[發明專利]一種基于變分貝葉斯多傳感器量化融合目標跟蹤方法

在審

• 申請號: 201310753877.3
• 申請日: 2013-12-30
• 公開（公告）號: CN103778320A
• 公開（公告）日: 2014-05-07
• 發明（設計）人: 葛泉波;程天發;邵騰;文成林
• 申請（專利權）人: 杭州電子科技大學
• 主分類號: G06F19/00
• 分類號: G06F19/00;G01C21/20
• 代理公司: 杭州求是專利事務所有限公司 33200
• 代理人: 杜軍

技術領域

本發明屬于網絡化多傳感器系統的目標跟蹤領域，特別涉及一種基于聯合變分貝葉斯方法和強跟蹤技術的多傳感器信息濾波量化融合方法。

背景技術

近幾十年來，由于快速發展的現代化信息和互聯網技術，出現了越來越多關于復雜無線數據網絡的應用。因此，由許多分散部署的傳感器節點組成的分布式傳感器網絡已經被廣泛地應用在各個領域，例如環境監測、目標跟蹤、智能消防，以及身體健康監測儀器等等。通常情況下，為了滿足數據傳輸和有限帶寬的要求，本地傳感器監測的數據要在它們傳輸到處理中心之前被量化。基于這個原因，量化濾波和融合已經成為信號處理、通信、控制方面的研究熱點。

目前，自適應比特量化已經成為一種在獲得本地傳感器原始測量的近似消息的流行方法，因為它能根據傳感器網絡的可用網絡帶寬的實時變化來量化測量數據。因此，現在已經有許多有價值的研究成果，并且有些成果已經被應用與實際系統。隨機比特量化的結果是一個帶有未知準確方差的量化誤差向量。設計量化濾波器的關鍵思想是怎樣解決隨機量化誤差。通常，量化誤差被看成是零均值高斯白噪聲。根據卡爾曼濾波原理，為了讓計算一個最佳量化估計，量化誤差方差應該是準確已知并且是準確的。遺憾的是很難準確地得到它。這個方差的準確上限值能被獲得，并且它與量化區間有關。因此，當設計量化濾波器和融合估計器時，這個上限通常用來代替未知真實的方差。然而，有一個明顯的問題是這個上限實際近似導致了使用模型系統的不確定性。結果，量化狀態估計器的準確性和穩定將在不同程度上受到影響。為了提高量化卡爾曼估計器的性能，強跟蹤技術的使用在一定的程度上克服了這個不利的影響，并且對狀態突變的魯棒性也有所幫助。遺憾的是強跟蹤不能完全消除由系統模型的不確定性造成的影響，并且量化誤差方差也不能實時估計。

對于大多數實際應用，有需要定量評估自適應比特量化帶來的影響，并且在線評估比特量化誤差方差有利于該定量評估。明確了這個方向，我們研究了帶有聯合變分貝葉斯和強跟蹤濾波技術自適應比特量化的線性動力系統的網絡化狀態估計。變分貝葉斯方法能有效地評估由原始測量誤差和量化誤差組成的量化消息噪聲的完全方差。完全方差估計能被應用在強跟蹤方程中。強跟蹤衰退因子對量化估計器適應最新消息和從消息中提取有效信息具有很大的幫助。上限值用于決定方差估計的有效性，并且為了決定一個有效的方差，提出了相關方案。因此，提出一種新穎的基于聯合變分貝葉斯方法和強跟蹤技術的多傳感器信息濾波量化融合方法。

發明內容

本發明針對現有技術的不足，提供了一種基于變分貝葉斯多傳感器量化融合目標跟蹤方法。

本發明方法具體是：

A）主處理機

1）假定k-1時刻目標的狀態融合估計為及相應誤差協方差為P_k-1|k-1。已知每個傳感器的測量矩陣為H_k,l和測量噪聲方差為R_k,l（l＝1,2,…,N），即可構造增強測量矩陣H_k。

2）融合中心接收到每個傳感器的量化消息z_υ,k,l，并構成增強全局消息z_υ,k。

3）計算全局狀態的一步預測并計算帶有衰退因子λ_k的相應預測誤差協方差P_k|k-1。

4）計算全局消息預測z_k|k-1，及新息r_k和強跟蹤衰退因子λ_k。

5）將z_υ,k,l，P_k|k-1送至次處理機。

B）第l個次處理機（l＝1,2,…,N）

6）計算第l個消息噪聲方差的參數α_k|k-1,l和β_k|k-1,l的預測值：

α_k|k-1,l＝ρ_k,l·α_k-1,l，β_k|k-1,l＝ρ_k,l·β_k-1,l

7）用1/2+α_k|k-1,l代替步驟6）中的α_k,l，初始化和j＝0，開始迭代估計測量量化誤差方差R_v,k,l。