本申请涉及无线传感器网络技术领域，尤其涉及一种多对象的采集控制方法、装置及控制设备。
背景技术：
近年来，随着传感器技术的快速发展，无线传感器网络wsn(wirelesssensornetwork)在各行业中得到了广泛的应用。wsn是由部署在监测区域内大量的廉价微型传感器节点组成，通过无线通信方式形成的一个自组织网络，传感器节点连接在远程控制中心的服务器和各个系统如温度、湿度、光强等系统之间，用于获得各个系统的观测值，并将观测值传输给远程控制中心。
传感器调度是指调度传感器在每个时刻决定是否将自身的估计值发送给远端的控制中心。由于传感器一般都是由电池提供能源的，在复杂危险的环境中充电和更换电池基本上是不可能的，因此每个传感器能源都是有限的，传感器节点不可能一直向远程控制中心发送数据。除此之外，考虑到通信带宽的限制，每一个时刻只能有一个传感器节点可以通过通信信道向远程控制中心传输数据。但是，远程控制中心只有在收到传感器的估计信息后才能对各个系统的状态进行一个较为准确的估计，因此，在传感器能源和带宽限制下，需要合理地安排各个传感器在何时进行数据发送，保证远程控制中心每个时刻对各个系统状态都有更为准确的估计。
而目前的传感器调度方案中，通常是针对单个系统的传感器调度方案，但是，传感器网络通常需要执行多个不同系统的观测值估计和传输，因此，现有的传感器调度方案无法实现对多个系统的传感器调度。
技术实现要素：
有鉴于此，本申请提供一种多对象的采集控制方法、装置及控制设备，用以解决现有技术中无法对多个系统的传感器进行调度控制的技术问题。
本申请提供了一种多对象的采集控制方法，应用于控制设备，所述控制设备对应于多个采集设备，且每个所述采集设备分别对应于一个被采集对象，所述方法包括：
至少根据所述采集设备在至少一个目标时刻传输来的第一状态误差数据，分别对每个所述被采集对象在每个所述目标时刻上进行状态误差估计，以得到每个所述被采集对象在每个所述目标时刻对应的第二状态误差数据；
其中，所述第一状态误差数据为所述采集设备在所述目标时刻对其对应的被采集对象进行估计的状态误差数据；所述第二状态误差数据中至少包含每个所述采集设备对应的控制变量，所述控制变量表征所述采集设备在所述至少一个目标时刻中向所述控制设备传输所述被采集对象的状态估计数据的次数；
至少根据所述第二状态误差数据，建立所述至少一个目标时刻对应的控制模型，所述控制模型中以每个所述采集设备对应的控制变量为决策变量且以所述第二状态误差数据的平均值为优化目标；
对所述控制模型进行优化处理，以得到每个所述采集设备的控制变量的变量值；
根据所述变量值，对每个所述采集设备进行控制，以使得所述采集设备在每个所述目标时刻向所述控制设备传输所述被采集对象的状态估计数据或者不向所述控制设备传输所述被采集对象的状态估计数据。
上述方法，优选的，还包括：
获得所述控制模型的约束模型，所述约束模型至少包含关于所述采集设备向所述控制设备传输所述状态估计数据的带宽约束条件，和/或，关于所述采集设备向所述控制设备传输所述状态估计数据的能耗约束条件；
其中，对所述控制模型进行优化处理，包括：
在所述采集设备按照所述控制变量向所述控制设备传输所述状态估计数据满足所述带宽约束条件和/或所述能耗约束条件的情况下，对所述控制模型进行优化处理，以得到每个所述采集设备的控制变量的变量值。
上述方法，优选的，所述带宽约束条件包括：在每个所述目标时刻只有一个所述采集设备向所述控制设备传输所述状态估计数据；
所述能耗约束条件包括：每个所述采集设备在每个所述目标时刻中向所述控制设备传输所述状态估计数据的平均能耗小于所述采集设备对应的能耗阈值。
上述方法，优选的，所述采集设备在所述目标时刻对应的所述第一状态误差数据通过以下方式得到，包括：
获得在所述目标时刻以及所述目标时刻之前的多个时刻上对其对应的被采集对象的采集值；
至少根据所述采集值获得在所述目标时刻对其对应的被采集对象的第一状态估计数据；
至少根据所述第一状态估计数据获得在所述目标时刻分别对其对应的被采集对象进行误差估计的协方差数据，以将所述协方差数据作为第一状态误差数据。
上述方法，优选的，至少根据所述采集设备在至少一个目标时刻传输来的第一状态误差数据，分别对每个所述被采集对象在每个所述目标时刻上进行状态误差估计，包括：
在所述控制设备上接收到所述采集设备在当前的目标时刻传输的第一状态误差数据的情况下，将接收到的第一状态误差数据作为所述被采集对象在当前的目标时刻对应的第二状态误差数据；
在所述控制设备上没有接收到所述采集设备在当前的目标时刻传输的第一状态误差数据的情况下，至少利用所述被采集对象的对象参数，对所述被采集对象在当前的目标时刻的前一时刻对应的第二状态误差数据进行处理，以得到所述被采集对象在当前的目标时刻对应的第二状态误差数据。
上述方法，优选的，至少根据所述第二状态误差数据，建立所述至少一个目标时刻对应的控制模型，包括：
将所述第二状态误差数据加和，再将加和得到的数据对所述至少一个目标时刻求平均，以得到所述至少一个目标时刻对应的控制模型。
上述方法，优选的，所述采集设备至少包括第一采集设备和第二采集设备；
其中，根据所述变量值，对每个所述采集设备进行控制，包括：
判断所述第一采集设备的控制变量的第一变量值与所述第二采集设备的控制变量的第二变量值的比值是否小于或等于预设的比例阈值；
如果是，按照第一方式，在所述至少一个目标时刻中获得至少一个第一目标时刻，以控制所述第一采集设备分别在所述第一目标时刻向所述控制设备传输所述被采集对象的状态估计数据，并控制所述第二采集设备在所述至少一个目标时刻中除所述第一目标时刻之外的其他时刻向所述控制设备传输所述被采集对象的状态估计数据；所述第一目标时刻的数量与所述第一变量值一致；
如果否，按照第二方式，在所述至少一个目标时刻中获得至少一个第二目标时刻，以控制所述第二采集设备分别在所述第二目标时刻向所述控制设备传输所述被采集对象的状态估计数据，并控制所述第一采集设备在所述至少一个目标时刻中除所述第二目标时刻之外的其他时刻向所述控制设备传输所述被采集对象的状态估计数据；所述第二目标时刻的数量与所述第二变量值一致；
其中，所述第一方式与所述第二方式不同。
上述方法，优选的，其中：
所述第一方式包括：
根据所述第一变量值和所述第二变量值，获得时刻间隔值，所述时刻间隔值为大于或等于1的正整数；
在所述至少一个目标时刻中每间隔所述时刻间隔值的数量的目标时刻，获得一个第一目标时刻，直到所述第一目标时刻的数量与所述第一变量值一致；
所述第二方式包括：
在所述至少一个目标时刻中每间隔一个所述目标时刻，获得一个第二目标时刻，直到所述第二目标时刻的数量与所述第二变量值一致。
本申请还提供了一种多对象的采集控制装置，应用于控制设备，所述控制设备对应于多个采集设备，且每个所述采集设备分别对应于一个被采集对象，所述装置包括：
误差获得单元，用于至少根据所述采集设备在至少一个目标时刻传输来的第一状态误差数据，分别对每个所述被采集对象在每个所述目标时刻上进行状态误差估计，以得到每个所述被采集对象在每个所述目标时刻对应的第二状态误差数据；
