一种车辆机动目标跟踪的多传感器信息融合估计算法

为了保证自动高速公路系统对车辆机动目标的实时、精确跟踪,提出了一种车辆机动目标状态的多传感器信息融合估计算法.建立了车辆运动状态的离散时间多模式非线性动态系统模型,利用当前时刻的各个传感器量测数据,结合交互式多模型和扩展卡尔曼滤波器得到各个局部状态估计值和滤波误差协方差阵,并采用动态加权信息融合准则获得更为精确的车辆融合航迹估计值.通过仿真验证表明这种多传感器信息融合估计算法能实时有效地提高车辆机动目标跟踪精度.     

面向机动目标跟踪的多传感器长时调度策略

为解决杂波环境下机动目标跟踪以及系统辐射风险控制的问题,提出了一种面向机动目标跟踪的多传感器长时调度策略.该方法首先以交互式多模型和概率数据关联算法为基础,估计杂波环境下机动目标跟踪精度.然后以辐射度影响量化辐射代价、推导有限时域内辐射代价,以后验克拉美-罗下界衡量目标跟踪性能、预测机动目标有限时域内后验克拉美-罗下界.最后,引入传感器切换代价,考虑跟踪精度约束,建立基于代价函数和后验克拉美-罗下界的多传感器长时调度策略,并将该约束调度问题转化为决策树优化问题,采用阈值剪枝搜索技术求解最优策略.仿真结果表明:该方法验证了所提策略的有效性,与标准代价搜索相比,所提搜索算法能够以辐射风险略上升为代价,显著降低节点打开数、加快搜索空间;与随机调度、最近调度和贪婪调度相比,所提调度策略能够在满足跟踪任务需求下获得更低的辐射代价;与随机调度和贪婪调度相比,所提调度策略切换代价更低,有效克服了传感器频繁调度问题,更利于实际实现.     

基于Unscented卡尔曼滤波的目标跟踪仿真分析

卡尔曼滤波技术是目标跟踪的理论基础之一.在工程应用中,多采用非线性滤波的方法对目标进行跟踪.介绍了Unscented变换,通过使用Unscented卡尔曼滤波(UKF)对目标跟踪进行仿真实验,Un-scented卡尔曼滤波有效地克服了传统的扩展卡尔曼滤波算法(EKF)的缺陷.给出了最佳估计的二阶近似,提高了对目标跟踪的精度和稳定性.仿真结果表明,该算法对目标在位置、速度跟踪方面均有良好的效果;针对目标机动,采用多模型滤波算法能够实现目标机动的精确跟踪.     

广义合作目标跟踪的误差空间估计方法

提出了广义合作目标的概念及误差空间估计方法,提高了光电跟踪系统的跟踪精度与平稳性。该方法采用引导数据与引导误差描述目标的运动,通过将目标的机动分散到引导数据和引导误差,在目标状态空间中根据目标的运动模型进行滤波,在误差空间中根据引导误差模型进行滤波与预测,再进行合成得到目标位置预测数据。实验结果表明在相同的机动水平下,该方法的跟踪性能优于Kalman滤波与强跟踪滤波。     

机动目标跟踪的分布式MIMO雷达资源分配算法

在分布式多输入多输出雷达平台下,将发射功率和信号带宽联合优化分配,目的是在资源有限的情况下提高机动目标的跟踪精度.该方法首先推导了机动目标跟踪误差的贝叶斯克拉美罗下界,然后以最小化贝叶斯克拉美罗下界为目标,建立了包含发射功率和带宽两个优化变量的代价函数,并用循环最小化算法结合凸松弛和凸优化进行求解.仿真结果表明,该算法能明显提高机动目标的跟踪精度.     

基于改进粒子滤波的传感器网络目标跟踪研究

在分析粒子滤波算法(PF)的基础上研究了一种改进的粒子滤波算法-无迹粒子滤波算法(UPF).UPF算法使用无迹卡尔曼滤波(UKF)算法产生重要密度函数.动态组织传感器网络节点成簇,将UPF算法和PF算法应用于无线传感器网络(WSNs)的目标跟踪,实现了对网络中做匀速直线运动的单个目标的跟踪.最后将UPF算法与PF算法进行比较.仿真结果表明,改进算法UPF滤波提高了粒子利用效率,精度更高,跟踪性能更好.     

