一种分布式可变扩散组合系数粒子滤波直接跟踪方法技术

本发明专利技术属于信号处理领域，提供一种基于时延和多普勒的分布式网络粒子滤波可变扩散组合系数直接跟踪定位方法，旨在解决在网络信噪比环境复杂或恶劣时，固定权系数的方法追踪性能恶化的问题；本发明专利技术提出利用局部中间状态估计值构造局部最优代价函数，应用子空间投影的方法将有约束问题转化为无约束问题，进一步通过RLS迭代方法求得最优解来获得自适应变化的组合系数，与传统的基于时延和多普勒的分布式粒子滤波目标直接跟踪方法相比，能够实现更好的追踪效果；本发明专利技术可应用于信噪比恶劣的情况，提高了分布式自适应粒子滤波直接跟踪方法的鲁棒性和稳健性。

A DIRECT TRACKING METHOD OF DISTRIBUTED PARTICLE FILTERING WITH VARIABLE DIFFUSION COMBINED COEFFICIENTS

The invention belongs to the field of signal processing, and provides a direct tracking and positioning method based on time delay and Doppler variable diffusion combination coefficient of distributed network particle filter, aiming at solving the problem of deteriorating tracking performance of fixed weight coefficient method in complex or bad network signal-to-noise ratio environment; the invention proposes to construct local optimal cost function by using local intermediate state estimation value. The constrained problem is transformed into unconstrained problem by subspace projection method, and the optimal solution is obtained by RLS iteration method to obtain the adaptive variable combination coefficients. Compared with the traditional direct target tracking method based on time delay and Doppler distributed particle filter, the method can achieve better tracking effect. The invention can be applied in the case of bad signal-to-noise ratio and improve the score. Robustness and robustness of distributed adaptive particle filter direct tracking method.

