基于Kalman濾波的無線傳感器網(wǎng)絡(luò)目標跟蹤算法的研究.pdf

1、隨著微機電系統(tǒng)、無線通信技術(shù)和微處理器技術(shù)的迅猛發(fā)展，無線傳感器網(wǎng)絡(luò)得到了日益廣泛的應(yīng)用。目標跟蹤是無線傳感器網(wǎng)絡(luò)的最基本應(yīng)用之一。由于傳感器節(jié)點的計算能力、攜帶的電池電量、通信帶寬等資源有限、網(wǎng)絡(luò)拓撲結(jié)構(gòu)動態(tài)變化以及目標跟蹤實時性要求等，對無線傳感器網(wǎng)絡(luò)目標跟蹤算法的研究提出了新的要求。因此，無線傳感器網(wǎng)絡(luò)目標跟蹤算法有待進一步的研究與完善。
　　 本文針對不同的目標跟蹤環(huán)境，基于Kalman濾波理論提出了幾種無線傳感器網(wǎng)絡(luò)目

2、標跟蹤算法。主要工作和貢獻包括以下幾個方面：
　　 1.針對目標機動特性和傳感器節(jié)點測量噪聲統(tǒng)計特性未知情況下的目標跟蹤，提出了基于擴展H∞濾波的無線傳感器目標跟蹤算法。同時利用Krein空間Kalman濾波理論推導非線性系統(tǒng)的擴展H∞濾波器及濾波器存在的條件。
　　 2.針對同時包含乘性噪聲和加性噪聲的傳感器節(jié)點測量模型，提出了基于最大似然估計和Kalman濾波的目標跟蹤算法。首先利用最大似然估計將非線性距離測量值轉(zhuǎn)化

3、為目標狀態(tài)的線性觀測，同時計算轉(zhuǎn)化后測量噪聲的統(tǒng)計特性；然后利用Kalman濾波算法迭代估計目標狀態(tài)。其中利用牛頓迭代法解決最大似然估計問題，并且利用Kalman預(yù)報器為牛頓迭代賦初值。
　　 3.針對傳感器節(jié)點能量有限問題，本文在上一個研究成果基礎(chǔ)上分別基于最大似然估計的Fisher信息矩陣和Kalman濾波的Fisher信息矩陣提出了兩種傳感器節(jié)點選擇方法。集成了這兩種傳感器節(jié)點選擇方法的目標跟蹤算法可以實現(xiàn)對運動目標能量有

4、效和準確地跟蹤。
　　 4.針對擴展Kalman濾波目標跟蹤算法中頭節(jié)點需要消耗大量能量來接收測量值以及估計目標運動狀態(tài)，本文提出基于序貫擴展Kalman濾波的目標跟蹤算法。在每一跟蹤時刻該算法要求簇集內(nèi)所有傳感器節(jié)點依次對目標狀態(tài)進行估計并將估計結(jié)果傳給下一個節(jié)點，每個傳感器節(jié)點依賴自身測量值和上一個節(jié)點的估計結(jié)果對目標狀態(tài)進行估計。上述過程重復(fù)進行直至最后一個節(jié)點得到該時刻的目標跟蹤結(jié)果。
　　 總之，本文圍繞無線傳