基于无线传感网络的飞机舱内环境参数测量估计方法

摘要

本发明公开了一种基于无线传感网络的飞机舱内环境参数测量估计方法，包括：基于飞机舱内部署的无线传感网络对应的传感设备，收集传感器节点对应的邻居节点的测量值，并利用加入所述无线传感网络通信中的量化器，对收集的所述测量值进行量化处理；根据量化处理后的数值，计算对应的卡尔曼一致估计值；利用预设的事件函数，判断计算得到的所述卡尔曼一致估计值是否产生触发事件，并根据判断结果，将对应的估计值进行量化后发送至邻居节点；基于量化后的所述估计值，更新所述无线传感网络中传感器对应的增益矩阵和误差协方差矩阵；根据更新结果，实时判断飞机舱内的环境参数是否达到预设临界值；有效减少了监测过程中对通信带宽的需求。

说明书

技术领域

本发明涉及数据处理技术领域，特别涉及一种基于无线传感网络的飞机舱内环境参数测量估计方法。

背景技术

民航工业的快速发展使得安全舒适的座舱环境成为飞机设计者和民航运营商的主要关注点之一；同时，乘客以及乘务人员等用户也对机舱的环境提出了更高的要求。因为，在狭小封闭的机舱内一旦发生机械故障、管道破裂或密封失效等情况，都会造成舱内空气被污染，使乘客和机组人员产生不良的身体反应，例如、头晕、头疼、耳部疾病、干眼症以及咽喉疼痛等，严重的会导致神经系统功能紊乱等，上述这些可能发生的情况将严重威胁着飞行的安全。因此，对机舱内的环境监控将显得尤为重要；而对机场环境参数的测量则是对机舱环境监控的重要实现手段。

随着无线传感技术的发展，可以利用WSN(Wireless Sensor Network，无线传感器网络)技术来获取飞机舱内的局部信息，从而达到监测飞机舱内环境参数的目的。现有的监测飞机舱内环境参数的技术手段，主要是利用经典的一致性卡尔曼滤波算法来实现的，但现有的这种卡尔曼滤波算法依赖于时间触发，并且在每个采样时间需要与邻居节点之间进行通信，因此，其需要大量的通信成本，比如传输信息的能量消耗以及信道带宽的占用。

发明内容

本发明提供一种基于无线传感网络的飞机舱内环境参数测量估计方法，旨在利用量化器对飞机舱内的环境参数进行测量，节约通信带宽。

本发明提供了一种基于无线传感网络的飞机舱内环境参数测量估计方法，所述环境参数测量估计方法包括：

基于飞机舱内部署的无线传感网络对应的传感设备，收集传感器节点对应的邻居节点的测量值，并利用加入所述无线传感网络通信中的量化器，对收集的所述测量值进行量化处理；

根据量化处理后的数值，计算对应的卡尔曼一致估计值；

利用预设的事件函数，判断计算得到的所述卡尔曼一致估计值是否产生触发事件，并根据判断结果，将对应的估计值进行量化后发送至邻居节点；

基于量化后的所述估计值，更新所述无线传感网络中传感器对应的增益矩阵和误差协方差矩阵；

根据更新结果，实时判断飞机舱内的环境参数是否达到预设临界值。

可选地，所述基于飞机舱内部署的无线传感网络对应的传感设备，收集传感器节点对应的邻居节点的测量值，并利用加入所述无线传感网络中的量化器对收集的所述测量值进行量化处理，之前还包括：

