[发明专利]事件触发通信下的分布式自适应局部扩散控制方法

说明书

本发明公开了一种事件触发通信下的分布式自适应局部扩散控制方法，先确定网络拓扑变化后每个节点位置信息；然后根据每个节点位置信息确定每个节点的邻居节点并计算每个节点当前时刻的中间估计值，如果满足触发条件，则采用当前时刻的中间估计值，如不满足触发条件，则采用上一次满足触发条件时的中间估计值作为当前时刻的中间估计值；然后再确定每个节点当前时刻的自适应权重系数，最后再确定每个节点的输出数据。本发明考虑到动态网络拓扑结构对局部策略估计性能的影响，同时借助传统的ATC算法，通过自适应局部扩散得到了系统估计。同时通过设计事件触发机制，来决定节点在某时刻是否需要向邻居节点发送数据，从而有效减少通信代价。

技术领域

本发明涉及无线传感器网络技术，更具体地说，是一种事件触发通信下的分布式自适应局部扩散控制方法。

背景技术

近年来，无线传感器网络(WSNS)在电网、环境检测等不同领域得到了广泛的应用。在无线传感器网络中，估计网络未知参数的方法很多，集中式求解和分布式求解由于具有更好的估计性能而受到研究者的关注。在集中式解决方案中，网络中的每个节点都将其数据传输到中心节点。在这种解决方案中，中心节点必须承担许多计算任务。一旦中心节点损坏或能量耗尽，可能会导致整个传感器网络崩溃。与集中式解决方案不同，在分布式解决方案中，局部节点相互协作完成网络的估计任务。因此，在链路失效的情况下，它比集中式解决方案具有更强的鲁棒性。

现有文献中，分布式解决方案包括增量、共识和扩散三种方案。在扩散方案中，节点通过广播的方式进行节点间的通信。因此，该方案不依赖于任何中央控制机制或协议，这使分布式算法对通信链路损伤或节点损伤具有更强的鲁棒性。由于这些优点，扩散方案在无线传感器网络中得到了广泛的应用。扩散最小均方(Diffusion least mean-square,DLMS)是一种重要的扩散方案，它为在网络中实现分布式自适应滤波提供了一种简单有效的方法。

然而，在无线传感器网络中，节点往往受到计算能力和电力的限制。当节点在无线网络中执行分布式任务时，最消耗电能的动作是数据传输。因此，减少节点间通信是保证网络长期稳定的必要条件，有许多算法试图减少节点间的通信，如局部扩散或数据选择。

然而，现有的基于估计误差的数据选择方案，将数据分为无意义数据以及错误数据，通过设定合适的阈值降低数据冗余，以达到降低网络通信代价的目的。也有发明提出了基于最小均方(LMS)算法的局部扩散方案，各个节点使用中间估计量的子集进行参数估计，进而降低网络的通信代价。但是，传统的局部扩散方案是以降低算法的估计性能作为降低通信量的代价。同时，没有考虑网络拓扑结构改变对估计性能的影响以及数据冗余造成的通信资源浪费。而在实际环境中，网络的拓扑结构可能随时在发生变化(如：海洋环境)。动态网络拓扑往往意味着每个节点的邻居节点每一时刻都在改变，往往会影响到传统局部扩散策略的估计性能。这意味着传统的算法并不适用动态网络拓扑环境。

发明内容

针对目前研究存在的问题，本发明在于提供一种适于动态网络拓扑环境的局部扩散方法，尽量减少动态网络拓扑中的数据冗余。

为实现上述目的，本发明所采用的具体技术方案如下：

一种事件触发通信下的分布式自适应局部扩散控制方法，其关键在于包括以下步骤：

S1：获取每个节点当前时刻输入数据和上一时刻输出数据，并根据上一时刻每个节点位置信息和移动距离确定当前时刻每个节点位置信息；

S2：根据当前时刻每个节点位置信息确定每个节点的邻居节点，并根据每个节点上一时刻的自适应权重系数、各个邻居节点的输入数据和输出数据确定每个节点当前时刻的中间估计值；

S3：根据每个节点当前时刻的中间估计值判断是否满足触发条件，如果满足触发条件，则采用当前时刻的中间估计值，如不满足触发条件，则采用上一次满足触发条件时的中间估计值作为当前时刻的中间估计值；