一种自适应的机动目标融合跟踪算法

该文主要研究了分布式传感网络中的机动目标跟踪问题。为了在降低传感器节点的通信负债的同时,提高系统的跟踪精度,该文提出了一种新的自适应多传感器机动目标跟踪算法。该算法与交互式多模型算法相结合,将远端传感器获得的局部状态估计与本地传感器的累计量测信息进行融合,并通过信息去相关算法消除了传感器间的相关性。从而实现了对机动目标的状态估计与量测信息的融合。提出的算法能够充分利用本地传感器量测的有效信息,以提高目标跟踪精度。仿真实验验证了该算法的有效性。     

多传感器目标检测跟踪与分类算法

在目标准确检测优化的研究中,单传感器联合检测、跟踪和分类算法是一种新型算法,可以同时对目标进行检测、状态估计和类别判断.然而上述算法估计目标数目、状态与类别性能较差.采用多传感器方法对目标进行观测,可以显著提高目标检测、跟踪与分类效果.提出基于粒子概率假设密度(PFPHD)滤波器的多传感器联合检测、跟踪和分类算法.首先通过对各传感器信号进行建模,提取目标的属性量测,然后引入目标的属性信息对目标状态空间进行重新建模,从而得到目标综合状态,最后利用多个传感器的量测对综合状态进行序贯处理.仿真结果表明,与单传感器联合算法相比,上述算法能够更准确判断多目标类别,目标数目估计精度和跟踪精度均提高20％以上,验证了算法的有效性和可行性.     

基于最大互相关熵UKF的传感网目标状态和系统偏差联合估计算法

针对空天地一体化传感网络中传感器观测目标时观测噪声具有重尾或突变性质的问题以及系统偏差对目标状态估计的影响,提出一种基于最大互相关熵无迹卡尔曼滤波（MCUKF）的目标状态和系统偏差联合估计（ASMCUKF）算法。MCUKF算法首先通过无迹变换（UT）获得预测状态估计值和协方差矩阵,然后使用基于最大互相关熵准则（MCC）的非线性回归方法重新构建观测信息,增强了UKF对重尾噪声的鲁棒性。ASMCUKF算法通过目标状态向量扩维的方法建立状态方程和带有系统误差的非线性观测方程,根据估计的系统偏差进行偏差配准,改善了系统偏差对目标状态估计的影响。仿真结果表明,ASMCUKF在重尾非高斯观测噪声的环境下对通信目标状态和系统偏差的估计效果比传统方法更好。     

传感器网络中的分布式滚动时域状态估计

利用分布式滚动时域方法对无线传感器网络的状态估计问题进行研究,给出了基于量化测量值的滚动时域估计算法。在无线传感器网络的环境下处理分布式状态估计问题时,减少通信的成本是非常重要的一个环节,需要将观测值量化后再传送。以往的滚动时域估计方法无法处理量化观测值的状态估计问题,而本文的方法考虑了最严格的观测值量化情况即传感器只发送一个比特至融合中心的状态估计问题。与其它传感器网络中的状态估计方法相比,该方法减少了每一步的计算量。仿真结果验证了该算法的有效性。     

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。     

基于融合反馈的多传感器空间偏差配准方法

利用多传感器的目标状态融合估计和融合估计误差协方差作为反馈信息,提出了带反馈机制的多传感器空间偏差配准方法.对二阶段Kalman滤波偏差配准方法进行扩展和改进,在不同噪声条件下对目标状态融合和偏差进行估计.仿真结果表明,带反馈信息的偏差配准方法可有效改善目标的状态估计和传感器的偏差配准,Crmaer-Rao下界分析说明了该算法的有效性.     

