[發(fā)明專利]一種基于多采樣率多模型融合估計的移動目標跟蹤方法

有效

• 申請?zhí)枺?/td>: 201410223531.7
• 申請日: 2014-05-23
• 公開（公告）號: CN104090262A
• 公開（公告）日: 2014-10-08
• 發(fā)明（設(shè)計）人: 張文安;楊旭升;俞立;劉安東;陳博
• 申請（專利權(quán)）人: 浙江工業(yè)大學
• 主分類號: G01S5/02
• 分類號: G01S5/02;H04W64/00;H04W52/02
• 代理公司: 杭州斯可睿專利事務(wù)所有限公司 33241
• 代理人: 王利強

技術(shù)領(lǐng)域

本發(fā)明涉及移動目標跟蹤領(lǐng)域，尤其是一種移動目標實時跟蹤方法。?

背景技術(shù)

無線傳感器網(wǎng)絡(luò)由于其自組織性、魯棒性以及可大范圍覆蓋的特點，使得它在環(huán)境檢測、車輛跟蹤、軍事偵查與軍事目標跟蹤等領(lǐng)域具有重要的應(yīng)用價值。在目標跟蹤領(lǐng)域，在評價跟蹤方法時，需綜合考慮跟蹤精度、跟蹤魯棒性和能量消耗以及跟蹤反應(yīng)時間等指標。為了提高跟蹤精度，提出了多傳感器信息融合估計方法，即通過融合多個傳感器的測量信息來提高跟蹤精度。特別地，采用分布式狀態(tài)融合估計方法，可通過融合各局部狀態(tài)估計獲得精度更高的融合估計結(jié)果，使目標跟蹤系統(tǒng)的故障容錯能力和魯棒性得到增強和改善。在現(xiàn)有目標跟蹤技術(shù)中，有采用這種基于多組傳感器的分布式狀態(tài)融合估計方法，然而都是采用多組傳感器單一采樣率和單一移動目標模型的方式，不能根據(jù)移動目標的狀態(tài)(如移動速度)以及傳感器節(jié)點的能量狀況調(diào)整跟蹤策略，導致系統(tǒng)靈活性不足且不利于無線傳感器網(wǎng)絡(luò)的節(jié)能降耗。目前在無線傳感器網(wǎng)絡(luò)中還沒有技術(shù)能夠依據(jù)移動目標運動情況來調(diào)整信息采集速率以降低傳感器網(wǎng)絡(luò)的能耗。?

發(fā)明內(nèi)容

為了克服已有移動目標跟蹤方法的靈活性較差、能耗較大的不足，本發(fā)明提供一種在保證跟蹤精度、魯棒性以及快速反應(yīng)能力的前提下，有效降低傳感器網(wǎng)絡(luò)的能耗、提升靈活性的基于多采樣率多模型融合?估計的移動目標跟蹤方法。?

本發(fā)明解決其技術(shù)問題所采用的技術(shù)方案是：?

一種基于多采樣率多模型融合估計的移動目標跟蹤方法，所述方法包括以下步驟：?

步驟1)把移動目標的速度分為L個不同的等級，無線傳感器網(wǎng)絡(luò)分為m個不同的簇，傳感器節(jié)點分為n個不同的采樣速率，選擇移動目標的狀態(tài)變量，所述狀態(tài)變量為位置、速度或加速度，建立n個采樣速率下移動目標跟蹤的狀態(tài)空間模型；?

步驟2)簇頭節(jié)點收集其簇內(nèi)節(jié)點的量測信息，根據(jù)當前采樣速率下狀態(tài)空間模型，應(yīng)用擴展卡爾曼方法得到移動目標的局部估計，并把局部估計結(jié)果以及其剩余能量信息發(fā)送到融合中心；?

步驟3)針對低采樣速率的簇，在其局部估計缺失的時刻點上，融合中心通過對上一時刻的狀態(tài)估計值進行預(yù)測，把所有局部估計結(jié)果同步到同一時刻點；?

步驟4)融合中心根據(jù)各局部估計的誤差協(xié)方差矩陣，在線確定CI融合方法中的融合參數(shù)，應(yīng)用CI融合估計方法，得到移動目標的融合估計結(jié)果，所述融合估計結(jié)果包括運動速率估計值；?

步驟5)融合中心根據(jù)移動目標的運動速率估計值以及各簇頭節(jié)點的能量信息，若移動目標的運動速度估計值低于相應(yīng)的閾值，將降低能量最低簇節(jié)點的采樣速率；反之，移動目標的運動速度估計值高于相應(yīng)的閾值，將加快能量最高簇節(jié)點的采樣速率；并把采樣速率調(diào)整結(jié)果發(fā)送給各簇頭節(jié)點；?

步驟6)若簇頭節(jié)點收到采樣速率調(diào)整信息，將調(diào)整簇內(nèi)節(jié)點的采樣速率，并切換到相應(yīng)采樣速率下的狀態(tài)空間模型，否則，各簇節(jié)點按原采樣速率進行采樣和狀態(tài)估計。?

進一步，所述步驟1)中，根據(jù)系統(tǒng)的節(jié)能要求和跟蹤精度要求?確定L、m和n的取值，其中，L＝m×n+1，L個速度等級對應(yīng)L個速度閾值V_c,c＝1,…,L-1且V_c-1＜V_c。?

所述步驟1)中，所述狀態(tài)變量為二維或三維參數(shù)。?

所述步驟1)中，各采樣速率下的狀態(tài)空間模型存儲在簇頭節(jié)點中，通過指針數(shù)組M[n]指向各狀態(tài)空間模型，即M[j],j＝1,…,n指向采樣速率j下的狀態(tài)空間模型。?

更進一步，所述步驟2)中，所述的量測信息為傳感器節(jié)點與移動目標的距離、移動目標的加速度和運動姿態(tài)。?

在步驟3)中，若下一時刻該局部估計結(jié)果繼續(xù)缺失，將對當前時刻得到的預(yù)測值進行再次預(yù)測，以得到下一時刻的狀態(tài)估計值。?