基于多传感器不完全量测下的机动目标跟踪算法

针对传感器探测概率小于1的不完全量测情况下的非机动目标跟踪问题,提出一种基于多传感器不完全量测下的扩展Kalman滤波算法。首先,利用残差检测的野值剔除方法,确定目标状态估计过程中传感器是否接收到正确的量测数据;其次,基于每个传感器的量测数据,在不完全量测下采用改进的扩展卡尔曼滤波算法分别对目标运动状态进行估计;进而结合多传感器最优加权融合方法求解基于多传感器观测数据的状态估计;最后,将算法应用到光电跟踪系统中。仿真实验得到不完全量测下传感器探测概率对滤波效果的影响,验证了算法的有效性,其跟踪精度接近完全量测下的状态估计精度。     

室内多用户在线协同指纹定位算法

针对室内环境中多个用户同时申请定位服务的场景,提出一种基于多用户在线协同的室内指纹定位算法.考虑到邻近的多个用户在同一时段观测的Wi-Fi接入点(Access Point, AP)的接收信号强度指示(Received Signal Strength Indicator, RSSI)信号服从相似的空间分布,从而可利用该信号强度的大小来校准用户的估计位置.算法首先由目标用户的AP覆盖向量确定邻近的候选参考节点(Reference Point, RP)以及协同定位用户;利用协同定位用户观测的RSSI信息对候选RP进行可信度评估,并结合目标用户的RSSI信号与各候选RP指纹的相似度,筛选候选RP,利用WKNN(Weighted K-Nearest Neighbors)算法获得经协同定位用户校准后的目标用户的校准估计位置;同时,算法还融合了子集定位的思想,利用目标用户的在线RSSI信号构建用于校准定位的多个AP子集,并由位置密度检测方法剔除异常校准位置,确定目标的最终估计位置.算法涉及的协同用户的发现和位置的校准都无需额外的硬件支持,对用户透明.典型室内环境中的实验结果表明,多用户在线协同定位算...     

基于似然方程校正的时差定位算法

针对传统时差定位闭式解法在量测噪声较大情况下定位性能不佳的缺点,提出了一种新的时差定位算法。该算法首先在无约束条件下利用加权最小二乘得到目标的初始位置估计值,然后利用最大似然方程对初始位置估计值进行校正,校正后的位置估计值将更加接近最大似然估计。通过对算法的仿真分析,结果表明在量测噪声较大的情况下,算法的定位均方误差要小于经典的Chan算法。     

基于短基线传感器网络的远场声源TDoA定位组合算法

针对远场声源定位问题,提出到达时间差(TDoA)定位的短基线传感器网络方案.通常有一类定位算法无需估计初始点,而另一类算法则依赖初始估计值,提出将这2类方法相结合,设计出几种组合定位算法.主要思想是扬长避短,由第1类定位算法实现粗定位和输出初始估计位置,将其作为初始点输入给定位精度高和依赖初始值的第2类算法.提出利用蒙特卡洛法和简化的几何配置案例,计算定位算法的概率误差圆,论证了这种性能评估准则的可行性.通过对组合算法的概率误差圆进行数值分析,得出球形插值法与最小二乘方程差法的有机组合具有最优性能的结论,并分析了这种组合算法的盒图特性.根据不同的距离和声程差标准偏差进行模拟,以及采用野外真实场景下获得的声源数据进行试验,验证了结论.     

声探测网络延时概率多假设跟踪算法

针对利用同步固定声探测网络中的纯方位角延时量测数据对低空机动目标进行探测与跟踪的问题,为提高跟踪精度,根据期望最大化算法提出一种延时概率多假设目标跟踪算法,对网络中多个时刻各个传感器数据间的组合进行延时概率多假设建模,形成多假设联合量测,利用内嵌合适的贝叶斯平滑器对目标状态进行递归优化,最终得到目标状态的极大后验估计值.仿真结果表明算法能够有效解决声探测网络延时数据难以利用的问题,对低空机动目标的状态进行有效跟踪,满足估计精度要求,收敛速度快,鲁棒性强的特点.     

