论文部分内容阅读
集成了传感器技术、微机电系统技术、无线通信技术和分布式信息处理技术的无线传感器网络(wireless sensor networks, WSN)是一种全新的计算模式,是继Internet之后将对21世纪人类生活方式产生重大影响的热点信息化技术。基于低成本、低功耗、体积小、高冗余、多功能的特性,WSN在目标跟踪应用中比传统的网络更方便、更可靠、更有效。WSN目标跟踪主要目的是确定目标的位置、个数、运动速率和方向等,其研究主要是花费低的网络功耗获得高的目标跟踪精度。在WSN目标跟踪中,传感器节点之间通过相互协作进行数据融合来采集周围信息并发送给中心节点进行处理,而且目标跟踪问题是一个非线性非高斯噪声问题。粒子滤波算法(particle filter, PF)在解决非线性非高斯噪声问题上具有很好的表现。虽然粒子滤波具有很多优点,但是粒子滤波的退化问题会导致目标跟踪精度不高。本文针对基于PF的目标跟踪,随着粒子退化而导致跟踪精度降低的问题,利用改进的粒子滤波算法,研究WSN目标跟踪问题。首先,总结WSN目标跟踪研究现状,研究了目标跟踪中三种典型方法,着重分析比较了基于PF的目标跟踪研究,其中还包括无迹粒子滤波和分布式粒子滤波目标跟踪研究,在深入研究分析经典方法基础上,提出了一种基于改进粒子滤波的WSN目标跟踪算法,即基于代价参考粒子滤波的WSN目标跟踪算法。然后,围绕粒子滤波方法,分析贝叶斯理论、蒙特卡罗方法、重要性采样,为减少粒子退化,采用的两种改进的粒子滤波算法:无迹粒子滤波算法(unscented particle filter, UPF)和代价参考粒子滤波算法(cost reference particle filter, CPRF)。接着,为解决WSN目标跟踪中节点间的协作问题,从节能的角度出发,构造出动态树形网络模型,在这个网络模型中,簇头在目标跟踪过程中通过一定的准则动态产生,其他节点将数据传送给动态簇头,在目标离开簇头侦测范围后,产生新的簇头,原来的簇头恢复到侦测状态。最后,把CRPF方法运用到动态树形网络模型中,设计和实现基于CRPF的WSN目标跟踪算法。通过MATLAB仿真,将CRPF与PF、UPF算法进行比较,结果显示CRPF算法具有更好的跟踪性能。