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

1、隨著微機(jī)電系統(tǒng)、無(wú)線通信技術(shù)和微處理器技術(shù)的迅猛發(fā)展，無(wú)線傳感器網(wǎng)絡(luò)得到了日益廣泛的應(yīng)用。目標(biāo)跟蹤是無(wú)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(diǎn)的計(jì)算能力、攜帶的電池電量、通信帶寬等資源有限、網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)動(dòng)態(tài)變化以及目標(biāo)跟蹤實(shí)時(shí)性要求等，對(duì)無(wú)線傳感器網(wǎng)絡(luò)目標(biāo)跟蹤算法的研究提出了新的要求。因此，無(wú)線傳感器網(wǎng)絡(luò)目標(biāo)跟蹤算法有待進(jìn)一步的研究與完善。
　　 本文針對(duì)不同的目標(biāo)跟蹤環(huán)境，基于Kalman濾波理論提出了幾種無(wú)線傳感器網(wǎng)絡(luò)目

2、標(biāo)跟蹤算法。主要工作和貢獻(xiàn)包括以下幾個(gè)方面：
　　 1.針對(duì)目標(biāo)機(jī)動(dòng)特性和傳感器節(jié)點(diǎn)測(cè)量噪聲統(tǒng)計(jì)特性未知情況下的目標(biāo)跟蹤，提出了基于擴(kuò)展H∞濾波的無(wú)線傳感器目標(biāo)跟蹤算法。同時(shí)利用Krein空間Kalman濾波理論推導(dǎo)非線性系統(tǒng)的擴(kuò)展H∞濾波器及濾波器存在的條件。
　　 2.針對(duì)同時(shí)包含乘性噪聲和加性噪聲的傳感器節(jié)點(diǎn)測(cè)量模型，提出了基于最大似然估計(jì)和Kalman濾波的目標(biāo)跟蹤算法。首先利用最大似然估計(jì)將非線性距離測(cè)量值轉(zhuǎn)化

3、為目標(biāo)狀態(tài)的線性觀測(cè)，同時(shí)計(jì)算轉(zhuǎn)化后測(cè)量噪聲的統(tǒng)計(jì)特性；然后利用Kalman濾波算法迭代估計(jì)目標(biāo)狀態(tài)。其中利用牛頓迭代法解決最大似然估計(jì)問(wèn)題，并且利用Kalman預(yù)報(bào)器為牛頓迭代賦初值。
　　 3.針對(duì)傳感器節(jié)點(diǎn)能量有限問(wèn)題，本文在上一個(gè)研究成果基礎(chǔ)上分別基于最大似然估計(jì)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(diǎn)選擇方法。集成了這兩種傳感器節(jié)點(diǎn)選擇方法的目標(biāo)跟蹤算法可以實(shí)現(xiàn)對(duì)運(yùn)動(dòng)目標(biāo)能量有

4、效和準(zhǔn)確地跟蹤。
　　 4.針對(duì)擴(kuò)展Kalman濾波目標(biāo)跟蹤算法中頭節(jié)點(diǎn)需要消耗大量能量來(lái)接收測(cè)量值以及估計(jì)目標(biāo)運(yùn)動(dòng)狀態(tài)，本文提出基于序貫擴(kuò)展Kalman濾波的目標(biāo)跟蹤算法。在每一跟蹤時(shí)刻該算法要求簇集內(nèi)所有傳感器節(jié)點(diǎn)依次對(duì)目標(biāo)狀態(tài)進(jìn)行估計(jì)并將估計(jì)結(jié)果傳給下一個(gè)節(jié)點(diǎn)，每個(gè)傳感器節(jié)點(diǎn)依賴自身測(cè)量值和上一個(gè)節(jié)點(diǎn)的估計(jì)結(jié)果對(duì)目標(biāo)狀態(tài)進(jìn)行估計(jì)。上述過(guò)程重復(fù)進(jìn)行直至最后一個(gè)節(jié)點(diǎn)得到該時(shí)刻的目標(biāo)跟蹤結(jié)果。
　　 總之，本文圍繞無(wú)線傳