时延估计算法在乒乓球落点检测中的仿真研究

到达时间差(TDOA)是一种重要的信号发射源定位方法,它通过处理多个信号发射传感器采集到的信号到达时间测量数据来实现声发射源目标的定位,具有较高的定位精度。运用四种不同加权函数的广义互相关时延估计方法,来提高乒乓球辅助评价系统中关于乒乓球落点位置的精度。对广义互相关法的四种不同的加权函数进行介绍和阐述,将噪声信号加入原信号,使用Matlab进行实验仿真。实验结果表明:使用PHAT加权和SCOT加权可以提高时延估计的精度,从而达到更精准的估计出乒乓球落点位置的目的。     

基于五元立体声阵的被动定位系统设计

半主动激光寻的制导技术因其高精度而广泛应用于导弹、炮弹和炸弹等领域,但配套的目标激光指示始终是困扰其使用灵活性的最主要问题.针对无人值守激光目标指示器全空域目标被动声定位的系统需求,设计了一种五元立体声阵并制作了原理样机,推导了基于时延估计的目标定位参数解的表达式.通过对悬停直升机目标进行声测定位结果分析表明:五元立体声阵可以实现对声源目标进行测向和测距,角度估计精度较高,误差小于2°.     

四元声传感器面阵快速测向算法及误差分析

为了对低速移动的声源目标进行较高实时性的方向跟踪,把四元声传感器面阵分为两个二元线阵,分别对目标进行测向,然后融合两组测量结果,给出了目标方位角的计算公式.根据线阵在被跟踪目标方位角不同时测向精度的不同,用加权因子增加较高精度的线阵测量结果的影响,降低误差较大的线阵测量结果的影响.该算法可对传感器阵列所在平面内任意方位的声源快速进行测向,完成一次测向只需对两对时间采样序列分别进行互相关运算,并可获得较高的定向精度,通过实验验证了该算法的精度和有效性.     

测向交叉定位及数据关联技术研究

针对测向交叉定位系统研究了目标定位方法及多目标测量数据关联问题.给出了不同的目标位置求解方法,计算了不同方法目标定位精度,并对定位方案的选择提出了建议.提出了基于不变量的目标同一性识别方法,同时也分析了基于残差的数据关联方法,通过数字仿真对比了这两种方法的数据正确关联概率.仿真结果表明:基于不变量的新方法正确关联概率与基于残差的数据关联方法相当,但计算量远小于后者.     

多站无源定位最佳配置分析

为了提高多站无源定位精度,以LS算法的GDOP为基础对多站测向交叉定位的最佳配置形式进行了分析.指出当目标位于多传感器形成的闭合区域内、外侧时,其最佳配置形式是各相邻传感器间夹角相同,且传感器位于以目标位置(同时为坐标系原点)为圆心的外接圆上;如果在该最佳形式中没有对相邻夹角的限制,则LS算法可以达到方差最小意义下的最优估计;文中同时对最优估计及最佳配置条件下LS算法的一致性进行了分析.仿真结果验证了最佳配置形式的分析,并指出该形式可以应用到基于传感器管理的多站无源定位算法中.     

Self-organization of unattended wireless acoustic sensor networks for ground target tracking

A distributed, self-organization algorithm for ground target tracking using unattended acoustic sensor network is developed. Instead of using microphone arrays, each sensor node in the sensor network uses only a single microphone as its sensing device. This design can greatly reduce the size and cost of each sensor node and allow more flexible deployment of the sensor network. The self-organization algorithm presented in this paper can dynamically select proper sensor nodes to form the localization sensor groups that can work as a virtual microphone array to perform energy efficient target localization and tracking. To achieve this, we use a time-delay based bearing estimation plus triangulation for source localization in the sensor network. Major error sources of the localization method like time delay estimation, bearing calculation and triangulation are analyzed and sensor selection criteria are developed. Based on these criteria and neighborhood information of each sensor node, a distributed self-organization algorithm is developed. Simulation results show the effectiveness of the proposed algorithm.     

基于移动节点的无线传感器网络定位算法

节点定位技术是无线传感器网络应用的重要支撑技术之一,为了提高定位算法的准确性,提出了一种基于移动目标节点的两步定位算法。该算法利用一个移动目标节点遍历整个网络,并周期性地广播包含自身当前位置的信息。而传感器节点的自身定位过程则可用基于无迹卡尔曼滤波(UKF)的目标跟踪方法实现。由于所用的目标状态模型和量测模型有一定的不确定性,所以先选取不共线的3个拥有RSSI测距能力的目标节点信息,利用Euclidean定位法提高滤波的初始位置精度,从而改善定位效果。通过仿真、分析和比较该目标节点在多种移动轨迹情况下的定位误差,这种两步定位法可以改善对目标节点移动轨迹的特殊要求的限制,能取得较好的定位精度,而且更适合于实际情况。     

传感器网络定位问题的概率特征

无线传感器网络技术在国民经济建设和军事领域有着非常重要的应用价值,网络化传感器节点的自身定位问题是传感器网络运行的一个基本和关键问题,主要是研究了定位问题的概率性行为特征.采用概率论进行数理证明和模拟实验验证.提出在一定条件下,通常定位算法产生的节点估计位置的线性变换形式服从χ2分布,另外传感器网络的节点连接度服从泊松分布,理论上严密证明了结论的正确性,并对传感器网络定位的节点部署密度所需要的条件进行模拟实验和讨论.得出了定位误差的概率分布特征,以及传感器网络节点部署密度的一些结论,对设计和评价传感器网络的定位算法具有指导作用.     