其中，所述第一状态误差数据为所述采集设备在所述目标时刻对其对应的被采集对象进行估计的状态误差数据；所述第二状态误差数据中至少包含每个所述采集设备对应的控制变量，所述控制变量表征所述采集设备在所述至少一个目标时刻中向所述控制设备传输所述被采集对象的状态估计数据的次数；
模型建立单元，用于至少根据所述第二状态误差数据，建立所述至少一个目标时刻对应的控制模型，所述控制模型中以每个所述采集设备对应的控制变量为决策变量且以所述第二状态误差数据的平均值为优化目标；
模型优化单元，用于对所述控制模型进行优化处理，以得到每个所述采集设备的控制变量的变量值；
设备控制单元，用于根据所述变量值，对每个所述采集设备进行控制，以使得所述采集设备在每个所述采集设备向所述控制设备传输所述被采集对象的状态估计数据或者不向所述控制设备传输所述被采集对象的状态估计数据。
本申请还提供了一种控制设备，包括：
存储器，用于存储应用程序和所述应用程序运行所产生的数据；
处理器，用于执行所述应用程序以实现：
至少根据所述采集设备在至少一个目标时刻传输来的第一状态误差数据，分别对每个所述被采集对象在每个所述目标时刻上进行状态误差估计，以得到每个所述被采集对象在每个所述目标时刻对应的第二状态误差数据；
其中，所述第一状态误差数据为所述采集设备在所述目标时刻对其对应的被采集对象进行估计的状态误差数据；所述第二状态误差数据中至少包含每个所述采集设备对应的控制变量，所述控制变量表征所述采集设备在所述至少一个目标时刻中向所述控制设备传输所述被采集对象的状态估计数据的次数；
至少根据所述第二状态误差数据，建立所述至少一个目标时刻对应的控制模型，所述控制模型中以每个所述采集设备对应的控制变量为决策变量且以所述第二状态误差数据的平均值为优化目标；
对所述控制模型进行优化处理，以得到每个所述采集设备的控制变量的变量值；
根据所述变量值，对每个所述采集设备进行控制，以使得所述采集设备在每个所述目标时刻向所述控制设备传输所述被采集对象的状态估计数据或者不向所述控制设备传输所述被采集对象的状态估计数据。
从上述技术方案可以看出，本申请提供的一种多对象的采集控制方法、装置及控制设备中，通过采集设备在目标时刻传输来的第一状态误差数据分别对每个被采集对象在每个目标时刻上进行状态误差估计，进而可以得到至少包含每个采集设备对应的控制变量的第二状态误差数据，控制变量表征所述采集设备在多个目标时刻中向控制设备传输被采集对象的状态估计数据的次数，而且第一状态误差数据包含采集设备在目标时刻中对其对应的被采集对象进行估计的状态误差数据，基于此，本申请中至少根据第二状态误差数据，建立这些目标时刻对应的控制模型，在控制模型中以每个采集设备对应的控制变量为决策变量且以第二状态误差数据的平均值为优化目标，由此在对控制模型进行优化处理之后，就可以得到每个采集设备的控制变量的变量值，进而可以根据变量值，对每个采集设备进行控制，以使得采集设备在每个目标时刻向控制设备传输被采集对象的状态估计数据或者不向控制设备传输被采集对象的状态估计数据，而同时能够保证状态误差数据的平均值最小。可见，本申请中基于采集设备向控制设备传输被采集对象的状态估计数据或者不向控制设备传输被采集对象的状态估计数据所对应的控制变量，根据各个采集设备传输来的状态误差数据获得控制设备上对状态误差的估计，而此时控制设备上所估计出的状态误差数据中就包含有各个采集设备是否向控制设备传输状态估计数据的控制变量，进而在建立控制模型之后，以控制变量为决策变量对控制模型进行状态误差数据的平均值优化，从而得到状态误差平均值最小状态下对应的控制变量的变量值，由此得到多个被采集对象各自对应的采集设备是否向控制设备传输被采集对象的状态估计数据的调度控制策略，在控制采集设备按照所得到的变量值向控制设备传输状态估计数据时，就能够保证控制设备上的平均误差最小，由此，实现针对多个被采集对象的采集设备的最优调度控制。
附图说明
为了更清楚地说明本申请实施例的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为本申请实施例一提供的一种多对象的采集控制方法的流程图；
图2-图3分别为本申请实施例的示例图；
图4为本申请实施例一提供的一种多对象的采集控制方法的另一流程图；
图5-图8分别为本申请实施例对采集设备进行控制的示例图；
图9为本申请实施例二提供的一种多对象的采集控制装置的结构示意图；
图10为本申请实施例三提供的一种电子设备的结构示意图；
图11为本申请实施例适用于对传感器网络中的无线传感器进行调度控制的流程示意图；
图12-图13分别为本申请实施例适用于对传感器网络中的无线传感器进行调度控制的示例图；
图14-图18分别为本申请实施例适用于对传感器网络中的无线传感器进行调度控制的调度效果示意图；
图19为本申请实施例适用于对传感器网络中的无线传感器进行调度控制的结构示意图。
具体实施方式
下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。
参考图1，为本申请实施例一提供的一种多对象的采集控制方法的实现流程图，该方法可以适用于对应于多个采集设备的控制设备中，具体可以由控制设备中的处理器执行本实施例中的技术方案，如远程控制中心的调度服务器等，如图2中所示，而采集设备为对应于该控制设备的能够对相应被采集对象的状态数据进行采集以及估计的设备，如无线传感器等，本实施例中所提到的估计是指由于采集设备对被采集对象进行状态数据的采集时，可能存在没有采集到或采集到的值存在不准确的情况，因此，采集设备会在采集到被采集对象的状态数据采集值以及在没有采集到采集值的情况下，对状态数据进一步进行估计，得到相应的状态估计数据。这其中的被采集对象即为被采集相应状态数据或被估计相应状态估计数据的系统，如房间、人或物等对象，例如，温度传感器对房间的温度数据进行采集还能够对房间的温度数据进行估计，再如，湿度传感器对房间的湿度数据进行采集还能够对房间的湿度数据进行估计，等等。本实施例中的技术方案主要用于实现对多个采集设备的调度控制，以控制每个采集设备在每个时刻是否向控制设备传输其估计到的状态估计数据。
具体的，本实施例中的方法可以包含以下步骤：
步骤101：至少根据采集设备在至少一个目标时刻传输来的第一状态误差数据，分别对每个被采集对象在每个目标时刻上进行状态误差估计，以得到每个被采集对象在每个目标时刻对应的第二状态误差数据。
其中，至少一个目标时刻可以理解为需要对采集设备是否向控制设备传输状态估计数据进行调度控制的一个或多个时刻，这一个或多个目标时刻组成一个调度周期，具体可以以θ表示，如图3中具有10个目标时刻的调度周期所示。
而第一状态误差数据为所述采集设备在目标时刻对其对应的被采集对象进行估计的状态误差数据。
