本文關(guān)鍵詞：多智能體協(xié)同定位與Sink節(jié)點位置隱私保護研究

  更多相關(guān)文章： 多智能體 定位 一致性 傳感器網(wǎng)絡(luò) Sink節(jié)點 位置隱私 k-匿名

【摘要】：多智能體(無人車輛、移動傳感器等)系統(tǒng)由于其在空間和功能上的分布性,較強的容錯性、魯棒性和可擴展性等諸多優(yōu)點,廣泛應(yīng)用于軍事、工農(nóng)業(yè)生產(chǎn)、空間探索、醫(yī)學(xué)、交通控制、服務(wù)行業(yè)等領(lǐng)域。而定位問題是多智能體系統(tǒng)中最基本的問題之一,多智能體系統(tǒng)提供的服務(wù)多數(shù)都是基于位置信息的。另一方面,對于傳感器網(wǎng)絡(luò)這類特殊的多智能體系統(tǒng),Sink節(jié)點的位置隱私已經(jīng)成為一個重要的安全問題。Sink節(jié)點是網(wǎng)絡(luò)數(shù)據(jù)的匯聚中心,對整個網(wǎng)絡(luò)的正常運行至關(guān)重要,一旦Sink節(jié)點被發(fā)現(xiàn)并破壞,網(wǎng)絡(luò)感知的數(shù)據(jù)將無法傳輸?shù)綌?shù)據(jù)中心,導(dǎo)致整個網(wǎng)絡(luò)失效。而無線通信介質(zhì)的開放特性使得位置隱私保護成為傳感器網(wǎng)絡(luò)研究的一大難點。相比于靜態(tài)的智能體網(wǎng)絡(luò),移動多智能體系統(tǒng)由于智能體的運動導(dǎo)致位置的不斷交化大大增加了定位的難度。本文針對幾種不同設(shè)定下的移動多智能體定位問題,分別設(shè)計了分布式的狀態(tài)觀測器實現(xiàn)對定位對象位置的實時動態(tài)估計,定位算法具有較快的收斂速度。相比于傳統(tǒng)的基于代數(shù)的靜態(tài)定位方法,基于觀測器的動態(tài)估計增強了算法對測量噪聲的抗干擾能力,同時,算法的分布式特性利用了智能體間的協(xié)作,對于確保存在測量丟失情況下智能體的定位能力大有幫助,增強了系統(tǒng)的魯棒性。注意到現(xiàn)有的Sink位置隱私保護手段都只針對僅具有局部監(jiān)聽能力的攻擊者,而對于具有全局監(jiān)聽能力的攻擊者是無效的,對這一問題的研究迫切需要被填補。本文開創(chuàng)性地將k-匿名策略引入Sink節(jié)點的位置隱私保護,并提出一種基于歐氏最小生成樹的路由算法,在確保Sink節(jié)點位置隱私的同時優(yōu)化系統(tǒng)通信能耗。概括來說,本文的主要研究工作集中在以下幾個方面：首先,在連續(xù)時間框架下,研究基于距離測量的移動多智能體目標(biāo)定位問題。在智能體間的測量和通信是雙向即網(wǎng)絡(luò)拓撲是無向圖的假定下,基于線性時變微分器和一致性思想,本文提出了一種分布式的的連續(xù)時間狀態(tài)觀測器,實時動態(tài)地估計目標(biāo)的相對位置。證明了算法的全局漸近收斂性,并給出了算法收斂網(wǎng)絡(luò)拓撲和智能體運動所須滿足的條件。要實現(xiàn)對未知目標(biāo)的定位,基于代數(shù)的靜態(tài)定位方法通常至少需要2個或3個位置已知的錨節(jié)點,而本文提出的動態(tài)估計算法僅利用單個的移動智能體也能實現(xiàn)對目標(biāo)的定位。此外,相比于靜態(tài)估計,動態(tài)估計對測量噪聲具有更強的抗干擾能力。