基於因子圖的無線感測器網路分散式推理方法研究

《基於因子圖的無線感測器網路分散式推理方法研究》是依託河海大學，由李威擔任項目負責人的青年科學基金項目。

基本介紹

• 中文名：基於因子圖的無線感測器網路分散式推理方法研究
• 項目類別：青年科學基金項目
• 項目負責人：李威
• 依託單位：河海大學

項目摘要

怎樣從分布於不同物理區域的大量不確定數據中獲取目標信息，是無線感測器網路數據融合的主要任務之一。因子圖模型可以模擬無線感測器網路採集的不確定數據和需要的目標信息之間的關係，可以模擬不同物理區域之間的相關性，可以通過機率推理的方法計算相應的邊緣機率和條件機率。本項目以移動感測器網路協作定位為套用背景，以因子圖模型和統計推理為主要技術手段，從計算複雜度、收斂速度和通信代價三個角度，研究基於因子圖的無線感測器網路分散式推理方法。主要包括對移動感測器網路協作定位問題構建動態因子圖模型，研究基於重要性採樣的粒子化訊息傳遞算法、基於序貫更新策略的一致加權訊息傳遞算法，以及基於期望傳播的分散式訊息傳遞算法。本項目的研究將為無線感測器網路數據融合設計分散式、快速、精確的推理方法提供理論和技術支撐。

結題摘要

怎樣從這些分布於不同物理區域的大量不確定數據中獲取儘可能精確的目標信息，是無線感測器網路所面臨的主要問題之一。本項目以無線感測器網路協作定位和目標跟蹤為套用背景，從計算複雜度、收斂性和網路通信開銷等三個方面，研究了基於因子圖的無線感測器網路分散式推理方法。首先，本項目通過在因子圖模型中增加時間維，提出了一種動態因子圖模型，將因子圖映射到隨時間變化的無線感測器網路拓撲。針對因子圖模型中高維的連續隨機變數和非線性、非高斯的機率分布函式導致訊息傳遞算法的計算複雜度高的問題，本項目提出了一種基於重要性採樣的序貫粒子化和積算法，將和積算法中的訊息採用一組隨機採樣的粒子和權重來表示。針對無線感測器網路目標跟蹤中的數據融合問題，本項目採用動態因子圖建模，提出了一種無線感測器網路目標跟蹤方法。實驗結果表明新方法的計算複雜度與粒子數量呈線性關係。然後，針對無線感測器網路移動節點協作定位中數據融合算法的收斂問題，本項目採用動態因子圖模型對移動節點之間距離觀測的空間相關性，以及移動節點位置的時間相關性進行建模，提出了一種序貫一致加權和積算法。採用一致加權的方法將因子圖中因子結點的邊顯現機率選取一致，並採用序貫的訊息更新調度，提出按照移動節點的排序控制訊息的疊代更新。實驗結果表明在靜態和移動感測器網路中，新方法的收斂速度優於採用並行訊息更新調度的協作定位方法。最後，針對無線感測器網路移動節點協作定位中數據融合算法的通信開銷問題，本項目研究提出了一種參數化變分和積算法，將移動節點位置的近似邊緣後驗機率採用高斯機率密度函式進行參數化表示，相鄰節點之間只需傳輸相關的高斯參數即可實現訊息的傳遞。實驗結果表明在不影響數據融合精度的前提下，新算法的通信開銷遠小於粒子化訊息傳遞算法。本項目的研究成果對無線感測器網路精確、快速的數據融合具有一定意義。