需要说明的是，在每个目标时刻上，控制设备上所接收到的第一状态误差数据为某一个采集设备所传输的状态误差数据，因此，在某一个目标时刻上，控制设备上接收到一个第一状态误差数据，而在调度周期内，控制设备上会接收目标时刻的数量的第一状态误差数据，这些第一状态误差数据可能来自控制设备所对应的多个采集设备中的一个或多个采集设备，调度周期内控制设备所接收到的第一状态误差数据所对应的采集设备可能分别不同，或者也可能存在重合，例如，在不相邻的两个目标时刻上分别接收到第一采集设备传输的第一状态误差数据，或者，在前一个目标时刻上接收到第一采集设备传输的第一状态误差数据，在后一个目标时刻上接收到第二采集设备传输的第一状态误差数据，等等。
具体的，采集设备在目标时刻所传输的第一状态误差数据可以由采集设备在目标时刻对其对应的被采集对象的状态估计数据进行误差估计来得到。其中，第一状态误差数据可以用协方差数据如协方差矩阵等来表示。以下以某个采集设备在某个目标时刻上对其对应的被采集对象的状态误差数据进行估计为例，具体如下：
首先，在采集设备上，获得在目标时刻以及目标时刻之前的多个时刻上对其对应的被采集对象的采集值，即采集设备上实际的观测值；其中，这里目标时刻之前的多个时刻可以包含有从时刻0开始即从采集设备启动开始之后的多个时刻；具体的，这里的目标时刻上对应的采集值可以通过采集设备实时采集得到，而目标时刻之前的多个时刻上对应的采集值可以在采集设备的存储区域所存储的历史数据中读取得到；
之后，至少根据采集值，获得在目标时刻上对其对应的被采集对象的第一状态估计数据；也就是说，在获得到采集值之后，通过后验估计的方式在目标时刻利用采集值进行状态数据估计，从而得到在目标时刻上对其对应的被采集对象的第一状态估计数据；需要说明的是，本实施例中还可以预先获得被采集对象的对象参数以及采集设备的设备参数，如噪音参数等，在获得第一状态估计数据时，利用对象参数和/或设备参数对采集值进行处理，进而得到第一状态估计数据；
最后，至少根据这些第一状态估计数据，获得在目标时刻分别对其对应的被采集对象进行误差估计的协方差数据，如协方差矩阵等，以将协方差数据作为第一状态误差数据。
需要说明的是，本实施例中可以利用对象参数和/或设备参数对第一状态估计数据进行处理，进而得到协方差矩阵等协方差数据作为第一状态误差数据。
基于此，本实施例中的控制设备至少根据在每个目标时刻上接收到的第一状态误差数据，分别对每个被采集对象在每个目标时刻上进行状态误差估计的具体实现中，由于在每个目标时刻上只有一个采集设备向控制设备传输第一状态误差数据，因此，对于控制设备来说，在每个目标时刻只接收到一个采集设备所传输的第一状态误差数据，基于此，控制设备在针对每个被采集对象在每个目标时刻上的第二状态误差数据进行估计时，以对某个被采集对象在当前的目标时刻上的第二状态误差数据进行估计为例，分为以下两种情况：
在控制设备上接收到当前的被采集对象对应的采集设备在当前的目标时刻传输的第一状态误差数据的情况下，将接收到的第一状态误差数据作为采集设备对应的被采集对象在当前的目标时刻对应的第二状态误差数据；
而在控制设备上没有接收到当前的被采集对象对应的采集设备在当前的目标时刻传输的第一状态误差数据的情况下，至少利用被采集对象的对象参数，对被采集对象在当前的目标时刻的前一时刻对应的第二状态误差数据进行处理，以得到被采集对象在当前的目标时刻对应的第二状态误差数据。
也就是说，如果控制设备上有接收到当前的采集设备在当前的目标时刻所传输的第一状态误差数据，那么就将接收到的第一状态误差数据作为当前的采集设备对应的被采集对象在当前的目标时刻上对应的第二状态误差数据，如果控制设备上没有接收到第一状态误差数据，那么由于在控制设备中预先保存有各个采集设备的设备参数以及相应的被采集对象的对象参数，如状态系数以及过程噪声等参数，基于此控制设备可以根据被采集对象的这些对象参数，进一步还可以结合相应采集设备的设备参数，对当前的目标时刻的前一时刻的第二状态误差数据进行更新或修正等处理，再将所得到的状态误差数据作为被采集对象在当前的目标时刻所对应的第二状态误差数据。
基于此，控制设备针对每个被采集对象在每个目标时刻上的第二状态误差数据进行估计时均采用以上的估计方案，由此分别得到每个被采集对象各自在每个目标时刻上对应的第二状态误差数据。
可见，由于每个采集设备并不是在每个目标时刻上均向控制设备传输被采集对象的状态估计数据，在每个目标时刻上每个采集设备是否向控制设备传输被采集对象的状态估计数据是未知的，因此，在控制设备上所估计出的第二状态误差数据中至少包含有每个采集设备对应的控制变量，控制变量表征采集设备在调度周期的目标时刻中向控制设备传输被采集对象的状态估计数据的次数，相应的，使用调度周期内的目标时刻的总数量减去其中一个采集设备的控制变量就能够得到其他采集设备的控制变量，也就是说，所有采集设备的控制变量的和为目标时刻的总数量。例如，对于对应于两个采集设备的控制设备，其中的第一采集设备在10个目标时刻中只传输两次，那么第二采集设备中在10个目标时刻中传输8次。
步骤102：至少根据第二状态误差数据，建立所述至少一个目标时刻对应的控制模型。
其中，控制模型中以每个采集设备对应的控制变量为决策变量且以第二状态误差数据的平均值为优化目标。
具体的，本实施例中可以对第二状态误差数据在目标时刻上求平均来建立控制模型。例如，本实施例中先将每个被采集对象在每个目标时刻上对应的第二状态误差数据进行加和，再将加和得到的数据对目标时刻的数量求平均，进而得到至少以控制变量来表示第二状态误差数据在目标时刻上的平均值的控制模型。
步骤103：对控制模型进行优化处理，以得到每个所述采集设备的控制变量的变量值。
其中，变量值的大小表征在包含所有目标时刻的调度周期内相应采集设备向控制设备传输被采集对象的状态估计数据的次数多少。
需要说明的是，本实施例中对控制模型进行优化处理，是对控制模型以最小化第二状态误差数据的平均值为优化目标进行优化，也就是说，以控制变量为决策变量，最小化控制模型中的第二状态误差数据的平均值，在第二状态误差数据的平均值最小时所对应的控制变量的数值即为所得到的变量值。
例如，对于对应于两个采集设备的控制设备，建立在10个目标时刻上对应的控制模型，以这10个目标时刻上两个采集设备所传输的状态估计数据的状态误差数据的平均值最小化为优化目标，在控制设备上接收到的状态估计数据的状态误差数据的平均值最小时，得到在10个目标时刻中第一采集设备传输2次以及第二采集设备传输8次的决策变量优化结果，由此，得到第一采集设备的控制变量的变量值为2，第二采集设备的控制变量的变量值为8。
步骤104：根据变量值，对每个采集设备进行控制，以使得采集设备在每个目标时刻向控制设备传输被采集对象的状态估计数据或者不向控制设备传输被采集对象的状态估计数据。
也就是说，根据每个采集设备各自的控制变量的变量值，就可以确定采集设备在包含所有目标时刻的调度周期内的传输次数，进而控制采集设备分别按照其控制变量的变量值在调度周期内的相应数量的目标时刻上向控制设备传输被采集对象的状态估计数据，例如，按照变量值2和8，控制第一采集设备在10个目标时刻中的两个目标时刻上向控制设备传输其对应的被采集对象的状态估计数据，控制第二采集设备中在10个目标时刻中其他的8个目标时刻上向控制设备传输其对应的被采集对象的状态估计数据。
