一种基于多采样率多模型融合估计的移动目标跟踪方法技术

一种基于多采样率多模型融合估计的移动目标跟踪方法，该方法首先将无线传感器网络分为m个簇，建立不同采样速率下的状态空间模型。簇头节点利用EKF方法得到局部估计结果。融合中心把所有局部估计同步到同一时刻点，并利用CI融合方法得到融合估计结果，通过目标速度的估计值和簇头节点的能量信息调整网络节点的采样速率。本发明专利技术提供一种在保证跟踪精度、鲁棒性以及快速反应能力的前提下，有效降低传感器网络的能耗、提升灵活性的基于多采样率多模型融合估计的移动目标跟踪方法。

【技术实现步骤摘要】

本专利技术涉及移动目标跟踪领域，尤其是一种移动目标实时跟踪方法。
技术介绍
无线传感器网络由于其自组织性、鲁棒性以及可大范围覆盖的特点，使得它在环 境检测、车辆跟踪、军事侦查与军事目标跟踪等领域具有重要的应用价值。在目标跟踪领 域，在评价跟踪方法时，需综合考虑跟踪精度、跟踪鲁棒性和能量消耗以及跟踪反应时间等 指标。为了提高跟踪精度，提出了多传感器信息融合估计方法，即通过融合多个传感器的测 量信息来提高跟踪精度。特别地，采用分布式状态融合估计方法，可通过融合各局部状态估 计获得精度更高的融合估计结果，使目标跟踪系统的故障容错能力和鲁棒性得到增强和改 善。在现有目标跟踪技术中，有采用这种基于多组传感器的分布式状态融合估计方法，然 而都是采用多组传感器单一采样率和单一移动目标模型的方式，不能根据移动目标的状态 (如移动速度）以及传感器节点的能量状况调整跟踪策略，导致系统灵活性不足且不利于 无线传感器网络的节能降耗。目前在无线传感器网络中还没有技术能够依据移动目标运动 情况来调整信息采集速率以降低传感器网络的能耗。
技术实现思路
为了克服已有移动目标跟踪方法的灵活性较差、能耗较大的不足，本专利技术提供一 种在保证跟踪精度、鲁棒性以及快速反应能力的前提下，有效降低传感器网络的能耗、提升 灵活性的基于多采样率多模型融合估计的移动目标跟踪方法。 本专利技术解决其技术问题所采用的技术方案是： -种基于多采样率多模型融合估计的移动目标跟踪方法，所述方法包括以下步 骤： 步骤1)把移动目标的速度分为L个不同的等级，无线传感器网络分为m个不同 的簇，传感器节点分为η个不同的采样速率，选择移动目标的状态变量，所述状态变量为位 置、速度或加速度，建立η个采样速率下移动目标跟踪的状态空间模型； 步骤2)簇头节点收集其簇内节点的量测信息，根据当前采样速率下状态空间模 型，应用扩展卡尔曼方法得到移动目标的局部估计，并把局部估计结果以及其剩余能量信 息发送到融合中心； 步骤3)针对低采样速率的簇，在其局部估计缺失的时刻点上，融合中心通过对上 一时刻的状态估计值进行预测，把所有局部估计结果同步到同一时刻点； 步骤4)融合中心根据各局部估计的误差协方差矩阵，在线确定CI融合方法中的 融合参数，应用CI融合估计方法，得到移动目标的融合估计结果，所述融合估计结果包括 运动速率估计值； 步骤5)融合中心根据移动目标的运动速率估计值以及各簇头节点的能量信息， 若移动目标的运动速度估计值低于相应的阈值，将降低能量最低簇节点的采样速率；反之， 移动目标的运动速度估计值高于相应的阈值，将加快能量最高簇节点的采样速率；并把采 样速率调整结果发送给各簇头节点； 步骤6)若簇头节点收到采样速率调整信息，将调整簇内节点的采样速率，并切换 到相应采样速率下的状态空间模型，否则，各簇节点按原采样速率进行采样和状态估计。 进一步，所述步骤1)中，根据系统的节能要求和跟踪精度要求确定L、m和η的取 值，其中，L = mXn+1，L个速度等级对应L个速度阈值Ve，c = 1，…，L-1且< Vc。 所述步骤1)中，所述状态变量为二维或三维参数。 所述步骤1)中，各采样速率下的状态空间模型存储在簇头节点中，通过指针数组 M[n]指向各状态空间模型，即M[j]，j = 1，…，η指向采样速率j下的状态空间模型。 更进一步，所述步骤2)中，所述的量测信息为传感器节点与移动目标的距离、移 动目标的加速度和运动姿态。 在步骤3)中，若下一时刻该局部估计结果继续缺失，将对当前时刻得到的预测值 进行再次预测，以得到下一时刻的状态估计值。 在步骤4)中，所述的融合参数通过各簇局部估计的误差协方差矩阵的迹在线 确定，即本文档来自技高网...