新的分布交互式多模型广义概率数据关联算法

为有效解决密集杂波环境下分布式多传感器多机动目标跟踪问题,提出了一种基于改进D-S证据组合规则的分布交互式多模型多传感器广义概率数据关联（DIMM-MSGPDA-IDS）算法。该算法首先对各局部节点均应用单传感器的IMM-GPDA算法跟踪多机动目标,并将其各模型的状态估计、协方差估计、模型概率、组合新息及其协方差矩阵等滤波结果送至融合中心;在航迹关联判决结束后,融合中心根据各模型对应似然函数的大小融合不同传感器关于同一目标的模型状态估计及其协方差矩阵,并提出利用三维（3-D）证据进行直接融合的改进D-S算法对来源于同一目标的不同传感器的各模型概率进行有效融合,然后依此概率来更新各目标的状态估计并反馈至各局部节点,使之获得更为精确的状态预测;最后,将该算法与基于D-S证据组合规则的分布交互式多模型多传感器联合概率数据关联（DIMM-MSJPDA-DS）算法进行仿真对比分析。理论分析和仿真结果表明,该算法能够很好地对强机动目标进行跟踪,且其计算量相对较小,是一种有效的分布交互式多模型多传感器多机动目标跟踪算法。     

基于自适应加权融合的分布式滤波算法

针对存在丢包的传感器网络中每个传感器节点对目标估计确信度不同的问题,提出一种基于自适应加权融合的分布式滤波算法.考虑节点在网络中的影响力及其节点属性,将节点重要度与传感器网络节点观测数据间的支持度线性加权,获得每个传感器节点对目标的估计确信度,并将该确信度构成的融合权值引入节点状态估计值的一致性协议中,更新传感器节点对目标的状态估计值,提高分布式滤波算法的估计精度和传感器节点估计值的一致性.仿真结果验证了所提出方法的有效性.     

基于IMM-PF的分布式估计融合算法

针对基于扩展卡尔曼滤波的估计融合算法存在线性化误差,且受高斯噪声假设限制的问题,提出一种基于交互式多模型粒子滤波(IMM-PF)的分布式多传感器估计融合算法.各传感器节点采用IMM-PF算法,以便在非线性、非高斯条件下稳健地跟踪机动目标;融合中心则采用基于粒子滤波(PF)的分布式融合方法进行全局估计融合.该算法适用于非线性、非高斯条件下的多传感器状态估计.仿真结果表明,该算法能够提高多传感器系统状态估计的精度.     

移动传感器网络中目标跟踪与监测的同步优化

针对移动传感器网络(Mobile sensor networks, MSNs)中动态目标(事件源)的监测优化问题, 为提高网络覆盖质量, 建立基于Voronoi剖分的监测性能(Quality of monitoring, QoM)评价函数, 提出基于群集控制的传感器节点部署分布式控制算法. 每个节点在本地结合最小二乘法和一致性算法来估计目标相对位置. 相比传统算法, 本文算法只需本地和单跳通信(可观测)邻居的信息, 从而减小通信时长和能耗. 算法在提高以目标为中心的一定区域监测性能的同时, 使全体传感器速度趋于一致, 从而在尽量保持网络拓扑结构的同时减少了整体移动能耗. 在目标匀速或目标加速度信息全网可知的情况下, 全体传感器速度渐近收敛至目标速度, 且监测性能收敛至局部最优. 所采用的目标位置估计滤波算法计算简单、切实可行.     

A multi-robot positioning system using a multi-code ultrasonic sensor network and a Kalman filter

In multi-robot systems, each robot needs to have the position and pose information of itself and that of the other cooperative robots. This paper presents a synchronous distributed positioning system that uses a multi-code ultrasonic sensor network and a compensation algorithm using a Kalman filter. The bearings of robots are computed by using their position changes, and then compensated for by using the Kalman filter. The ZigBee sensor network protocol is used for communication among the robots and for the synchronization of the ultrasonic transmission timing. The experimental results show that our system positions multiple robots synchronously without any configured infrastructures. The results have a better accuracy and less accumulative error than those found in positioning systems without compensation.     

