy consumption in WSN, a distributed sensor selection algorithm is proposed. Unlike centralized networks, no fusion center is deployed in decentralized networks to gather and process the collected data, globally. Moreover, there is no global knowledge of the network topology in decentralized networks. Therefore, the Posterior Cramér-Rao Lower Bound (PCRLB) is derived in a distributed fashion in the presence of state-dependent noise of bearings sensors, to perform an adaptive sensor selection algorithm. Simulation results demonstrate the effectiveness of the proposed state estimation and sensor selection algorithms for a target tracking problem