对所述无线传感网络中配置的主传感器和辅传感器各自分别对应的状态量和误差协方差矩阵进行初始化。

可选地，所述将量化器加入至所述无线传感网络的通信中后，配置所述量化器的位数和量化区间范围。

可选地，所述利用加入所述无线传感网络中的量化器对收集的所述测量值进行量化处理，包括：

建立量化器模型，将量化区间划分为两段，前段采用量化等级为L的对数量化器，后段采用量化等级为L的均匀量化器；

其中，建立的所述量化器模型的表达式如下：

所述表达式中，u为待量化的测试量，u_th为阈值，Δq为量化误差，ρ和d为参数且所述参数ρ和d满足：

且

可选地，所述根据量化处理后的数值，计算对应的卡尔曼一致估计值，包括：

按照如下描述的预设公式计算所述卡尔曼一致估计值：

所述预设公式中，γ_ij为节点i和节点j之间的路径损耗率，为最近时的广播估计，C_i,k为一致性增益矩阵，α_k和β_k取值为0或1并且满足：

P{α_k＝1}＝μ₁以及P{β_k＝1}＝μ₂的伯努利分布序列。

可选地，所述利用预设的事件函数，判断计算得到的所述卡尔曼一致估计值是否产生触发事件，包括：

根据预设的所述事件函数：

其中：表示最后传播的状态估计，g_i是一个正标量，满足：：

当时，判断计算得到的所述卡尔曼一致估计值产生触发事件；

当时，判断计算得到的所述卡尔曼一致估计值不会触发任何事件。

可选地，所述根据判断结果，将对应的估计值进行量化后发送至邻居节点，包括：

当时，由于产生触发事件，因此，将当前计算得到的所述卡尔曼一致估计值进行量化后传输至邻居节点；

当时，表示当前计算得到的所述卡尔曼一致估计值接近于前一个值，由于不会触发任何事件，因此，不发送当前计算得到的所述卡尔曼一致估计值，并且邻居节点仍然使用先前接收到的值作为当前估计值。

可选地，所述基于量化后的所述估计值，更新所述无线传感网络中传感器对应的增益矩阵和误差协方差矩阵，包括：

利用量化后的所述估计值，采用如下表达式更新所述增益矩阵和误差协方差矩阵：

其中，所述Q_i,k表示系统噪声协方差矩阵，R_i,k表示观测噪声协方差矩阵，P_i,k表示估计误差协方差矩阵，Δ_q为量化误差。

可选地，所述根据更新结果，实时判断飞机舱内的环境参数是否达到预设临界值，包括：

根据更新结果，按照预设判断公式，实时判断飞机舱内的环境参数是否达到所述预设临界值；其中，所述判断公式为：

式中，Z_Oi为当前飞机舱内的环境参数；

若达到所述预设临界值Z_bl，即满足Z_Oi≥Z_bl，则发出报警信息；

若未达到所述预设临界值Z_bl，即满足Z_Oi＜Z_bl，则输出当前监测到的空气质量指数。

可选地，所述输出当前监测到的空气质量指数包括：

按照空气质量指数计算公式，对所有环境参数进行加权求和以得到平均值，并输出所述空气质量指数AQI为：

其中，所述Z_bl为第l个环境参数限值，α_l为对应的第l个环境参数指标权重值。

本发明一种基于无线传感网络的飞机舱内环境参数测量估计方法可以达到如下有益效果：

基于飞机舱内部署的无线传感网络对应的传感设备，收集传感器节点对应的邻居节点的测量值，并利用加入所述无线传感网络通信中的量化器，对收集的所述测量值进行量化处理；根据量化处理后的数值，计算对应的卡尔曼一致估计值；利用预设的事件函数，判断计算得到的所述卡尔曼一致估计值是否产生触发事件，并根据判断结果，将对应的估计值进行量化后发送至邻居节点；基于量化后的所述估计值，更新所述无线传感网络中传感器对应的增益矩阵和误差协方差矩阵；根据更新结果，实时判断飞机舱内的环境参数是否达到预设临界值；且针对本发明基于无线传感网络的飞机舱内环境参数测量估计方法设计的新的量化器，考虑了上述估计算法的应用背景，能够保证量化器引入的量化误差有界；且由于将量化器加入到了传感器网络的通信中，因此，只要将量化器的位数和量化区间的范围事先规定好，就可以用若干位二进制数来传达节点相互之间传递的数据信息，无需用原有的精确数值进行状态估计，从而有效减少了监测过程中对通信带宽的需求。