量化量测条件下的交互多模型箱粒子滤波

在分布式多传感器网络中,为了节省通信带宽,需要将传感器得到的点量测量化成区间量测,而传统的滤波算法均不能直接处理这种量化量测．箱粒子滤波作为一种“广义粒子滤波”算法,用箱粒子和误差界限模型来取代传统的点粒子和误差统计模型,是新近出现的处理区间量测的有力工具．相比粒子滤波,箱粒子滤波还具有所需粒子数少、算法复杂度低、运行速度快等优点．因此,为了处理量化量测条件下的机动目标跟踪问题,提出了交互多模型箱粒子滤波算法．仿真对比实验表明：在量化量测条件下,交互多模型箱粒子滤波算法和交互多模型粒子滤波算法都能够准确地估计机动目标状态,但交互多模型箱粒子滤波所需粒子数更少、计算效率更高．     

多站测角的最小二乘交互多模型跟踪算法

在多站测角的被动目标跟踪中,目标的状态与角度量测值之间存在非线性关系,现有的方法主要是对其进行线性化,但线性化过程会带来滤波精度的下降,甚至会产生滤波发散而丢失目标．针对这一问题提出一种新方法,采用最小二乘法对多个观测站测得的目标角度信息进行融合,估计出目标的状态,将状态估计作为卡尔曼滤波的伪量测,然后采用交互多模型算法跟踪机动目标．仿真结果表明该方法可实现多站测角机动目标的跟踪,其跟踪误差远小于现有的跟踪方法．     

基于“当前”模型的IMM-UKF机动目标跟踪融合算法研究

文章设计了一种基于“当前”统计模型的交互式多模型无迹卡尔曼滤波(IMM-UKF)融合算法.首先在交互式多模型算法框架内,计算“当前”统计模型的概率,自适应地调整“当前”统计模型中目标加速度,提高了“当前”统计模型的自适应性.其次,该算法结合了交互式多模型和无迹卡尔曼滤波算法,该算法具有交互式多模型具有对不同目标机动模式自适应跟踪的能力和无迹卡尔曼滤波滤波度高的优点.最后,采用分布式融合算法提高了系统抗干扰能力及对目标跟踪的有效性和跟踪精度.通过对三维机动目标进行仿真,结果表明文中所设计的IMM-UKF融合算法对于跟踪以多种机动策略实时机动的目标具有较好的跟踪性能,可以减小系统机动跟踪的误差均值和标准差.较之传统的交互式多模型算法,跟踪性能更加优越.     

基于噪声自适应的交互式多模型算法研究

机动目标跟踪精度大都依赖于匹配的系统模型和已知的噪声统计特性。模型匹配法主要采用交互式多模型算法来提高系统模型与机动目标状态的匹配。该算法的有效应用已经成功提高了机动目标的跟踪精度,但该算法只是针对系统模型的不确定性提出的解决方法,并没有解决噪声统计特性不确定的问题。针对噪声统计特性未知而导致滤波精度下降的问题,本文提出了噪声自适应的交互式多模型机动目标跟踪算法。仿真结果表明,噪声方差未知的情况下,本算法的跟踪性能优于传统的交互式多模型算法,提高了机动目标跟踪的精度。     

雷达组网多传感器选择快速启发式算法

为了提高雷达组网目标跟踪系统的跟踪能力,常用方法是增加组网中的传感器个数,但同时伴随而来的是传感器选择算法的计算量增加问题。该文结合信息增量和协方差控制的优点提出了一种多传感器选择快速启发式算法,给出了一种"最佳"传感器排序准则和传感器优化组合的选择方法,在满足目标跟踪精度的前提下,提高传感器管理的运算效率,仿真结果验证了算法的有效性。     

无线传感器网络下的并行粒子滤波目标跟踪算法

针对无线传感器网络环境下目标跟踪问题,提出一种基于分布式并行粒子滤波的目标跟踪方法.在建立了网络动态分簇模型和目标运动模型的基础上,将并行粒子滤波算法应用于动态目标进行跟踪.算法通过多个感知节点并行的运行局部粒子滤波器,得到每个节点对目标状态的估计,动态成簇的簇头节点对簇内每个节点的信息进行融合,形成动态目标的状态估计...     

纯方位观测的航迹不变量目标跟踪算法

针对单站纯方位观测系统的目标跟踪问题,提出了一种新的单站纯方位目标跟踪算法．通过新提出的余切关系定理,解决了单站纯方位观测的非线性问题．推导了目标航向角估算公式及目标航迹的不变量,利用这个不变量估计目标方位．针对多站纯方位异步观测的目标跟踪问题,提出了一种新的双站纯方位异步观测目标跟踪方法,利用两个观测站与目标的几何关系估计目标位置．仿真实验表明,本算法能有效地实现纯方位目标跟踪．     

Sensor selection algorithm based on modified binary particle swarm optimization

Considering the problem of sensor selection for multi-target tracking in wireless sensor networks(WSN),a sensor selection algorithm based on binary particle swarm optimization(PSO) is proposed to maximize the tracking accuracy. The predicted coordinate of the target and the determinant of the Fisher information matrix (FIM) is used for sensor selection. A modified form of binary particle swarm optimization(MBPSO) is proposed to solve the model, which is designed by employing the binary vector coding manner, constraint satisfaction cyclic shift population initialization method, particle position updating rules with the V-shaped transfer function and guidance factor. Simulation results show that the proposed sensor selection algorithm can be efficiently applied in the multi-target tracking problem. Compared to the basic particle swarm optimization algorithm and genetic algorithm (GA), the modified algorithm achieves a balance between global optimization and local exploration, and can effectively avoid the local optimum. Moreover, the proposed algorithm is suitable for large-scale networks.     

