摘要:大规模传感器网络在各个领域中有着广泛的应用，分布式估计技术也因此越来越被人们所关注。而拥有更高的滤波精度和数值稳定性是传统的容积卡尔曼滤波（Cubature Kalman Filters，CKF）的基本特征。为了使CKF可适用于大规模传感器网络，提出了一种基于CKF并且利用信息滤波和平均一致性理论而提出的的新算法:分布式容积卡尔曼滤波算法（Distributed Cubature Kalman Filters, DCKF）。 此算法不仅有CKF的高滤波精度和强稳定性，也有分布式滤波的可扩展性和对节点故障的强鲁棒性。

本文主要论述分布式容积卡尔曼滤波算法（DCKF）的基本理论和方法及其在状态估计问题中的应用。首先对非线性滤波的发展状况、研究背景和意义做出了阐述,再从CKF入手，利用信息滤波和平均一致性理论，分析了分布式容积卡尔曼滤波算法的推导过程。最后，将DCKF应用在大规模传感器网络的状态估计问题中，设计相关模型并用MATLAB进行仿真分析。

关键词：非线性滤波  传感器网络  容积卡尔曼滤波  分布式滤波  状态估计

目录

摘要

ABSTRACT

1 绪论-1

1.1 非线性滤波理论的发展-1

1.2传感器网络的状态估计的研究意义与目的-1

2 CKF算法推导-3

2.1 Kalman算法-3

2.2 非线性高斯滤波算法-3

2.3 容积卡尔曼滤波算法-5

2.4 CKF算法与相关非线性滤波算法比较-8

3 分布式容积卡尔曼滤波算法-11

3.1 分布式CKF算法-11

4 分布式容积卡尔曼滤波算法的应用-15

4.1 分布式估计技术在大规模传感器网络中的应用-15

4.2 分布式CKF算法仿真实验与性能分析-15

5 总结与展望-18

参考文献-19

致 谢-20