由上述方案可知，本申请实施例一提供的一种多对象的采集控制方法中，基于采集设备向控制设备传输被采集对象的状态估计数据或者不向控制设备传输被采集对象的状态估计数据所对应的控制变量，根据各个采集设备传输来的状态误差数据获得控制设备上对状态误差的估计，而此时控制设备上所估计出的状态误差数据中就包含有各个采集设备是否向控制设备传输状态估计数据的控制变量，进而在建立控制模型之后，以控制变量为决策变量对控制模型进行状态误差数据的平均值优化，从而得到状态误差平均值最小状态下对应的控制变量的变量值，由此得到多个被采集对象各自对应的采集设备是否向控制设备传输被采集对象的状态估计数据的调度控制策略，在控制采集设备按照所得到的变量值向控制设备传输状态估计数据时，就能够保证控制设备上的平均误差最小，由此，实现针对多个被采集对象的采集设备的最优调度控制。
在一种实现方式中，在步骤103中对控制模型进行优化处理之前，本实施例中的方法中还可以包括以下步骤，如图4中所示：
步骤105：获得控制模型的约束模型。
其中，约束模型至少包含关于采集设备向控制设备传输状态估计数据的宽带约束条件，和/或，关于采集设备向控制设备传输状态估计数据的能耗约束条件。
具体的，带宽约束条件可以包括：在每个目标时刻只有一个采集设备向控制设备传输所述状态估计数据；
而能耗约束条件包括：每个采集设备在每个目标时刻中向控制设备传输状态估计数据的平均能耗小于采集设备对应的能耗阈值。
基于此，本实施例中在步骤103对控制模型进行优化处理时，是在满足以上约束模型的约束下进行优化的，也就是说，在采集设备按照控制变量向控制设备传输状态估计数据满足宽带约束条件和/或能耗约束条件的情况下，对控制模型进行优化处理，以得到每个采集设备的控制变量的变量值，基于此，在控制每个采集设备按照其控制变量的变量值向控制设备传输被采集对象的状态估计数据时，能够使得：每个目标时刻只有其中一个采集设备向控制设备传输状态估计数据，和/或，每个采集设备在这些目标时刻中向控制设备传输状态估计数据的平均能耗小于采集设备对应的能耗阈值。
在一种实现方式中，步骤104中在根据变量值对每个采集设备进行控制时，可以先按照采集设备之间的顺序控制采集设备依次在相应变量值数量的目标时刻上向控制设备发送状态估计数据，或者按照被采集对象之间的顺序控制相应的采集设备依次在相应变量值数量的目标时刻上向控制设备发送状态估计数据，或者，将采集设备向控制设备发送状态估计数据的目标时刻进行均匀分配，也可以理解为均匀设置或布局。
例如，如果第一变量值和第二变量值相同均为5的情况下，可以将第一目标时刻和第二目标时刻相邻间隔，如图5中所示，在10个目标时刻上，第一采集设备a和第二采集设备b交替向控制设备传输被采集对象的状态估计数据。
而如果第一变量值和第二变量值不同的情况下，则可以按照某种特定的方式对采集设备向控制设备发送状态估计数据的目标时刻进行均匀分配。
具体的，本实施例中可以根据不同的采集设备的控制变量的变量值之间的大小来合理安排每个采集设备向控制设备传输状态估计数据的目标时刻。以下采集设备中包含两个采集设备如第一采集设备和第二采集设备为例，对第一采集设备和第二采集设备向控制设备传输状态估计数据的目标时刻的调度控制方式如下：
首先，判断第一采集设备的控制变量的第一变量值与第二采集设备的控制变量的第二变量值的比值是否小于或等于预设的比例阈值，该比例阈值可以根据需求进行预设或实时修改，例如，比例阈值可以为小于0.5的值，也就是说，本实施例中判断第一变量值是否小于第二变量值的一半，也就是判断第一变量值是否远小于第二变量值；
基于此，如果第一变量值与第二变量值的比值小于或等于比例阈值，那么按照第一方式，在所有的目标时刻中即一个调度周期内获得至少一个第一目标时刻，以控制第一采集设备分别在每个第一目标时刻向控制设备传输被采集对象的状态估计数据，并控制第二采集设备在所有的目标时刻中除第一目标时刻之外的其他时刻向控制设备传输被采集对象的状态估计数据，此时第一目标时刻的数量与第一变量值相一致；
而如果第一变量值与第二变量值的比值大于或等于比例阈值，那么按照与第一方式不同的第二方式，在所有的目标时刻中获得至少一个第二目标时刻，以控制第二采集设备分别在每个第二目标时刻向控制设备传输被采集对象的状态估计数据，并控制第一采集设备在所有的目标时刻中除第二目标时刻之外的其他时刻向控制设备传输被采集对象的状态估计数据，此时第二目标时刻的数量与第二变量值一致。
也就是说，在第一变量值和第二变量值不同的情况下，按照两者的大小关系，按照不同的方式将第一采集设备和第二采集设备各自对应的向控制设备传输状态估计数据的目标时刻均匀设置或者至少近似均匀的设置，即将第一采集设备向控制设备传输状态估计数据的第一目标时刻与第二采集设备向控制设备传输状态估计数据的第二目标时刻均匀分布。
以下以第一变量值和第二变量值不同的情况为例，对第一方式和第二方式进行举例说明：
第一方式可以为：根据第一变量值和第二变量值，获得时刻间隔值，这里的时刻间隔值为大于或等于1的正整数；基于此，在所有的目标时刻中每间隔时刻间隔值的数量的目标时刻，就获得一个第一目标时刻，直到第一目标时刻的数量与第一变量值一致。
如图6中所示，根据第一变量值3和第二变量值7之间的大小关系，获得时刻间隔值，时刻间隔值能够反映出第一变量值与第二变量值之间的比值，例如，时刻间隔值为2，那么在10个目标时刻中每间隔2个目标时刻，就确定一个目标时刻，直到选出3个第一目标时刻，此时，可以控制第一采集设备a分别在每个第一目标时刻向控制设备传输被采集对象的状态估计数据，并控制第二采集设备b在其他时刻向控制设备传输被采集对象的状态估计数据。
第二方式可以为：在所有目标时刻中每间隔一个目标时刻，获得一个第二目标时刻，直到第二目标时刻的数量与第二变量值一致。
如图7中所示，根据第一变量值8和第二变量值2之间的大小关系，在所有目标时刻中每间隔一个目标时刻，就确定一个目标时刻，直到选出2个第二目标时刻，此时，可以控制第二采集设备b分别在每个第二目标时刻向控制设备传输被采集对象的状态估计数据，并控制第一采集设备a在其他时刻向控制设备传输被采集对象的状态估计数据。
需要说明的是，本实施例中在针对第一变量值和第二变量值互换之后再采用以上两种方式可能会得到完全相同或不同的目标时刻的设置方式，但是均满足本实施例中约束模型的约束限制，因此，所得到的不同的方案在实质上是相同的。例如，在第一变量值3和第二变量值7之间的大小关系，可以得到如图6中所示的目标时刻设置方式；而在第一变量值7和第二变量值3之间的大小关系，可以得到如图8中所示的目标时刻设置方式，虽然这两种方式的设置方式有所不同，但实际控制采集设备向控制设备传输状态估计数据所产生的状态误差数据最小且满足能耗约束条件，均属于本实施例所输出的最优调度控制方案。
再如，以第一变量值为2和第二变量值为3为例，基于以上方案，时刻间隔值为1，由此，按照第一方式得到第一采集设备和第二采集设备在第一个调度周期和第二个调度周期内的调度方案为：b、a、b、a、b、b、a、b、a、b，而按照第二方式所得到的第一采集设备和第二采集设备在第一个调度周期和第二个调度周期内的调度方案为：a、b、a、b、a、b、b、a、b、a，可见，由于第一采集设备和第二采集设备的调度方案是周期性的，因此，第二方式得到的调度方案与第一方式所得到的调度方案之间是相匹配的，是完全相同的。