本发明的其它特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本发明而了解。本发明的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所指出的内容来实现和获得。

下面通过附图和实施例，对本发明的技术方案做进一步描述。

附图说明

附图用来提供对本发明的进一步理解，并且构成说明书的一部分，与本发明的实施例一起用于解释本发明，并不构成对本发明的限制。在附图中：

图1是本发明基于无线传感网络的飞机舱内环境参数测量估计方法的一种实施方式的流程示意图；

图2是本发明基于无线传感网络的飞机舱内环境参数测量估计方法中，切换量化器的输入输出信号示意图；

图3是本发明基于无线传感网络的飞机舱内环境参数测量估计方法中，加入量化器后的分布式组合网络的节点示意图；

图4是本发明基于无线传感网络的飞机舱内环境参数测量估计方法中，具有10个节点的座舱污染物监测网络拓扑图；

图5是本发明基于无线传感网络的飞机舱内环境参数测量估计方法中，加入量化器后平均估计误差对比图；

图6是本发明基于无线传感网络的飞机舱内环境参数测量估计方法中，加入量化器后一致性误差对比图。

具体实施方式

以下结合附图对本发明的优选实施例进行说明，应当理解，此处所描述的优选实施例仅用于说明和解释本发明，并不用于限定本发明。

本发明提供了一种基于无线传感网络的飞机舱内环境参数测量估计方法，在系统中加入量化器，并利用量化器对飞机舱内的环境参数进行测量，且使得加入量化器后的算法能够及时、准确地估算出飞机舱内的环境参数，同时节约通信带宽。

如图1所示，图1是本发明基于无线传感网络的飞机舱内环境参数测量估计方法的一种实施方式的流程示意图；本发明一种基于无线传感网络的飞机舱内环境参数测量估计方法，可以实施为如下描述的步骤S10-S50：

步骤S10、基于飞机舱内部署的无线传感网络对应的传感设备，收集传感器节点对应的邻居节点的测量值，并利用加入所述无线传感网络通信中的量化器，对收集的所述测量值进行量化处理；

本发明实施例中，为了监控飞机舱内的环境，在飞机舱内部署了无线传感网络对应的传感设备，利用部署的上述传感设备，收集传感器节点对应的邻居节点的测量值。由于本发明实施例中采用的是组合测量结构，因此，利用传统的分布式算法ET-KCF处理的状态量实际上是主辅传感器状态量的误差量，观测值实际上是组合传感器观测值的误差值，且考虑实际环境中存在不可避免的丢包现象，在本发明实施例中，加入所述无线传感网络通信中的量化器为全新的量化器，利用加入的上述量化器，对收集的所述测量值进行量化处理。

在一个实施例中，传感器节点收集邻居传感器节点对应的测量值并做量化，可以表示为：z＝Q(z)。

进一步地，在本发明的一个实施例中，将量化器加入至所述无线传感网络的通信中后，根据具体的使用需求，配置所述量化器的位数和量化区间范围。

步骤S20、根据量化处理后的数值，计算对应的卡尔曼一致估计值；

步骤S30、利用预设的事件函数，判断计算得到的所述卡尔曼一致估计值是否产生触发事件，并根据判断结果，将对应的估计值进行量化后发送至邻居节点；

本发明实施例中，根据经量化器量化处理后的数值，计算对应的卡尔曼一致估计值。根据预设的事件函数，并利用上述计算得到的所述卡尔曼一致估计值判断触发与否。

在一个实施例中，在进行触发与否的判断中，根据计算得到的所述卡尔曼一致估计值，利用所述预设事件函数进行计算，得到一个值，根据得到的值与0的比较结果，判断触发与否。比如，当值大于0时，判断触发事件，将传输当前计算得到的所述卡尔曼一致估计值。当值小于或者等于0时，表示当前的卡尔曼一致估计值就接近于前一个值，因此不会触发任何事件；此时，不发送当前计算得到的所述卡尔曼一致估计值，以便节约能量，且邻居节点仍然使用先前接收的值作为当前估计值。

