針對(duì)純測(cè)距條件下移動(dòng)傳感器網(wǎng)絡(luò)中的目標(biāo)跟蹤問(wèn)題,提出一種基于非線性濾波和多維標(biāo)度的目標(biāo)跟蹤算法。根據(jù)傳感器和目標(biāo)之間存在的相對(duì)運(yùn)動(dòng),建立帶約束的動(dòng)態(tài)距離模型,利用無(wú)跡卡爾曼濾波算法提高模型對(duì)距離及距離變化率的估計(jì)精度。在此基礎(chǔ)上,結(jié)合傳感器自身的位置、速度等狀態(tài)信息,使用加權(quán)多維標(biāo)度方法估計(jì)目標(biāo)位置和速度。仿真結(jié)果表明,在只有距離信息的情況下,該算法能夠?qū)崿F(xiàn)對(duì)目標(biāo)位置的高精度定位,速度估計(jì)結(jié)果也能準(zhǔn)確反映目標(biāo)的真實(shí)運(yùn)動(dòng)情況,與ML-KF算法相比整體跟蹤效果更好。 

【文章來(lái)源】：計(jì)算機(jī)工程. 2020,46(11)北大核心CSCD

【文章頁(yè)數(shù)】：7 頁(yè)

【部分圖文】：

三維空間中4個(gè)傳感器對(duì)1個(gè)目標(biāo)的跟蹤場(chǎng)景

圖2～圖4分別顯示了本文算法和文獻(xiàn)[10]算法對(duì)三維空間中目標(biāo)在x、y、z坐標(biāo)方向上的位置估計(jì)結(jié)果�？梢钥闯�,2種算法的跟蹤結(jié)果相似,但本文算法的位置估計(jì)曲線更接近目標(biāo)的真實(shí)軌跡。圖5顯示了100次蒙特卡羅仿真實(shí)驗(yàn)的均方根誤差。可以看出,在測(cè)距誤差服從均值為0、方差為1高斯分布的情況下,本文算法的RMSE穩(wěn)定在1.08 m左右,ML-KF算法的RMSE約為1.26 m。相比于ML-KF算法,本文算法能夠使定位精度提高約16.67%。圖3 y方向位置估計(jì)結(jié)果

z方向位置估計(jì)結(jié)果

【參考文獻(xiàn)】：
期刊論文
[1]基于不完全測(cè)距的移動(dòng)傳感器網(wǎng)絡(luò)定位算法[J]. 李衛(wèi)華,賈丹,王鵬.  控制與決策. 2018(04)
[2]室內(nèi)非視距環(huán)境下基于改進(jìn)多維標(biāo)度的優(yōu)化定位算法[J]. 賈丹,李衛(wèi)華,王鵬.  空軍工程大學(xué)學(xué)報(bào)(自然科學(xué)版). 2017(03)
[3]通信受限下分布式多傳感器協(xié)同跟蹤算法[J]. 趙猛,左燕,李明地,郭寶峰.  火力與指揮控制. 2017(06)
[4]結(jié)合極大似然距離估計(jì)的MDS-MAP節(jié)點(diǎn)定位算法[J]. 李津蓉,王萬(wàn)良,介婧,姚信威.  傳感技術(shù)學(xué)報(bào). 2016(04)
[5]基于SINGER模型的實(shí)時(shí)誤差配準(zhǔn)算法及分析[J]. 李洋,張靖.  系統(tǒng)工程與電子技術(shù). 2015(06)
[6]基于蜂擁控制的移動(dòng)傳感器網(wǎng)絡(luò)目標(biāo)跟蹤算法[J]. 婁柯,崔寶同,李紋.  控制與決策. 2013(11)
[7]基于MDS-MAP和非線性濾波的WSN定位算法[J]. 陳歲生,盧建剛,樓曉春.  浙江大學(xué)學(xué)報(bào)(工學(xué)版). 2012(05)
[8]基于相互測(cè)距信息的機(jī)群組網(wǎng)協(xié)同定位技術(shù)[J]. 劉俊成,張京娟,馮培德.  北京航空航天大學(xué)學(xué)報(bào). 2012(04)
[9]雙層協(xié)作的無(wú)線傳感器網(wǎng)絡(luò)目標(biāo)跟蹤方法[J]. 于濤,孫燕.  計(jì)算機(jī)工程. 2011(17)
[10]空中多運(yùn)動(dòng)平臺(tái)多傳感器目標(biāo)跟蹤[J]. 趙岐誠(chéng),江晶,蓋旭剛.  現(xiàn)代雷達(dá). 2009(10)



本文編號(hào)：3605436