参考图9，为本申请实施例二提供的一种多对象的采集控制装置的结构示意图，该装置可以配置在对应于多个采集设备的控制设备中，具体可以由控制设备中的处理器执行本实施例中的技术方案，如远程控制中心的调度服务器等，如图2中所示，而采集设备为对应于该控制设备的能够对相应被采集对象的状态数据进行采集以及估计的设备，如无线传感器等，本实施例中所提到的估计是指由于采集设备对被采集对象进行状态数据的采集时，可能存在没有采集到或采集到的值存在不准确的情况，因此，采集设备会在采集到被采集对象的状态数据采集值以及在没有采集到采集值的情况下，对状态数据进一步进行估计，得到相应的状态估计数据。这其中的被采集对象即为被采集相应状态数据或被估计相应状态估计数据的系统，如房间、人或物等对象，例如，温度传感器对房间的温度数据进行采集还能够对房间的温度数据进行估计，再如，湿度传感器对房间的湿度数据进行采集还能够对房间的湿度数据进行估计，等等。本实施例中的技术方案主要用于实现对多个采集设备的调度控制，以控制每个采集设备在每个时刻是否向控制设备传输其估计到的状态估计数据。
具体的，本实施例中的装置可以包括以下单元：
误差获得单元901，用于至少根据所述采集设备在至少一个目标时刻传输来的第一状态误差数据，分别对每个所述被采集对象在每个所述目标时刻上进行状态误差估计，以得到每个所述被采集对象在每个所述目标时刻对应的第二状态误差数据；
其中，所述第一状态误差数据为所述采集设备在所述目标时刻对其对应的被采集对象进行估计的状态误差数据；所述第二状态误差数据中至少包含每个所述采集设备对应的控制变量，所述控制变量表征所述采集设备在所述至少一个目标时刻中向所述控制设备传输所述被采集对象的状态估计数据的次数；
模型建立单元902，用于至少根据所述第二状态误差数据，建立所述至少一个目标时刻对应的控制模型，所述控制模型中以每个所述采集设备对应的控制变量为决策变量且以所述第二状态误差数据的平均值为优化目标；
模型优化单元903，用于对所述控制模型进行优化处理，以得到每个所述采集设备的控制变量的变量值；
设备控制单元904，用于根据所述变量值，对每个所述采集设备进行控制，以使得所述采集设备在每个所述采集设备向所述控制设备传输所述被采集对象的状态估计数据或者不向所述控制设备传输所述被采集对象的状态估计数据。
由上述方案可知，本申请实施例二提供的一种多对象的采集控制装置中，基于采集设备向控制设备传输被采集对象的状态估计数据或者不向控制设备传输被采集对象的状态估计数据所对应的控制变量，根据各个采集设备传输来的状态误差数据获得控制设备上对状态误差的估计，而此时控制设备上所估计出的状态误差数据中就包含有各个采集设备是否向控制设备传输状态估计数据的控制变量，进而在建立控制模型之后，以控制变量为决策变量对控制模型进行状态误差数据的平均值优化，从而得到状态误差平均值最小状态下对应的控制变量的变量值，由此得到多个被采集对象各自对应的采集设备是否向控制设备传输被采集对象的状态估计数据的调度控制策略，在控制采集设备按照所得到的变量值向控制设备传输状态估计数据时，就能够保证控制设备上的平均误差最小，由此，实现针对多个被采集对象的采集设备的最优调度控制。
在一种实现方式中，本实施例中的模型建立单元902还用于获得所述控制模型的约束模型，所述约束模型至少包含关于所述采集设备向所述控制设备传输所述状态估计数据的带宽约束条件，和/或，关于所述采集设备向所述控制设备传输所述状态估计数据的能耗约束条件；
其中，模型优化单元903具体用于：在所述采集设备按照所述控制变量向所述控制设备传输所述状态估计数据满足所述带宽约束条件和/或所述能耗约束条件的情况下，对所述控制模型进行优化处理，以得到每个所述采集设备的控制变量的变量值。
可选的，所述带宽约束条件包括：在每个所述目标时刻只有一个所述采集设备向所述控制设备传输所述状态估计数据；
所述能耗约束条件包括：每个所述采集设备在每个所述目标时刻中向所述控制设备传输所述状态估计数据的平均能耗小于所述采集设备对应的能耗阈值。
在一种实现方式中，所述采集设备在所述目标时刻对应的所述第一状态误差数据通过以下方式得到，包括：
获得在所述目标时刻以及所述目标时刻之前的多个时刻上对其对应的被采集对象的采集值；至少根据所述采集值获得在所述目标时刻对其对应的被采集对象的第一状态估计数据；至少根据所述第一状态估计数据获得在所述目标时刻分别对其对应的被采集对象进行误差估计的协方差数据，以将所述协方差数据作为第一状态误差数据。
在一种实现方式中，误差获得单元901具体用于：在所述控制设备上接收到所述采集设备在当前的目标时刻传输的第一状态误差数据的情况下，将接收到的第一状态误差数据作为所述被采集对象在当前的目标时刻对应的第二状态误差数据；在所述控制设备上没有接收到所述采集设备在当前的目标时刻传输的第一状态误差数据的情况下，至少利用所述被采集对象的对象参数，对所述被采集对象在当前的目标时刻的前一时刻对应的第二状态误差数据进行处理，以得到所述被采集对象在当前的目标时刻对应的第二状态误差数据。
在一种实现方式中，模型建立单元902具体用于：将所述第二状态误差数据加和，再将加和得到的数据对所述至少一个目标时刻求平均，以得到所述至少一个目标时刻对应的控制模型。
在一种实现方式中，所述采集设备至少包括第一采集设备和第二采集设备；
其中，设备控制单元904具体用于：判断所述第一采集设备的控制变量的第一变量值与所述第二采集设备的控制变量的第二变量值的比值是否小于或等于预设的比例阈值；如果是，按照第一方式，在所述至少一个目标时刻中获得至少一个第一目标时刻，以控制所述第一采集设备分别在所述第一目标时刻向所述控制设备传输所述被采集对象的状态估计数据，并控制所述第二采集设备在所述至少一个目标时刻中除所述第一目标时刻之外的其他时刻向所述控制设备传输所述被采集对象的状态估计数据；所述第一目标时刻的数量与所述第一变量值一致；如果否，按照第二方式，在所述至少一个目标时刻中获得至少一个第二目标时刻，以控制所述第二采集设备分别在所述第二目标时刻向所述控制设备传输所述被采集对象的状态估计数据，并控制所述第一采集设备在所述至少一个目标时刻中除所述第二目标时刻之外的其他时刻向所述控制设备传输所述被采集对象的状态估计数据；所述第二目标时刻的数量与所述第二变量值一致；其中，所述第一方式与所述第二方式不同。
可选的，所述第一方式包括：根据所述第一变量值和所述第二变量值，获得时刻间隔值，所述时刻间隔值为大于或等于1的正整数；在所述至少一个目标时刻中每间隔所述时刻间隔值的数量的目标时刻，获得一个第一目标时刻，直到所述第一目标时刻的数量与所述第一变量值一致；
所述第二方式包括：在所述至少一个目标时刻中每间隔一个所述目标时刻，获得一个第二目标时刻，直到所述第二目标时刻的数量与所述第二变量值一致。
需要说明的是，本实施例中各单元的具体实现可以参考前文中的相应描述，此处不再详述。