Energy efficient distributed sensor management algorithm

Considering the limitation of energy in wireless sensor networks(WSN),a distributed sensor management algorithm is proposed for multi-target tracking with high accuracy and efficient energy conservation. The predicted coordinate of the target and information gain are used to establish the optimization model. The method introduces the auction theory and adjusts the price of the sensor resources, and once the balance of the market is reached,the target-sensor assignment problem is solved. In order to shorten the decision-making time and save the energy consumption,the carrier sense multiple access(CSMA) mechanism is introduced and the decision-making can be completed with local information and a few iterations. The convergence and effectiveness of the algorithm are proved,and simulation results show that the algorithm can effectively deal with multi-target tracking problem,guarantee the tracking performance and save the energy to prolong the network lifetime. So the proposed algorithm has a strong adaptability for the energy constrained WSN.     

基于声学无线传感器网络的目标跟踪系统研究

利用无线传感器网络对具有声音特性的目标进行跟踪的特点,研究了基于时延估计的声源定位方法.选择广义互相关法作为时延估计算法,并改进球形插值法用于声源定位,从而减小了算法复杂度;再利用IRIS节点设计了一个面向目标跟踪的声学无线传感器网络原型系统,并进行相应的实验.实验结果表明,利用所设计的原型系统能实现对移动目标跟踪,而...     

Prediction-based energy-efficient target tracking protocol in wireless sensor networks

A prediction based energy-efficient target tracking protocol in wireless sensor networks (PET) was proposed for tracking a mobile target in terms of sensing and communication energy consumption. In order to maximize the lifetime of a wireless sensor network (WSN), the volume of messages and the time for neighbor discovery operations were minimized. The target was followed in a special region known as a face obtained by planarization technique in face-aware routing. An election process was conducted to choose a minimal number of appropriate sensors that are the nearest to the target and a wakeup strategy was proposed to wakeup the appropriate sensors in advance to track the target. In addition, a tracking algorithm to track a target step by step was introduced. Performance analysis and simulation results show that the proposed protocol efficiently tracks a target in WSNs and outperforms some existing protocols of target tracking with energy saving under certain ideal situations.     

传感器网络的目标丢失故障恢复技术研究

分析了传感器网络在目标跟踪过程中产生目标丢失故障的原因，在此基础上采用分簇设计思想．通过对跟踪目标移动速度的计算和目标搜寻区域的建立等方法，提出了新的目标丢失故障恢复算法和技术．最后通过仿真实验证明，所提出的目标跟踪系统的目标丢失故障恢复算法和技术在延长传感器网络生存时间前提下能够有效解决跟踪目标发生丢失故障后的目标快速恢复问题，并通过实验比较说明了提出的方法在能量有效性方面优于其他方法．     

视频传感器网络基于位置的任务分配算法

为了解决目标跟踪视频传感器网络(VSNs)实时性、有限能量和处理能力的问题,提出基于位置的任务分配算法.采用有向无环图来描述周期的目标跟踪任务,根据跟踪目标、传感器节点和汇聚节点的位置坐标形成合作处理簇,优化簇内节点的任务分配.调节合作处理簇的最大跳数和任务完成时限2个参数进行仿真实验,结果表明,算法能够根据参数动态地组织传感器节点并行计算,提高网络处理能力.在性能上不仅满足任务实时性要求,而且比分布式计算架构节约28%的能量消耗.     

长航迹稳定跟踪的雷达功率分配算法

分布式组网雷达系统在处理跟踪任务时,低信噪比会导致目标检测概率小于1,进而可能导致目标航迹中断。为此,提出了一种长航迹稳定跟踪的分布式组网雷达功率分配算法,通过对雷达系统功率资源的优化配置,同时保证了航迹连续性与良好的系统跟踪性能。首先建立了分布式雷达回波信号及量测模型,然后推导了不确定性量测下的贝叶斯克拉美罗界(BCRLB),进而建立了功率分配问题数学模型。该优化问题中包含复杂非凸约束,为了对其进行高效求解,最后提出了一种基于凸优化的自约束功率分配(SCPA)算法。仿真结果表明,所提SCPA算法可以保证跟踪全阶段所有目标航迹不中断,并保持良好的跟踪性能。