1.2.1 传感器的物理构成

传感器节点是一个微型的嵌入式系统，一般由以下四个部分构成：处理器模块、通信模块、传感器模块和能量供给模块[12]。下面简述每个模块的基本功能：

a）处理器模块：包括CPU（中央处理单元）、嵌入式操作系统、存储器等单元，负责控制整个传感器节点的运行，存储和处理采集的数据；

b）通信模块：由网络、MAC协议和信号收发器组成，负责与其它传感器节点之间的通信；

c）传感器模块：由传感器和A/D（模数）信号转换器构成，负责监测区域内的数据采集和信息交换；

d）能量供给模块：通常采用微型电池，负责为整个传感器供应能量；

1.2.2 传感器的拓扑结构

传感器网络的拓扑结构是指传感器的组网技术，根据不同的场景以及应用情况，为了达到资源节省，成本减少和精度提高的目的而采用恰当的网络拓扑结构具有重大的意义。从一般意义上讲，集中式、分布式和混合式是传感器网络最普遍的组网方式。其中，集中式拓扑类似于移动通信中的蜂窝系统，可以对其进行集中管理；分布式结构与ad-hoc（点对点）网络结构相似，支持自组织网络的接入连接和分布式管理；混合式结构是前两者的组合。

1.3基于传感器网络的状态估计问题

1.3.1信息缺失对系统的影响

众所周知，通常嵌入式微处理器在一个传感器网络当中对于信息的容量有限的，主要受到硬件和通信的限制。因此，一些新的缺陷(例如：信号量化，传感器饱和以及执行器故障)就不可避免的出现了，这在系统设计当中是特别值得注意的。这些现象通常被统称为信息缺失，这吸引了许多学者的研究兴趣。然而，当涉及到应用于受到信息缺失问题限制的系统状态估计的事件触发型分布式滤波课题的时候，相应的研究成果却很少。这主要是由于缺少相应的技术来应对这些问题。而传感器节点根据拓扑信息耦合的复杂程度以及高要求的触发机制导致了系统有限的性能也是传感器网络在进行状态估计的时候必须要考虑到的问题。

因此，我们当下调查研究的是在给定的拓扑结构中，信息缺失给传感器网络所采用的基于事件触发的分布式滤波算法带来的影响。

1.3.2时变系统自身对滤波算法的影响

在实际工程当中，绝大多数系统都是时变的，非线性的。对于这类时变系统而言，一个能提供更好的瞬态特性的滤波算法比那些通过传统方法开发的用来实现指定的稳态性能的滤波算法更有效率，更具有适用性。而在对这些系统进行状态估计时会受到未知但有界噪声和传感器饱和约束等问题的影响。由于人为的电磁干扰以及其他环境因素，有时候噪声并不是真的随机。相反，它们是确定的，未知的但有界的（可以通过能量或振幅来确定边界）[13]。因此，大多数基于统计数据的滤波算法（如需要高斯噪声精确信息的卡尔曼滤波方案）就不再适用。值得注意的是，未知但有界的噪声作为非高斯噪声的重要类型，在滤波问题上已经受到相当大的研究关注[13],[14]。最近，递推线性矩阵不等式（RLMI）方法已经成为了一个在处理时变系统的滤波器和控制器的问题上的有效的途径。RLMI方法迄今为止已经在与时变系统相关联的理论研究和工程应用中被广泛的认可和利用。然而，直到现在，这个应用于时变参数系统尤其是包含了事件触发机制和传感器饱和问题的时变系统案例的分布式滤波算法还没有得到充分的开发。

1.3.3滤波算法对传感器网络性能的影响 基于传感器网络的分布式集员滤波问题的研究(3):http://www.youerw.com/zidonghua/lunwen_204983.html