本文關鍵詞：無線傳感器網絡中同時定位與跟蹤

  更多相關文章： 同時定位與跟蹤 無跡卡爾曼濾波 交互式多模型 分布式融合 內橢球逼近融合法

【摘要】：作為一種全新的信息獲取和信息處理技術,無線傳感器網絡(WSNs)被認為是21世紀最重要的技術之一,在國防建設、環(huán)境監(jiān)測、醫(yī)療衛(wèi)生、物件追蹤、空間探索等眾多領域都有著廣泛的應用。目標跟蹤作為WSNs的主要應用領域,現(xiàn)有的目標跟蹤方法均要求節(jié)點的先驗知識,但是這些先驗知識往往不易精確獲得,而基于GPS的定位方式具有代價高且不能室內應用等缺點。因此,近年來無線傳感器網絡中的同時節(jié)點定位與跟蹤(Simultaneous Localization and Tracking,SLAT)問題引起研究者們的極大關注。本文較為全面的討論和研究了集中式數(shù)據(jù)融合和分布式數(shù)據(jù)融合下的同時定位與跟蹤問題,并且針對分布式數(shù)據(jù)融合的同時定位與跟蹤算法,在原有的研究基礎上提出了新的融合算法,并進行了相關仿真實驗。本文首先介紹了無線傳感器網絡中定位與跟蹤的相關經典濾波算法。結合近年來無線定位跟蹤技術的研究熱點,重點分析了在集中式結構下基于單模型無跡卡爾曼濾波算法(UKF),基于擴展卡爾曼濾波器的交互式多模型算法(IMM-EKF)和基于無跡卡爾曼濾波器的交互式多模型算法(IMM-UKF),并對比分析了各種算法在目標為機動情景與非機動情景下的優(yōu)缺點,實驗結果證明基于無跡卡爾曼濾波的交互式多模型算法有更高的定位與跟蹤精度,同時具有較強的魯棒性。針對無線傳感器網絡中基于分布式數(shù)據(jù)融合的同時節(jié)點定位與跟蹤問題,本文提出了一種在底層采用基于無跡卡爾曼濾波(UKF)的交互式多模型(IMM);而融合中心層采用內橢球逼近融合(IEAF)的分布式融合算法。通過Monte Carlo仿真表明該算法的有效性:所提出的內橢球融合逼近法比傳統(tǒng)協(xié)方差交叉法(CI)具有更好的融合性能,對機動目標的跟蹤精度提高了33.56%,并且能在跟蹤目標的同時得到較精確的節(jié)點位置估計。在文章的最后,對本文所涉及的同時定位與跟蹤問題做了系統(tǒng)的總結,并且對后續(xù)同時定位與跟蹤技術研究的方向進行展望。
【學位授予單位】：湘潭大學
【學位級別】：碩士
【學位授予年份】：2015
【分類號】：TP212.9;TN929.5

【參考文獻】

中國期刊全文數(shù)據(jù)庫 前1條

1 陸建山;王昌明;宋高順;張愛軍;;基于卡爾曼濾波的交互式多模型GPS定位方法研究[J];兵工學報;2011年06期

，

本文編號：1191463