基于目標(biāo)定位的數(shù)據(jù)融合算法研究.pdf

1、無(wú)線傳感器網(wǎng)絡(luò)(Wireless Sensor Networks,WSNs)是目前多學(xué)科高度交叉的熱點(diǎn)研究領(lǐng)域，如信號(hào)處理、信息理論、現(xiàn)代通信網(wǎng)絡(luò)、統(tǒng)計(jì)估計(jì)和推斷以及人工智能等。然而，無(wú)線傳感器網(wǎng)絡(luò)面臨著能量受限、通信能力和數(shù)據(jù)處理等多個(gè)挑戰(zhàn)。本文以無(wú)線傳感器網(wǎng)絡(luò)環(huán)境下的目標(biāo)定位和跟蹤為研究背景，詳細(xì)討論了網(wǎng)絡(luò)中傳感器數(shù)據(jù)和噪聲的處理方法以及目標(biāo)定位跟蹤的問(wèn)題，同時(shí)結(jié)合無(wú)線傳感器網(wǎng)絡(luò)的結(jié)構(gòu)和特點(diǎn)，遵循以能量為先、數(shù)據(jù)為中心的原則，提出了

2、幾種相應(yīng)解決方法，在相關(guān)領(lǐng)域也取得了一定的理論研究成果，為進(jìn)一步地深入研究和應(yīng)用奠定了基礎(chǔ)。主要?jiǎng)?chuàng)新點(diǎn)和工作如下：
　　1．針對(duì)機(jī)動(dòng)和非機(jī)動(dòng)目標(biāo)跟蹤的問(wèn)題，提出了一種基于無(wú)線傳感器網(wǎng)絡(luò)下移動(dòng)傳感器目標(biāo)跟蹤的數(shù)據(jù)融合算法，即移動(dòng)傳感器目標(biāo)跟蹤數(shù)據(jù)融合算法(Mobile Sensors Dada Fusion Tracking,MSDFT)。結(jié)合“門(mén)限”技術(shù)，建立一個(gè)動(dòng)態(tài)變化的模型結(jié)構(gòu)——擴(kuò)展的卡爾曼濾波器作為自適應(yīng)機(jī)動(dòng)補(bǔ)償器來(lái)解決數(shù)

3、據(jù)關(guān)聯(lián)和機(jī)動(dòng)目標(biāo)問(wèn)題，研究多個(gè)移動(dòng)傳感器目標(biāo)追蹤的檢測(cè)算法，并通過(guò)仿真表明該算法能夠成功地追蹤多個(gè)移動(dòng)傳感器。
　　2．針對(duì)來(lái)自多個(gè)傳感器的測(cè)量數(shù)據(jù)總是有一定程度的不確定性和不一致性，提出了一種利用數(shù)據(jù)的冗余度來(lái)解決數(shù)據(jù)不確定性的方法，即一種優(yōu)化的貝葉斯估計(jì)多傳感器數(shù)據(jù)融合方法。在貝葉斯估計(jì)和卡爾曼濾波器理論的基礎(chǔ)上，將兩者結(jié)合起來(lái)，建立了一個(gè)新的評(píng)估數(shù)據(jù)融合操作的標(biāo)準(zhǔn)，應(yīng)用于無(wú)線傳感器網(wǎng)絡(luò)數(shù)據(jù)融合中。通過(guò)一個(gè)具體實(shí)例研究估計(jì)移動(dòng)

4、機(jī)器人的位置，仿真結(jié)果表明在集中式和分布式兩個(gè)方面數(shù)據(jù)融合體系結(jié)構(gòu)，結(jié)合卡爾曼濾波器的貝葉斯融合算法能夠有效地解決數(shù)據(jù)的不確定性和不一致性。
　　3．在目標(biāo)定位系統(tǒng)中最重要的工作就是設(shè)計(jì)一種高效的定位算法，提出了一種基于模糊邏輯的無(wú)需測(cè)距定位算法，力求得到最佳解決方案。根據(jù)模糊邏輯理論，利用錨節(jié)點(diǎn)的接收信號(hào)強(qiáng)度指示器(Received Signal Strength Indicator,RSSI)和鏈路質(zhì)量指示器(Link Qua