本发明实施例中，所述预设的事件函数根据具体的飞机舱对应的应用环节进行设置。

步骤S40、基于量化后的所述估计值，更新所述无线传感网络中传感器对应的增益矩阵和误差协方差矩阵；

步骤S50、根据更新结果，实时判断飞机舱内的环境参数是否达到预设临界值。

由于步骤S30中发送至邻居节点的估计值可能为产生触发的当前计算得到的卡尔曼一致估计值，也可能为不产生触发的情况下，邻居节点仍然使用的是先前接收的值作为当前估计值，因此，为了计算结果的准确性，根据量化后的所述估计值，更新所述无线传感网络中传感器对应的增益矩阵和误差协方差矩阵；并根据对上述增益矩阵和误差协方差矩阵的更新结果，实时判断飞机舱内的环境参数是否达到预设临界值。其中，所述飞机舱内的环境参数对应的预设临界值的具体数值，根据飞机舱的具体硬件部署、飞机舱的等级以及飞机舱内用户的实际需求来设置。

在一个实施例中，若判断出飞机舱内的环境参数达到了预设临界值，则发出报警信息；发送报警信息的方式包括但不限于：考虑到飞机舱内乘客的情绪和需求等实际情况，直接将报警信息发送至对应的监控人员。若判断出飞机舱内的环境参数暂未达到预设临界值，则输出当前检测到的该飞机舱内的空气质量指数，以便监控人员能够实时了解飞机舱内的环境。

进一步地，在一个实施例中，在图1所述实施例的“步骤S10、基于飞机舱内部署的无线传感网络对应的传感设备，收集传感器节点对应的邻居节点的测量值，并利用加入所述无线传感网络通信中的量化器，对收集的所述测量值进行量化处理”之前，本发明基于无线传感网络的飞机舱内环境参数测量估计方法还需实施：

对所述无线传感网络中配置的主传感器和辅传感器各自分别对应的状态量和误差协方差矩阵进行初始化。

本发明的一个实施例中，为了后续计算便捷且节约流量，对飞机舱内无线传感网络中配置的主传感器和辅传感器各自分别对应的状态量和误差协方差矩阵进行初始化，表示为：

P_i＝P₀；

进一步地，为了减轻信号传输带宽负担，需要对从观测器传输给估计器的观测值以及各个节点间通讯的估计值做量化处理，针对在无线传感网络中增加的量化器，本发明实施例中，利用加入所述无线传感网络中的量化器对收集的所述测量值进行量化处理，可以实施为：

建立量化器模型，即建立一个将对数量化与均匀量化相结合的全新量化器，本发明实施例中，将量化区间划分为两段，前段采用量化等级为L的对数量化器，后段采用量化等级为L的均匀量化器，建立的上述量化器对应的表达式如下：

所述表达式中，u为待量化的测试量，u_th为阈值，Δ_q为量化误差，ρ和d为参数且所述参数ρ和d满足：

且

可以看出，参数ρ和d的选取保证了新量化器前段对数量化部分的量化误差不会超过Δ_q，阈值u_th的选取和均匀量化器的量化误差Δ_q有关，在无发生丢包时，由于误差量为在原点附近波动的量，因此前半段的对数量化器能够保证其拥有很高的量化精度；而当发生丢包时，输入量变得偏差较大，后半段的均匀量化能够保证整个量化器在规定好的区间内，无论输入为何，其量化误差均小于Δ_q。本发明实施例中所提出的切换量化器示意图如图2所示，图2是本发明基于无线传感网络的飞机舱内环境参数测量估计方法中，切换量化器的输入输出信号示意图。

