基于传感器网络的分布式生化气体源参数测定算法

针对生化气体源参数测定问题，提出了一种基于传感网络的分布式贝叶斯迭代估计算法，该算法在给定气体物理分布扩散模型条件下，通过传感器节点获取气体浓度，并基于分布式扩展卡尔曼滤波（ekf）和无迹卡尔曼滤波（ukf）实现气体源的坐标定位和释放率估计．通过仿真实验对两种分布式算法进行性能分析，结果表明，ukf算法在参数估计成功率和参数估计误差两个方面均要好于ekf算法，分别可以提高约50%和70%，其收敛速度快，使用节点少，更有助于节省网络能量消耗，并延长其生存周期．