水声传感器网络中的节能路由协议改进算法

在大规模三维水声传感器网络中,针对节点能耗和网络传输效率的问题,本文基于节点定位和LEACH算法,提出了一种适用于水声通信传感器网络路由算法,该算法采用定位、聚类、唤醒和排列的思想,首先通过定位,确定节点的位置信息,再通过聚类方法,使水下的节点分成不同的簇,形成节点休眠及唤醒的单元.在数据通信过程中,通过及时唤醒簇单元,使需要利用的簇节点及时被唤醒,处于活跃状态,而暂时不被需要的节点进行休眠,从而达到节能的效果.而在簇内传输时,考虑了节点的剩余能量信息,选择最优节点进行信息传输.仿真实验表明,该算法能够提高网络的整体寿命时间.     

Energy-efficient cooperative data aggregation for wireless sensor networks

Recently, cooperative communication mechanism is shown to be a promising technology to improve the transmit diversity only by a single transceiver antenna. Using this communication paradigm, multiple source nodes are able to coordinate their transmissions so as to obtain energy savings. As data aggregation is one of the most important operations in wireless sensor networks, this paper studies the energy-efficient data aggregation problem through cooperative communication. We first define the cooperative data aggregation (CDA) problem, and formally prove that this problem is NP-Hard. Due to the difficult nature of this problem, we propose a heuristic algorithm MCT for cooperative data aggregation. The theoretical analysis shows that this algorithm can reach the approximate performance ratio of 2. Moreover, the distributed implementation DMCT of the algorithm is also described. We prove that both centralized and distributed algorithms can construct the same topology for cooperative data aggregation. The experimental simulations show that the proposed algorithms will decrease the power consumption by about 12.5% and 66.3% compared with PEDAP and PEGASIS algorithms respectively.     

基于零加速修正的室内惯性定位算法

惯性微传感器定位精度受到累积误差影响严重,甚至在连续定位过程中出现无法收敛问题,使估计位置严重偏离实际位置。基于零加速状态检测并修正传感器平台姿态的算法可以在常规传感器配置条件下解决传感器的累积误差影响问题。将采集的加速度值与相应的阈值比较,检测出平台的零加速状态,根据检测到的零加速状态对平台的姿态信息进行重新修正估计,达到削弱累积误差影响的目的。理论分析表明,基于零加速修正的惯性定位算法具有较优异的计算复杂度。室内外实验结果表明,经过零加速修正定位算法得到的轨迹与行人真实轨迹能够较好契合,验证了该算法可以不依赖于GPS实现对行人的有效定位。     

非合作信标条件下水下无线传感网可靠定位技术

传统假设水下无线传感器网络的传感器节点和信标节点都是合作的,但是在军事应用等特殊场合下,某些节点容易被敌方捕获或入侵,因而水下无线传感网络中有时会存在一些非合作的恶意节点。针对存在若干非合作信标的水下无线传感器网络定位应用,提出了一种非合作信标节点约束下水下无线传器网的可靠节点定位算法。本文算法利用一跳邻居范围内信标节点独自投票机制实现对非合作信标的判决与剔除,从而减少由于存在非合作信标节点对定位误差的影响,同时也分析了不同比例非合作信标下的定位误差界限。仿真结果验证了本文提出的算法相比传统定位算法,在平均定位精度和定位覆盖率等方面都有所提高。     

基于车路协同的地下停车场车辆定位算法发散性研究

针对GPS信号弱或不可用场景下(如隧道、地下停车场等)智能车辆的高精度定位服务问题,分析了一类基于车载网络通信(VANET)的无线定位算法,通过车辆—智能路基之间的信息交互,以解决现有车辆定位过程中有效精度低、抗干扰能力差等问题。但考虑到车辆移动造成的网络拓扑结构动态变化,车辆与智能路基之间的非对称通信时延往往被忽略,导致协同定位模型过于简化,造成车辆定位精度的损失。通过刻画车辆—智能路基之间的非对称通信模型,从数学角度分析验证了现有车辆协同定位算法的发散性。仿真结果表明,在不考虑非对称通信延迟的条件下,对车辆的定位误差会逐级收敛;但在考虑非对称延迟的条件下,则呈现指数级振荡发散。     