参考图10，为本申请实施例三提供的一种控制设备的结构示意图，该控制设备可以为对应于多个采集设备的控制设备中，具体可以由控制设备中的处理器执行本实施例中的技术方案，如远程控制中心的调度服务器等，如图2中所示，而采集设备为对应于该控制设备的能够对相应被采集对象的状态数据进行采集以及估计的设备，如无线传感器等，本实施例中所提到的估计是指由于采集设备对被采集对象进行状态数据的采集时，可能存在没有采集到或采集到的值存在不准确的情况，因此，采集设备会在采集到被采集对象的状态数据采集值以及在没有采集到采集值的情况下，对状态数据进一步进行估计，得到相应的状态估计数据。这其中的被采集对象即为被采集相应状态数据或被估计相应状态估计数据的系统，如房间、人或物等对象，例如，温度传感器对房间的温度数据进行采集还能够对房间的温度数据进行估计，再如，湿度传感器对房间的湿度数据进行采集还能够对房间的湿度数据进行估计，等等。本实施例中的技术方案主要用于实现对多个采集设备的调度控制，以控制每个采集设备在每个时刻是否向控制设备传输其估计到的状态估计数据。
具体的，本实施例中的控制设备可以包括以下结构：
存储器1001，用于存储应用程序和所述应用程序运行所产生的数据；
处理器1002，用于执行所述应用程序以实现：
至少根据所述采集设备在至少一个目标时刻传输来的第一状态误差数据，分别对每个所述被采集对象在每个所述目标时刻上进行状态误差估计，以得到每个所述被采集对象在每个所述目标时刻对应的第二状态误差数据；
其中，所述第一状态误差数据为所述采集设备在所述目标时刻对其对应的被采集对象进行估计的状态误差数据；所述第二状态误差数据中至少包含每个所述采集设备对应的控制变量，所述控制变量表征所述采集设备在所述至少一个目标时刻中向所述控制设备传输所述被采集对象的状态估计数据的次数；
至少根据所述第二状态误差数据，建立所述至少一个目标时刻对应的控制模型，所述控制模型中以每个所述采集设备对应的控制变量为决策变量且以所述第二状态误差数据的平均值为优化目标；
对所述控制模型进行优化处理，以得到每个所述采集设备的控制变量的变量值；
根据所述变量值，对每个所述采集设备进行控制，以使得所述采集设备在每个所述目标时刻向所述控制设备传输所述被采集对象的状态估计数据或者不向所述控制设备传输所述被采集对象的状态估计数据。
需要说明的是，存储器1001还用于保存采集设备所传输的状态估计数据以及状态误差数据等中间数据，当然还可以将变量值等进行保存。
由上述方案可知，本申请实施例二提供的一种控制设备中，基于采集设备向控制设备传输被采集对象的状态估计数据或者不向控制设备传输被采集对象的状态估计数据所对应的控制变量，根据各个采集设备传输来的状态误差数据获得控制设备上对状态误差的估计，而此时控制设备上所估计出的状态误差数据中就包含有各个采集设备是否向控制设备传输状态估计数据的控制变量，进而在建立控制模型之后，以控制变量为决策变量对控制模型进行状态误差数据的平均值优化，从而得到状态误差平均值最小状态下对应的控制变量的变量值，由此得到多个被采集对象各自对应的采集设备是否向控制设备传输被采集对象的状态估计数据的调度控制策略，在控制采集设备按照所得到的变量值向控制设备传输状态估计数据时，就能够保证控制设备上的平均误差最小，由此，实现针对多个被采集对象的采集设备的最优调度控制。
另外，本申请还提供了一种存储介质，存储介质中存储有计算机可执行指令，所述计算机可执行指令被处理器加载并执行时，实现如上任一项所述的多对象的采集控制方法。
本申请还提供了一种控制架构，如图2中所示，包含控制设备、控制设备对应的多个采集设备如传感器等，还包含每个采集设备各自对应的被采集对象，如被执行状态数据采集的线性系统或非线性系统等。
以下以无线传感器网路中有限资源下两个线性系统的最优传感器调度控制为例，对本申请中的技术方案进行详细说明：
(一)要解决的技术问题
当前传感器网络系统考虑的传感器调度只研究对单个线性系统进行状态估计。除此之外，传感器网络中传感器节点的能源限制和通信带宽有限等约束条件是比较普遍的问题。因此在传感器能源和通信带同时受限的情形下研究多个线性系统的传感器调度问题是迫切需要的。
(二)技术方案
为了解决上述问题，本申请提供了一种能源和带宽限制下无线传感器网络中双系统的最优传感器调度方法，所述控制方法包括：获取由两个线性时不变系统构成的系统模型，并建立所述系统的动力学模型；设置无线传感器网络中传感器节点的系统状态估计方法；建立远程估计控制模型，能量限制模型，以及带宽限制模型；根据所述远程估计模型和能量带宽约束模型，构建传感器调度问题；根据所述传感器调度问题，获得最优解，以实现所期望的最优调度方案。
参考图11，为本申请对两个线性是不变系统的传感器进行最优调度的流程图，其中的控制方法包括：
步骤1101：获取由两个线性时不变系统构成的系统模型，并建立所述系统的动力学模型。
在无线传感器网络中，通常传感器节点需要对不同的系统进行观测和估计。例如，传感器节点中的多个传感器需要分别对一个房间的温度，湿度，光线强力度等一些物理量进行观测。因此，多个系统的传感器调度问题研究更加贴合实际。
本发明将考虑下述两个双线性时不变系统，他们的动力学方程表示如下公式(1)：
其中，
其中，
本申请实施例中，无法直接获得系统的状态值
其中，能观性指的是当系统用状态方程描述，给定控制后，能在有限的时间间隔内根据系统输出唯一地确定系统的所有初始状态；能控性指的是当系统用状态方程描述时，给定系统的任意初始状态，可以找到输入量，在有限的时间间隔内把系统的所有状态引向远点即零状态。不难得到(ai，ci)是能观的(observable)，
步骤1102，设置无线传感器网络中传感器节点的系统状态估计方法。
用
其中，
由于经典卡尔曼滤波是最小均方误差估计，因此每个传感器在获得对系统状态的观测值后对系统状态采用卡尔曼滤波进行最优估计如下公式(7)-公式(11)：
其中，上述迭代从
步骤1103，建立远程估计控制模型，能量限制模型，以及带宽限制模型。
用
其中，
同时，本实施例中给出能源限制和带宽的约束如下：首先，由于通信信道带宽的限制，每个时刻只能允许一个传感器节点利用通信信道将数据发送到远处的控制中心，即公式(13)
在给定的调度方案θ下，给出平均能源消耗如下公式(14)：
其中，δ是一个固定值表示传感器发送一次数据到远程控制中心所需要的代价，n为时刻的总数。设定传感器i的能源预算为ψi，i＝1，2。可以得出ψi是一个有理数。定义ψ＝ψ1 ψ2，则有δ≤ψ≤δ。因此，系统的估计性能取决于调度方案θ和传感器能源预算。定义远程控制中心的无穷时间域上的平均估计性能pa(θ)如下公式(15)：
步骤1104，根据远程控制估计模型和能量带宽约束模型，构建传感器调度问题。
其中，本申请中需要解决的是在传感器能源和通信带同时受限的情形下两个线性系统的传感器调度问题，基于此所建立的控制模型如下公式(16)所示，相应有约束模型如下公式(17)所示：
也就是说，需要找到一个调度方案θ来保证在传感器能源和通信带宽的限制条件下最小化远程控制中心的平均估计误差性能指标。
