刘春玉， 孙书利

(黑龙江大学电子工程学院，哈尔滨，150080)

近年来，基于传感器网络的分布式滤波算法由于在自校正，目标监视和跟踪中的广泛应用而倍受关注[1-3]。一方面，应用分布式估计机制，每个传感器只与邻居的传感器之间进行通信，减少通讯过程中的能量耗损；另一方面，传感器可以根据自身的位置自组网络，网络拓扑结构随着传感器节点的变化动态调整，这大大减少了计算量[4]。受信息交换过程中通信带宽和能量消耗的限制，在保证一定的估计性能的同时，优化传感器到估计器的通信速率也变得尤为重要[5]。因此，基于事件触发的分布式卡尔曼滤波算法应运而生.

与传统的时间触发方法不同，事件触发方法在减轻传输压力方面具有巨大优势。在事件触发机制中，仅在超过特定阈值时才触发传输，文献[6～10]已经提出了多种可选择的触发机制。事件触发机制这一概念最早是在文献[11]中提出的,可以分为确定性触发机制和随机触发机制。在确定性触发机制的基础上，文献[7]通过卡方分布设置触发阈值，该卡方分布由当前时刻和最新触发时间的观测值之差建立。当事件触发的决策变量超过给定阈值时，将观测值用于状态估计。文献[12]提出了一种基于事件驱动的新型分布式卡尔曼滤波算法，该事件驱动方案由更新的协方差触发，该协方差通常用于描述真实值与估计值之间的误差。

在传感器网络中，与集中式体系结构相比，分布式体系结构具有更好的鲁棒性和可靠性。……