加入量化器后的分布式组合网络的节点示意图如图3所示，图3是本发明基于无线传感网络的飞机舱内环境参数测量估计方法中，加入量化器后的分布式组合网络的节点示意图。图3所示的节点示意图中，将观测器获取的观测值经对数量化器后再传输给估计器，估计器同时接收来自邻居节点量化后的估计值，并调用ET-KCF算法计算出自身对下一时刻的状态估计，然后再经过量化器量化，并将量化后的信息传送给邻居节点。

进一步地，在一个实施例中，图1所述实施例中的“步骤S20、根据量化处理后的数值，计算对应的卡尔曼一致估计值”可以实施为：

按照如下描述的预设公式计算所述卡尔曼一致估计值：

所述预设公式中，γ_ij为节点i和节点j之间的路径损耗率，为最近时的广播估计，C_i,k为一致性增益矩阵，α_k和β_k取值为0或1并且满足：

P{α_k＝1}＝μ₁以及P{β_k＝1}＝μ₂的伯努利分布序列。

进一步地，在一个实施例中，图1所述实施例中的“步骤S30、利用预设的事件函数，判断计算得到的所述卡尔曼一致估计值是否产生触发事件，并根据判断结果，将对应的估计值进行量化后发送至邻居节点”，可以实施为：

根据预设的所述事件函数：

其中：表示最后传播的状态估计，g_i是一个正标量，满足：

当时，判断计算得到的所述卡尔曼一致估计值产生触发事件；由于产生触发事件，因此，将当前计算得到的所述卡尔曼一致估计值进行量化后传输至邻居节点。

当时，判断计算得到的所述卡尔曼一致估计值不会触发任何事件；表示当前计算得到的所述卡尔曼一致估计值接近于前一个值，由于不会触发任何事件，因此，不发送当前计算得到的所述卡尔曼一致估计值，并且邻居节点仍然使用先前接收到的值作为当前估计值。

进一步地，在一个实施例中，图1所述实施例中的“步骤S40、基于量化后的所述估计值，更新所述无线传感网络中传感器对应的增益矩阵和误差协方差矩阵”，可以实施为：

利用量化后的所述估计值，采用如下表达式更新所述增益矩阵和误差协方差矩阵：

其中，所述Q_i,k表示系统噪声协方差矩阵，R_i,k表示观测噪声协方差矩阵，P_i,k表示估计误差协方差矩阵，Δ_q为量化误差。

进一步地，在一个实施例中，图1所述实施例中的“步骤S50、根据更新结果，实时判断飞机舱内的环境参数是否达到预设临界值”，可以实施为：

根据更新结果，按照预设判断公式，实时判断飞机舱内的环境参数是否达到所述预设临界值；其中，所述判断公式为：

式中，Z_Oi为当前飞机舱内的环境参数；

若达到所述预设临界值Z_bl，即满足Z_Oi≥Z_bl，则发出报警信息；

若未达到所述预设临界值Z_bl，即满足Z_Oi＜Z_bl，则输出当前监测到的空气质量指数。

进一步地，所述输出当前监测到的空气质量指数包括：

按照空气质量指数计算公式，对所有环境参数进行加权求和以得到平均值，并输出所述空气质量指数AQI为：

其中，所述Z_bl为第l个环境参数限值，α_l为对应的第l个环境参数指标权重值。

基于以上实施例的描述，利用本发明实施例描述的基于无线传感网络的飞机舱内环境参数测量估计方法，参照图1所述实施例中的步骤S10-S50循环执行，即可实现对飞机舱内环境参数的测量估计和实时监测。

本发明基于无线传感网络的飞机舱内环境参数测量估计方法，通过基于飞机舱内部署的无线传感网络对应的传感设备，收集传感器节点对应的邻居节点的测量值，并利用加入所述无线传感网络通信中的量化器，对收集的所述测量值进行量化处理；根据量化处理后的数值，计算对应的卡尔曼一致估计值；利用预设的事件函数，判断计算得到的所述卡尔曼一致估计值是否产生触发事件，并根据判断结果，将对应的估计值进行量化后发送至邻居节点；基于量化后的所述估计值，更新所述无线传感网络中传感器对应的增益矩阵和误差协方差矩阵；根据更新结果，实时判断飞机舱内的环境参数是否达到预设临界值；且针对本发明基于无线传感网络的飞机舱内环境参数测量估计方法设计的新的量化器，考虑了上述估计算法的应用背景，能够保证量化器引入的量化误差有界；且由于将量化器加入到了传感器网络的通信中，因此，只要将量化器的位数和量化区间的范围事先规定好，就可以用若干位二进制数来传达节点相互之间传递的数据信息，无需用原有的精确数值进行状态估计，从而有效减少了监测过程中对通信带宽的需求。