步骤1105，获取能源约束和带宽限制下的双线性系统的最优调度方案。
考虑到上述问题的性能函数是在无穷时间域上的，不是一般性，基于此，本实施例中考虑一个周期性的调度方案θ，其中周期为n(θ)，因此，想要得到无穷时间域上的最优调度方案等价于寻找在每个周期n(θ)内的最优调度方案。首先，在给定一个调度方案θ的情况下，定义传感器1和远程控制中心的通信次数占比如下公式(18)：
由于传感器会充分利用信道，所以可以得出π2(θ)＝1-π1(θ)。
假设θ*是最优的调度方案，会有以下结论：
考虑以下两种情形：
(1)
(2)
下面将对最优性调度方案进行解释如下：
假设周期为q，大于或等于1，相应的最优性调度方案就是设计这q个时刻的传输方案，即每个时刻安排哪个传感器节点传输数据。第一种情形对应于传感器节点1能量预算低于传感器2的，也就是传感器1的总传输次数要远低于传感器2。所以在整个时长q内，先将传感器1的传输时刻以固定间隔均匀的划分下去，剩下的时刻我们安排传感器2来发送数据，可以证明这种调度方式是最优的。对于第二种情形，传感器1的传输总次数远大于传感器2，所以前面均匀安排(q-p)次发送数据，后面的(2p-q)次都安排第一个传感器节点来发送数据。这样的调度方案充分利用了通信带宽和传感器的能量，得到的估计性能是最优的。
可见，本申请提出的调度方案具有普适性，对于任意时间长度的双线性系统的传感器调度，可以将时长划分为周期性的，在每个周期内，根据上述方法，能够得到该周期内的最优传感器调度方案。因此，本申请的有限资源下的双线性系统的最优传感器调度方案具有较好的应用前景，能够应用到实际场景用去，并且操作性较低，这对传感器的普及应用具有较大的意义。
下面，通过一个具体实施例对本申请的技术方案进行进一步说明：
首先，用两个维度为一维的线性系统来验证本申请的调度方案时最优的。需要特别说明的是，如果系统是多维的，本申请的调度方案同样适用，为了简化样例，本申请中选择一维的系统，方便展示结果。特别的，本申请考虑的系统参数为：
首先，本申请考虑传感器1的能源上限
根据上述的调度方案，就能够得出平均的估计误差为：
随机一组调度方案θ，如下：
由此，有pa(θ*)-pa(θ)＜0。也就是说，本申请中的调度方案和任意随机的一个调度方案比较都可以得出本申请的调度方案最好。下面，模拟调度方案来展现本申请的调度方案的优越性。
首先，在有过程噪声和观测噪声的情况下，采用经典卡尔曼滤波方法对系统的状态值进行一个估计。参见图14，可以看出，在有系统噪声的情况下，传感器节点1采用卡尔曼滤波算法得到的后验估计值基本上在真实值附近波动，除此之外，参见图15，可以看出传感器1节点的估计误差以指数速度收敛到一个稳定状态，这和本申请的假设刚好吻合。类似地，参见图16和图17，关于传感器2节点有同样的结论。基于以上结果，可以知道在有系统噪声和估计噪声情形下，传感器先采用卡尔曼滤波估计方法对系统状态进行估计，且估计的误差以指数的速度稳定。
接下来，首先本申请中将任意一个时间长度划分为若干个周期，然后考虑每个周期内调度方案的最优性。参见图18，我们在周期n(θ)＝5内随机若干调度方案和本申请提出的方案比较，从图18不难看出，绝大多数时刻，本申请提出方案的估计误差是比随机的调度方案小的，这证实了本申请的方案性能是具有较大的优势。
本申请还提供了一种无线传感器网络中有限资源下的最优传感器调度系统，参见图19，所述调度系统1900包括：系统的动力学模型构建模块1901，无线传感器网络中传感器节点的系统状态估计模块1902，远程控制估计模型，能量限制模型，以及带宽限制模型建立模块1903，最优传感器调度问题构建模块1904，根据所述传感器调度问题，获得最优解，以实现所期望的最优调度方案模块1905。
综上，本申请公开的一种无线传感器网络中有限资源下的两个线性系统的最优传感器调度方法至少具有以下有益效果：
(1)本申请客服了已有的传感器调度问题主要集中在单个系统的状态估计，研究了双线性系统的最优传感器调度问题。众所周知，无线传感器网络通常需要执行对不同系统的监测和估计。因此，多个系统的状态估计和调度问题更贴合实际场景，本申请考虑双线性系统为后续的多个系统的估计调度研究提供了一个较好的思路和铺垫。
(2)本申请客服了已有的传感器调度问题仅考虑单个因素的限制，比如只考虑传感器能源约束或者通信带宽约束下的最优传感器调度问题。但在实际场景中，传感器能源约束和通信带宽限制通常会同时出现，因此本申请同时考虑这两个约束下的最优传感器调度问题更切合实际并且具有实际应用价值。
(3)本申请能够给出具体的调度方案，即每个传感器在每个时刻的实际行动都能具体化，客服了已有的一些结果仅仅关注理论部分的研究，忽视了方案的可操作性。因此，本申请能更好应用到实际场景的传感器调度问题中去，具有较强的适应性。
(4)本申请能够消除外部干扰对系统的影响，具有较强的鲁棒性。
本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。对于实施例公开的装置而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。
专业人员还可以进一步意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、计算机软件或者二者的结合来实现，为了清楚地说明硬件和软件的可互换性，在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本申请的范围。
结合本文中所公开的实施例描述的方法或算法的步骤可以直接用硬件、处理器执行的软件模块，或者二者的结合来实施。软件模块可以置于随机存储器(ram)、内存、只读存储器(rom)、电可编程rom、电可擦除可编程rom、寄存器、硬盘、可移动磁盘、cd-rom、或技术领域内所公知的任意其它形式的存储介质中。
对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本申请。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本申请的精神或范围的情况下，在其它实施例中实现。因此，本申请将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。
1.一种多对象的采集控制方法，其特征在于，应用于控制设备，所述控制设备对应于多个采集设备，且每个所述采集设备分别对应于一个被采集对象，所述方法包括：
至少根据所述采集设备在至少一个目标时刻传输来的第一状态误差数据，分别对每个所述被采集对象在每个所述目标时刻上进行状态误差估计，以得到每个所述被采集对象在每个所述目标时刻对应的第二状态误差数据；
其中，所述第一状态误差数据为所述采集设备在所述目标时刻对其对应的被采集对象进行估计的状态误差数据；所述第二状态误差数据中至少包含每个所述采集设备对应的控制变量，所述控制变量表征所述采集设备在所述至少一个目标时刻中向所述控制设备传输所述被采集对象的状态估计数据的次数；