无线传感器网络地理协同通信算法

针对无线传感器网络能量有效性和协同通信节点选取问题,提出基于位置的无线传感器网络协同通信算法(CCABL).该算法通过距离参数选取协同节点及其成员节点,并引入数据融合和分簇思想.协同节点融合成员节点数据,采用F/R(forward/reverse)协同通信传输数据.理论分析和NS2仿真验证表明,与数据融合算法和LEACH分簇算法相比,CCABL算法不仅有效地提高了能量有效性,而且节点能量消耗更加均衡,网络生存期长,同时算法实现简单,控制开销低.     

一种基于RSSI的无线传感器网络 全程优化分布式定位策略

针对目前定位算法存在精度与成本有较大矛盾的问题,在定位实施各阶段采取有效措施,提出一种新的基于接收信号强度指示(RSSI)观测模型的协作定位算法.该算法以有效计算方式获得距离数据,优选锚节点参与定位计算,通过泰勒展开迭代求精法实施位置优化,最终获得满足要求且定位精度较高的位置估计.引入协作定位思想,将满足一定要求的已定位节点升级为锚节点,参与其他节点的定位,提高了定位的覆盖率和定位精度.仿真实验结果显示:网络参数相同的条件下,本文算法定位效果接近基于实际坐标的泰勒级数展开算法,而远高于基本的最小二乘定位算法,且由于所需存储空间小,其定位精度也随测距误差的减小而快速提高,能够满足大规模无线传感器网络的定位需求.     

Localization in time and space for wireless sensor networks: An efficient and lightweight algorithm

In many applications that use Wireless Sensor Networks (WSNs), detected events need to be localized in both time and space. As a result, sensor nodes need to have precisely synchronized clocks as well as to be localized in a common spatial reference system. While synchronization and localization algorithms have been proposed to solve these problems independently, in this work we propose to combine both synchronization and localization into a single problem that we refer to as the time–space localization problem. We then propose a novel and efficient time–space localization algorithm for wireless sensor networks which we refer to as the Lightness algorithm. Our proposed algorithm not only takes advantage of the additional hardware resources required by the positioning mechanism in order to improve the performance and scalability of synchronization, but also benefits from the additional communication needed by the synchronization mechanism in order to decrease positioning errors. We also present an extensive set of experiments to evaluate the performance of our algorithm. Our results indicate clearly that our proposed scheme is scalable while keeping a low synchronization error and a low communication overhead. Our results also indicate that the additional packets needed to compute clocks’ drift have the ability to decrease the positioning errors to almost one third of the initial positioning.     

Optimal sensor scheduling for resource-constrained localization of mobile robot formations

This paper addresses the problem of resource allocation in formations of mobile robots localizing as a group. Each robot receives measurements from various sensors that provide relative (robot-to-robot) and absolute positioning information. Constraints on the sensors' bandwidth, as well as communication and processing requirements, limit the number of measurements that are available or can be processed at each time step. The localization uncertainty of the group, determined by the covariance matrix of the equivalent continuous-time system at steady state, is expressed as a function of the sensor measurements' frequencies. The trace of the weighted covariance matrix is selected as the optimization criterion, under linear constraints on the measuring frequency of each sensor and the cumulative rate of the extended Kalman filter updates. This formulation leads to a convex optimization problem (semidefinite program) whose solution provides the sensing frequencies, for each sensor on every robot, required in order to maximize the positioning accuracy of the group. Simulation and experimental results are presented that demonstrate the applicability of this method and provide insight into the properties of the resource-constrained cooperative localization problem.