算法的分布式特性使得智能體在丟失對目標(biāo)測量情況下仍然能夠通過鄰居間的協(xié)作來保持對目標(biāo)位置的實時不間斷估計,增強了系統(tǒng)的魯棒性和環(huán)境適應(yīng)性。本文之前提出的連續(xù)時間定位算法假定距離測量是連續(xù)的,這一要求在實際系統(tǒng)中難以滿足,我們知道實際系統(tǒng)中測量通常都是以離散采樣的方式進行的。因此,本文接著在離散時間框架下,研究了基于距離采樣的移動多智能體目標(biāo)定位問題。此外,更進一步地,我們還假定智能體間的測量和通信是單向的,也即網(wǎng)絡(luò)拓撲是有向圖,這比之前的無向圖假定更苛刻也更一般化。基于上文類似的思想,本文提出了一種分布式的離散時間狀態(tài)觀測器。通過離散系統(tǒng)穩(wěn)定性分析證明了算法的全局漸近收斂性,并給出為使算法收斂,系統(tǒng)采樣周期、智能體的運動以及網(wǎng)絡(luò)拓撲所需滿足的條件。該算法同樣保留了上文的連續(xù)時間動態(tài)估計相比于靜態(tài)定位所具有的優(yōu)勢。接著,我們研究了目標(biāo)定位問題的對偶問題,即移動多智能體的自定位問題。在很多應(yīng)用場景下,如移動車輛的導(dǎo)航,智能體需要對自身進行定位。很多時候,智能體并不需要知道自身的絕對坐標(biāo),而只需要知道自身相對于某個參照路標(biāo)(landmark)的相對位置就足夠了。出于這一考慮,本文假定每個智能體的目標(biāo)是確定自身相對于某個靜止路標(biāo)的相對位置。在前文假定智能體間的測量和通信是單向的基礎(chǔ)上,我們進一步假定測量和通信是不穩(wěn)定的,此時系統(tǒng)對應(yīng)的網(wǎng)絡(luò)拓撲是更為復(fù)雜的時變有向圖,定位的難度也進一步加大。我們提出了一種分布式的帶狀態(tài)切換的連續(xù)時間狀態(tài)觀測器來動態(tài)估計智能體的相對位置,并通過輸入狀態(tài)穩(wěn)定理論、級聯(lián)系統(tǒng)穩(wěn)定性理論證明只要網(wǎng)絡(luò)拓撲、智能體的運動滿足一定條件,則智能體對自身位置的估計誤差全局漸近收斂。這一研究對于促進導(dǎo)航定位基礎(chǔ)理論的研究具有重要的指導(dǎo)意義。最后,研究了傳感器網(wǎng)絡(luò)Sink節(jié)點的位置隱私保護問題。我們在對現(xiàn)有的文獻分析后發(fā)現(xiàn)現(xiàn)有的Sink節(jié)點位置隱私保護手段都只在對抗局部攻擊者時有效,而在對抗全局攻擊者方面尚沒有有效的手段。為了對抗具有全局監(jiān)聽能力的攻擊者,首次將k-匿名策略引入Sink節(jié)點位置隱私保護。為了平衡位置隱私和網(wǎng)絡(luò)路由能耗,提出了一種基于歐氏最小生成樹的路由協(xié)議,從而將問題轉(zhuǎn)化為一個帶非線性約束的復(fù)雜非線性優(yōu)化問題,并給出了兩種高效的近似最優(yōu)求解算法。k-匿名策略的引入對解決其他網(wǎng)絡(luò)模型下的位置隱私保護問題同樣有著重要的借鑒意義。對于提出的各種分析與控制算法,本文在相應(yīng)的章節(jié)給出了詳細的理論分析,并通過數(shù)值仿真進行了驗證。
【關(guān)鍵詞】：多智能體 定位 一致性 傳感器網(wǎng)絡(luò) Sink節(jié)點 位置隱私 k-匿名
【學(xué)位授予單位】：浙江大學(xué)
【學(xué)位級別】：博士
【學(xué)位授予年份】：2015
【分類號】：TP18;TP309
【目錄】：