本发明基于无线传感网络的飞机舱内环境参数测量估计方法中设计了一种新的量化器，该量化器考虑估计算法的应用背景，能够保证量化器引入的量化误差有界，并在理论上证明了引入量化器之后的算法稳定性条件。且引入量化器之后的算法能够准确及时地估计飞机舱内的环境状况，同时也有效降低了网络通信带宽的需求。下面将利用仿真实验来验证本发明基于无线传感网络的飞机舱内环境参数测量估计方法所实现的上述有益效果。

本发明实施例所描述的仿真实验采用蒙特卡罗方法进行大量独立重复试验，使用各时刻的参数统计均值对监测网络的性能进行分析。在仿真实验中定义如下性能指标：

状态平均估计误差(Mean Estimation Error,MEE)

且满足：

状态平均一致性误差(Mean Consensus Error,MCE)

且满足：

其中，下标k表示仿真运行时刻，N为节点总数。

主传感器和辅传感器的动态误差方程源于各自的基本控制方程，也可以用实际测量数据进行系统辨识得到，用考虑噪声情况下的测量数据将更贴近实际。但是受系统辨识精度以及嵌入式设备性能等的限制，最终主传感器、辅传感器的动态误差方程为真实传感器组合的近似。

图4是本发明基于无线传感网络的飞机舱内环境参数测量估计方法中，具有10个节点的座舱污染物监测网络拓扑图，按照图4的方式部署具有10个节点的传感器检测网络，网络拓扑图如图4所示。

考虑组合传感器的测量误差模型为：

误差初始状态取x₀＝(8,12)^T，系统噪声w_i和测量噪声v_i分别取协方差为10和100i的相互独立高斯白噪声干扰，其中i为节点序号，以此体现各节点不同的测量误差。任意节点i与j之间的路径损耗率γ_ij取0.05，系统采样周期为5ms，卡尔曼滤波器初始预测误差矩阵取P₀＝10I₂，设置观测丢包率与通讯丢包率为0.2，即μ₁＝μ₂＝0.8。量化器参数选取δ＝0.05，d＝1，量化位数L＝4。

图5是本发明基于无线传感网络的飞机舱内环境参数测量估计方法中，加入量化器后平均估计误差对比图，从图5可以看出，在存在丢包与路径损耗下，KCF将发散，而ET-KCF与经过量化后的QET-KCF在存在丢包和路径损耗的情况下依旧能够稳定收敛，且能有效降低通信宽带的需求。

图6是本发明基于无线传感网络的飞机舱内环境参数测量估计方法中，加入量化器后一致性误差对比图，从图6可以看出，经过量化后的QET-KCF与ET-KCF和KCF一样，具有较高的一致性程度，且远高于局部卡尔曼滤波算法，在存在丢包和路径损耗的情况下，一致性误差能够收敛。

由此可见，加入量化器后算法的性能在忽略可接受误差范围内并没有受影响，估计误差依旧很快收敛到有限值内，且一致性误差也依旧保持着较低的程度，即节点间对目标的估计值趋于一致。因此，本发明基于无线传感网络的飞机舱内环境参数测量估计方法在引入量化器之后的算法，能够准确及时地估计飞机舱内的环境状况，同时也有效降低了网络通信带宽的需求。

本领域内的技术人员应明白，本发明的实施例可提供为方法、系统、或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。

本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。

这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。

这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。

显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。