至少根据所述第二状态误差数据，建立所述至少一个目标时刻对应的控制模型，所述控制模型中以每个所述采集设备对应的控制变量为决策变量且以所述第二状态误差数据的平均值为优化目标；
对所述控制模型进行优化处理，以得到每个所述采集设备的控制变量的变量值；
根据所述变量值，对每个所述采集设备进行控制，以使得所述采集设备在每个所述目标时刻向所述控制设备传输所述被采集对象的状态估计数据或者不向所述控制设备传输所述被采集对象的状态估计数据。
2.根据权利要求1所述的方法，其特征在于，还包括：
获得所述控制模型的约束模型，所述约束模型至少包含关于所述采集设备向所述控制设备传输所述状态估计数据的带宽约束条件，和/或，关于所述采集设备向所述控制设备传输所述状态估计数据的能耗约束条件；
其中，对所述控制模型进行优化处理，包括：
在所述采集设备按照所述控制变量向所述控制设备传输所述状态估计数据满足所述带宽约束条件和/或所述能耗约束条件的情况下，对所述控制模型进行优化处理，以得到每个所述采集设备的控制变量的变量值。
3.根据权利要求2所述的方法，其特征在于，所述带宽约束条件包括：在每个所述目标时刻只有一个所述采集设备向所述控制设备传输所述状态估计数据；
所述能耗约束条件包括：每个所述采集设备在每个所述目标时刻中向所述控制设备传输所述状态估计数据的平均能耗小于所述采集设备对应的能耗阈值。
4.根据权利要求1或2所述的方法，其特征在于，所述采集设备在所述目标时刻对应的所述第一状态误差数据通过以下方式得到，包括：
获得在所述目标时刻以及所述目标时刻之前的多个时刻上对其对应的被采集对象的采集值；
至少根据所述采集值获得在所述目标时刻对其对应的被采集对象的第一状态估计数据；
至少根据所述第一状态估计数据获得在所述目标时刻分别对其对应的被采集对象进行误差估计的协方差数据，以将所述协方差数据作为第一状态误差数据。
5.根据权利要求1或2所述的方法，其特征在于，至少根据所述采集设备在至少一个目标时刻传输来的第一状态误差数据，分别对每个所述被采集对象在每个所述目标时刻上进行状态误差估计，包括：
在所述控制设备上接收到所述采集设备在当前的目标时刻传输的第一状态误差数据的情况下，将接收到的第一状态误差数据作为所述被采集对象在当前的目标时刻对应的第二状态误差数据；
在所述控制设备上没有接收到所述采集设备在当前的目标时刻传输的第一状态误差数据的情况下，至少利用所述被采集对象的对象参数，对所述被采集对象在当前的目标时刻的前一时刻对应的第二状态误差数据进行处理，以得到所述被采集对象在当前的目标时刻对应的第二状态误差数据。
6.根据权利要求1或2所述的方法，其特征在于，至少根据所述第二状态误差数据，建立所述至少一个目标时刻对应的控制模型，包括：
将所述第二状态误差数据加和，再将加和得到的数据对所述至少一个目标时刻求平均，以得到所述至少一个目标时刻对应的控制模型。
7.根据权利要求1或2所述的方法，其特征在于，所述采集设备至少包括第一采集设备和第二采集设备；
其中，根据所述变量值，对每个所述采集设备进行控制，包括：
判断所述第一采集设备的控制变量的第一变量值与所述第二采集设备的控制变量的第二变量值的比值是否小于或等于预设的比例阈值；
如果是，按照第一方式，在所述至少一个目标时刻中获得至少一个第一目标时刻，以控制所述第一采集设备分别在所述第一目标时刻向所述控制设备传输所述被采集对象的状态估计数据，并控制所述第二采集设备在所述至少一个目标时刻中除所述第一目标时刻之外的其他时刻向所述控制设备传输所述被采集对象的状态估计数据；所述第一目标时刻的数量与所述第一变量值一致；
如果否，按照第二方式，在所述至少一个目标时刻中获得至少一个第二目标时刻，以控制所述第二采集设备分别在所述第二目标时刻向所述控制设备传输所述被采集对象的状态估计数据，并控制所述第一采集设备在所述至少一个目标时刻中除所述第二目标时刻之外的其他时刻向所述控制设备传输所述被采集对象的状态估计数据；所述第二目标时刻的数量与所述第二变量值一致；
其中，所述第一方式与所述第二方式不同。
8.根据权利要求7所述的方法，其特征在于，其中：
所述第一方式包括：
根据所述第一变量值和所述第二变量值，获得时刻间隔值，所述时刻间隔值为大于或等于1的正整数；
在所述至少一个目标时刻中每间隔所述时刻间隔值的数量的目标时刻，获得一个第一目标时刻，直到所述第一目标时刻的数量与所述第一变量值一致；
所述第二方式包括：
在所述至少一个目标时刻中每间隔一个所述目标时刻，获得一个第二目标时刻，直到所述第二目标时刻的数量与所述第二变量值一致。
9.一种多对象的采集控制装置，其特征在于，应用于控制设备，所述控制设备对应于多个采集设备，且每个所述采集设备分别对应于一个被采集对象，所述装置包括：
误差获得单元，用于至少根据所述采集设备在至少一个目标时刻传输来的第一状态误差数据，分别对每个所述被采集对象在每个所述目标时刻上进行状态误差估计，以得到每个所述被采集对象在每个所述目标时刻对应的第二状态误差数据；
其中，所述第一状态误差数据为所述采集设备在所述目标时刻对其对应的被采集对象进行估计的状态误差数据；所述第二状态误差数据中至少包含每个所述采集设备对应的控制变量，所述控制变量表征所述采集设备在所述至少一个目标时刻中向所述控制设备传输所述被采集对象的状态估计数据的次数；
模型建立单元，用于至少根据所述第二状态误差数据，建立所述至少一个目标时刻对应的控制模型，所述控制模型中以每个所述采集设备对应的控制变量为决策变量且以所述第二状态误差数据的平均值为优化目标；
模型优化单元，用于对所述控制模型进行优化处理，以得到每个所述采集设备的控制变量的变量值；
设备控制单元，用于根据所述变量值，对每个所述采集设备进行控制，以使得所述采集设备在每个所述采集设备向所述控制设备传输所述被采集对象的状态估计数据或者不向所述控制设备传输所述被采集对象的状态估计数据。
10.一种控制设备，其特征在于，包括：
存储器，用于存储应用程序和所述应用程序运行所产生的数据；
处理器，用于执行所述应用程序以实现：
至少根据所述采集设备在至少一个目标时刻传输来的第一状态误差数据，分别对每个所述被采集对象在每个所述目标时刻上进行状态误差估计，以得到每个所述被采集对象在每个所述目标时刻对应的第二状态误差数据；
其中，所述第一状态误差数据为所述采集设备在所述目标时刻对其对应的被采集对象进行估计的状态误差数据；所述第二状态误差数据中至少包含每个所述采集设备对应的控制变量，所述控制变量表征所述采集设备在所述至少一个目标时刻中向所述控制设备传输所述被采集对象的状态估计数据的次数；
至少根据所述第二状态误差数据，建立所述至少一个目标时刻对应的控制模型，所述控制模型中以每个所述采集设备对应的控制变量为决策变量且以所述第二状态误差数据的平均值为优化目标；
对所述控制模型进行优化处理，以得到每个所述采集设备的控制变量的变量值；
根据所述变量值，对每个所述采集设备进行控制，以使得所述采集设备在每个所述目标时刻向所述控制设备传输所述被采集对象的状态估计数据或者不向所述控制设备传输所述被采集对象的状态估计数据。
技术总结