• 致謝5-7
• 摘要7-9
• Abstract9-13
• 主要符號對照表13-14
• 術(shù)語表14-18
• 1 緒論18-28
• 1.1 引言18-20
• 1.2 多能體協(xié)同定位與位置隱私保護研究現(xiàn)狀20-24
• 1.2.1 定位問題20-22
• 1.2.2 位置隱私保護問題22-24
• 1.3 本文的主要研究內(nèi)容與結(jié)構(gòu)安排24-28
• 1.3.1 研究內(nèi)容24-26
• 1.3.2 結(jié)構(gòu)安排26-28
• 2 預(yù)備知識28-34
• 2.1 引言28
• 2.2 圖論的基本知識28-29
• 2.2.1 無向圖28-29
• 2.2.2 有向圖29
• 2.3 幾類矩陣及矩陣運算29-30
• 2.4 幾類特殊函數(shù)30-31
• 2.5 一致性問題及一致性算法31-32
• 2.6 遺傳算法32-34
• 3 基于一致性的多智能體協(xié)同目標(biāo)定位34-48
• 3.1 引言34-35
• 3.2 問題描述35-38
• 3.3 單智能體目標(biāo)定位38-42
• 3.4 多智能體的協(xié)作目標(biāo)定位42-44
• 3.5 仿真與討論44-47
• 3.6 本章小結(jié)47-48
• 4 基于距離采樣的多智能體協(xié)同目標(biāo)定位48-64
• 4.1 引言48-49
• 4.2 問題描述49-52
• 4.3 基于單個智能體的目標(biāo)定位52-53
• 4.4 多智能體協(xié)同目標(biāo)定位53-57
• 4.5 擴張狀態(tài)觀測器57-59
• 4.6 仿真與討論59-63
• 4.7 本章小結(jié)63-64
• 5 基于單個路標(biāo)和距離測量的時變拓撲多智能體自定位64-82
• 5.1 引言64-67
• 5.2 問題描述67-69
• 5.3 基于一致性的協(xié)同定位69-76
• 5.3.1 受限于測量和通信丟失的定位69-73
• 5.3.2 多智能體協(xié)同定位73-76
• 5.4 仿真與討論76-79
• 5.5 本章小結(jié)79-82
• 6 基于k-匿名策略的傳感器網(wǎng)絡(luò)Sink節(jié)點位置隱私保護82-108
• 6.1 引言82-84
• 6.2 問題描述84-89
• 6.2.1 網(wǎng)絡(luò)模型84-85
• 6.2.2 攻擊模型85-87
• 6.2.3 k-匿名87-89
• 6.3 路由算法描述89-93
• 6.3.1 算法模型89
• 6.3.2 問題細化89-91
• 6.3.3 問題簡化91-93
• 6.4 近似最優(yōu)解93-106
• 6.4.1 最小化E_(av)(K)93-96
• 6.4.2 基于遺傳算法的近似最優(yōu)算法96-100
• 6.4.3 基于人工勢能函數(shù)的近似最優(yōu)算法100-106
• 6.5 本章小結(jié)106-108
• 7 總結(jié)與展望108-112
• 7.1 全文總結(jié)108-110
• 7.2 研究展望110-112
• 參考文獻112-122
• 攻讀博士學(xué)位期間發(fā)表的論文(含錄用)122
• 攻讀博士學(xué)位期間參與的科研項目122

【相似文獻】

中國期刊全文數(shù)據(jù)庫 前10條

1 郭魯;蘇文明;;企業(yè)內(nèi)組織的多智能體論述[J];科技廣場;2008年02期

2 周，

本文編號：1054620