【技术保护点】
一种基于多采样率多模型融合估计的移动目标跟踪方法，其特征在于：所述方法包括以下步骤：步骤1)把移动目标的速度分为L个不同的等级，无线传感器网络分为m个不同的簇，传感器节点分为n个不同的采样速率，选择移动目标的状态变量，所述状态变量为位置、速度或加速度，建立n个采样速率下移动目标跟踪的状态空间模型；步骤2)簇头节点收集其簇内节点的量测信息，根据当前采样速率下状态空间模型，应用扩展卡尔曼方法得到移动目标的局部估计，并把局部估计结果以及其剩余能量信息发送到融合中心；步骤3)针对低采样速率的簇，在其局部估计缺失的时刻点上，融合中心通过对上一时刻的状态估计值进行预测，把所有局部估计结果同步到同一时刻点；步骤4)融合中心根据各局部估计的误差协方差矩阵，在线确定CI融合方法中的融合参数，应用CI融合估计方法，得到移动目标的融合估计结果，所述融合估计结果包括运动速率估计值；步骤5)融合中心根据移动目标的运动速率估计值以及各簇头节点的能量信息，若移动目标的运动速度估计值低于相应的阈值，将降低能量最低簇节点的采样速率；反之，移动目标的运动速度估计值高于相应的阈值，将加快能量最高簇节点的采样速率；并把采样速率调整结果发送给各簇头节点；步骤6)若簇头节点收到采样速率调整信息，将调整簇内节点的采样速率，并切换到相应采样速率下的状态空间模型，否则，各簇节点按原采样速率进行采样和状态估计。...

【技术特征摘要】
1. 一种基于多采样率多模型融合估计的移动目标跟踪方法，其特征在于：所述方法包 括以下步骤： 步骤1)把移动目标的速度分为L个不同的等级，无线传感器网络分为m个不同的簇， 传感器节点分为η个不同的采样速率，选择移动目标的状态变量，所述状态变量为位置、速 度或加速度，建立η个采样速率下移动目标跟踪的状态空间模型； 步骤2)簇头节点收集其簇内节点的量测信息，根据当前采样速率下状态空间模型，应 用扩展卡尔曼方法得到移动目标的局部估计，并把局部估计结果以及其剩余能量信息发送 到融合中心； 步骤3)针对低采样速率的簇，在其局部估计缺失的时刻点上，融合中心通过对上一时 刻的状态估计值进行预测，把所有局部估计结果同步到同一时刻点； 步骤4)融合中心根据各局部估计的误差协方差矩阵，在线确定CI融合方法中的融合 参数，应用CI融合估计方法，得到移动目标的融合估计结果，所述融合估计结果包括运动 速率估计值； 步骤5)融合中心根据移动目标的运动速率估计值以及各簇头节点的能量信息，若移 动目标的运动速度估计值低于相应的阈值，将降低能量最低簇节点的采样速率；反之，移动 目标的运动速度估计值高于相应的阈值，将加快能量最高簇节点的采样速率；并把采样速 率调整结果发送给各簇头节点； 步骤6)若簇头节点收到采样速率调整信息，将调整簇内节点的采样速率，并切换到相 应采样速率下的状态空间模型，否则，各簇节点按原采样速率进行采样和状态估计。2. 如权利要求1所述的基于多采样率多模型融合估计的移动目标跟踪方法，其特征在 于：所述步骤1)中，根据系统的节能要求和跟踪精度要求确定L、m和η的取值，其中，L = mXn+1，L个速度等级对应L个速度阈值V。，c = 1，…，L-1且V。、< V。。3. 如权利要求2所述的基于多采样率多模型融合估计的移动目标跟踪方法，其特征在 于：所述步骤1)中，所述状态变量为二维...

【专利技术属性】
技术研发人员：张文安，杨旭升，俞立，刘安东，陈博，
申请(专利权)人：浙江工业大学，
类型：发明
国别省市：浙江;33