多声传感器异步融合算法

声探测定位技术是利用声传感器接收特定声波信号以确定声源的一种无源定位技术,它具有隐蔽性好、不易受干扰等优点.本文研究了仅能提供方位角信息的异步多声传感器无源探测系统数据融合问题,提出了一种适用于声传感器的在线估计可变周期融合算法.该算法首先采用伪线性算法,将非线性量测方程线性化;然后通过采用参数在线估计和基于运动模型向前追溯确保时间同步的方法,解决了目标跟踪时信号传输时延和传感器异步的问题.通过Monte Carlo仿真表明,在参数在线估计中,步长选取适当时,该算法可以满足声探测系统的精度要求,并且具有收敛快、精度高、稳定的特点.     

改进的无线传感器网络节点定位算法

为了减小无线传感器网络(WSN)节点定位中非视距传播误差产生的影响,提高节点定位精度,提出一种基于残差加权的牛顿迭代定位算法。先利用残差加权算法定位,得到未知节点的初步位置,再将该节点位置作为牛顿迭代定位算法的初始值进行迭代计算,最终得到更为精确的节点位置。仿真实验结果表明,该算法能有效地抑制非视距传播误差的影响,提高传感器网络节点定位的精度,且性能稳定。     

基于正四棱锥形六元声阵列被动定位的研究

声音无线传感器网络节点利用到达时间差(TDOA)原理进行声音目标定位,提出了一种正四棱锥形六元声音阵列定位模型。推导出了目标空间定位计算公式,应用广义互相关算法对时延进行估计。同时对模型误差进行了分析。最后通过仿真实验,可以对目标进行有效定位,定位误差小。     

基于扩展卡尔曼滤波的声传感器跟踪算法

针对声传感器单站单目标跟踪,提出了一种基于扩展卡尔曼滤波(EKF)的跟踪算法,将声波传输时延的影响转换到运动模型的可变周期上,通过参数在线估计的方法,估计该可变周期,进而解决了有信号时延的跟踪问题。通过把先验已知的速率当作观测值,解决了纯方位角跟踪时系统不完全可测的问题。仿真验证了算法的正确性和有效性。     

基于无线传感器网络的同时定位与跟踪

研究无线传感器网络在位置信息不确定时,同时定位无线传感器网络节点并跟踪移动目标。利用RSSI测量节点对之间的距离,多维定标技术根据距离矩阵完成传感器网络的初始定位。估计与更新阶段提出了压缩EKF滤波确定传感器节点位置和目标位置。仿真结果显示:算法在较低的网络覆盖率下有较高的定位和跟踪准确度,在初始定位误差为5m时,节点和跟踪误差均小于3m,特别是在长距离的跟踪任务中有很好的精度和实时性。     

多站虚拟量测变换均值无源定位算法

在多站无源均值定位算法中,为了解决部分传感器间夹角过大或过小所导致的定位精度下降问题,提出一种基于虚拟量测变换的多传感器管理无源定位算法.首先在全局坐标系下分析了传感器间夹角对误差几何稀释度(GDOP)的影响,进而得到双站获得较好定位精度的夹角约束关系;其次针对不满足该约束关系的传感器组合提出一种虚拟量测变换定位算法,通过空间管理的方法达到对传感器的优化布站,并结合算法的实施步骤对其原理及特点进行了理论分析,尤其对变换前后的交点精度进行了比较.仿真结果表明虚拟量测算法的定位精度要明显优于均值算法,进而说明该算法的有效性及传感器管理在多站无源定位中的重要作用.     

无线传感器网络非线性方程声音目标定位算法

无线传感器网络基于声音能量的目标定位法中,非线性方程定位算法运算速度较快,占用资源小,但测量噪声使得方程容易出现无解的情况。论文从去除噪声的角度,采用增加采样次数和选择声音信号最大值求解的方法进行了改进,解决了方程法经常无解的缺点,实现了针对单目标的方程法定位估计。该方法易于实现,当网络中节点数较多时,只需通过一个方程组求解,保持了运算速度快的特点,仿真结果表明当节点数不多时该算法也能达到较好的估计准确度。