【技术实现步骤摘要】
一种分布式可变扩散组合系数粒子滤波直接跟踪方法
本专利技术属于信号处理领域，特别是涉及分布式信号处理领域的自适应粒子滤波跟踪技术，具体是一种基于时延和多普勒的分布式自适应粒子滤波可变扩散组合系数直接跟踪方法。
技术介绍
目标跟踪是信号处理领域的重要课题之一，并且已经在许多实际工程领域得到广泛应用。经典的目标跟踪定位方法是采用两步法，第一步测量时差/频差(TDOA/FDOA)，第二步使用测量得到的TDOA/FDOA进行位置解算即定位和跟踪，然而由于两步法TDOA和FDOA的估计是通过忽略所有测量必须与单目标的位置一致的约束而得到的，所以两步法不一定能得到最佳位置估计；对于移动目标来说，两步算法就更难准确的实现目标跟踪。后来，一种不需要计算出TDOA/FDOA,而是直接利用接收信号估计目标位置的直接定位算法被提出，在接收信号信噪比较低的情况下，这种方法的精度更高，可分为批处理方法和自适应方法两类。对移动的目标需要进行跟踪定位，批处理方法需要对定位区域进行四维的网格式搜索，计算量很大，实时性差；后来提出了用代数方法来估计目标的位置和速度，但是这种方法只有在噪声较小的情况下定位准确；进一步用估计出来的目标的位置和速度作为卡尔曼滤波(KF)的输入，构造动态模型，提升了定位的精确度；但卡尔曼滤波只能处理带有高斯噪声的线性系统，但是在实际情况中，目标的运动轨迹大部分都是非线性的，即TDOA/FDOA测量值是目标位置/速度的高度非线性函数。因此，对于非线性系统的处理，人们又提出了扩展卡尔曼滤波(EKF)，可以直接将第一步得到的TDOA/FDOA测量值作为扩展卡尔曼滤波器(EKF)的输入，但是EKF滤波器需要非常好的初始化，而这个初始值通常很难得到，即便是EKF滤波器进行了较好的初始化，也可能会偏离甚至失去跟踪能力。据此，人们又提出了粒子滤波算法，用来解决非线性的跟踪定位问题。如文献《DelayandDopplerInducedDirectTrackingbyParticleFilter》(Sidi,A.Y.，Weiss,A.J.)提出了一种基于时延和多普勒的未知确定性信号运动目标的单步定位跟踪方案，在集中式框架下采用粒子滤波的单步策略优于两步策略；然而，这种集中式粒子滤波(CPF)方案由于计算能力和能量存储能力存在瓶颈以及单个融合中心所导致的低稳健性，不适用于大型传感器网络。因此，分布式粒子滤波(DPF)算法已经成为进行大规模目标跟踪的最有前途的方法之一。分布式粒子滤波可以基于共识策略和扩散策略两种策略来实现，通过最近研究显示扩散策略更易于分布式实现，并且在不同场景的定位跟踪中显示了更强的灵活性和鲁棒性。而目前基于时延和多普勒分布式粒子滤波跟踪方法在扩散策略中应用的权系数都是预先给定的固定的权系数，这种方法对于信噪比较好的网络环境可以具有良好的跟踪性能，但是对于信噪比环境更为复杂或者条件恶劣的网络来说，这种固定权系数的融合策略会导致算法稳健性不高，甚至造成跟踪性能恶化。
技术实现思路
本专利技术的目的在于提供一种基于时延和多普勒的分布式网络粒子滤波可变扩散组合系数直接跟踪定位方法，用于进一步提高分布式自适应粒子滤波直接跟踪方法的鲁棒性和稳健性。为实现上述目的，本专利技术采用的技术方案如下：一种基于时延和多普勒的分布式自适应粒子滤波可变扩散组合系数直接跟踪方法，其特征在于，包括以下步骤：步骤1.第一次数据交换，在k时刻，接收机l与邻居接收机互相交换接收信号，组成观测矩阵Zl,1:k；步骤2.接收机l根据随机预测粒子以及相应的粒子权重，更新局部中间状态估计值ψl,k以及相应的协方差矩阵Λl,k：步骤3.第二次数据交换，接收机l与邻居接收机互相交换局部中间状态估计值ψl,k；步骤4.结合，接收机l计算得到k时刻发射机位置的局部估计值其中，aj,l,k为非负加权系数，满足条件：当时，aj,l,k＝0；表示包含接收机l的邻居接收机的集合，集合内接收机个数为nl；步骤5.接收机l计算k+1时刻最优组合系数；利用局部中间状态估计值ψl,k构造局部最优代价函数：其中，E运算符表示求数学期望，xk表示发射机k时刻的状态向量，bl,k包含al,k中的非零元素：al,k＝Slbl,k、el,h表示单位矩阵的第h列，al,k表示组合系数矩阵(aj,l,k)L*L的第l列，Ψl,k＝ΨkSl、Ψk＝[ψ1，k,ψ2，k,…,ψL，k]，表示维度为nl×nl的单位阵、表示nl维的全1列向量；迭代求解上述局部最优代价函数：初始化bl,1＝1/nl、bl,k(1)＝bl,k，按照下式迭代：其中，λ为常量遗忘因子，δ为一个正实数，直至n＝4，结束迭代，令bl,k+1＝bl,k(n+1)则：步骤6.根据局部估计值和协方差矩阵Λl,k构造后验概率分布p(xk|Zl,1:k)：接收机l通过后验概率分布采样生成M个更新粒子步骤7.采样生成k+1时刻的预测粒子并计算k+1时刻接收机l上的均值和方差进而构建高斯模型的近似局部预测分布：本专利技术的有益效果在于：本专利技术提出的基于时延和多普勒的分布式粒子滤波可变扩散组合系数的直接跟踪方法具有如下优点：1.本专利技术在分布式粒子滤波的扩散阶段，提出利用局部中间状态估计值ψl,k构造代价函数，应用子空间投影的方法将有约束问题转化为无约束问题，进一步通过RLS方法迭代求解出下一时刻最优的组合系数，最终实现基于时延和多普勒的分布式粒子滤波可变扩散组合系数的直接跟踪方法；2.本专利技术提出的方法在网络信噪比条件轻微不同的情况下，如图3所示，相对于原有的基于时延和多普勒的分布式粒子滤波目标直接跟踪方法，能够实现更好的跟踪效果如图4和图5所示，提高了基于时延和多普勒的分布式粒子滤波目标直接跟踪方法的有效性；3.本专利技术提出的方法在网络信噪比条件恶劣的情况下，如图6所示，相对于原有的基于时延和多普勒的分布式粒子滤波目标直接跟踪方法，仍然能够实现较好的跟踪效果如图7和图8所示，提高了传统的基于时延和多普勒的分布式粒子滤波直接跟踪方法的灵活性和鲁棒性。附图说明图1为接收机个数为L的无线接收机网络示意图；图2为本专利技术方法仿真采用的分布式网络拓扑结构(以网络中有15个接收机为例)；图3为在网络信噪比轻微不同的实验条件；图4和图5是在图3实验条件下，本专利技术方法和传统的基于时延和多普勒的分布式粒子滤波目标跟踪方法的位置和速度的NRMSE结果对比；图6为在网络信噪比条件恶劣的试验条件；图7和图8是在图6实验条件下，本专利技术方法和传统的基于时延和多普勒的分布式粒子滤波目标跟踪方法的位置和速度的NRMSE结果对比；具体实施方式下面结合附图对本专利技术作进一步说明：本专利技术提供一种基于时延和多普勒的分布式粒子滤波的可变扩散组合系数的目标直接跟踪方法，具体实现过程如下：1.第一次数据交换，接收机l与邻居接收机(包括自己)互相交换接收信号，具体为：在接收机个数为L的无线接收机网络中，将接收机l的邻居接收机分别记为nl表示邻居接收机的个数，如示意图1所示，接收机l的邻居接收机为接收机2、3、4和l；由观测方程的离散矩阵形式可得，在k时刻，接收机l的接收信号即观测值zl,k：zl,k＝yl,kAl,kFl,ksk+ηl,k其中，ηl,k为零均值高斯白噪声，yl,k表示信号衰减，Al,本文档来自技高网...

【技术保护点】
1.一种分布式可变扩散组合系数粒子滤波直接跟踪方法，其特征在于，包括以下步骤：步骤1.第一次数据交换，在k时刻，接收机l与邻居接收机互相交换接收信号，组成观测矩阵；步骤2.接收机l根据随机预测粒子以及相应的粒子权重，更新局部中间状态估计值ψl,k以及相应的协方差矩阵Λl,k：步骤3.第二次数据交换，接收机l与邻居接收机互相交换局部中间状态估计值ψl,k；步骤4.结合，接收机l计算得到k时刻发射机位置的局部估计值

【技术特征摘要】
1.一种分布式可变扩散组合系数粒子滤波直接跟踪方法，其特征在于，包括以下步骤：步骤1.第一次数据交换，在k时刻，接收机l与邻居接收机互相交换接收信号，组成观测矩阵；步骤2.接收机l根据随机预测粒子以及相应的粒子权重，更新局部中间状态估计值ψl,k以及相应的协方差矩阵Λl,k：步骤3.第二次数据交换，接收机l与邻居接收机互相交换局部中间状态估计值ψl,k；步骤4.结合，接收机l计算得到k时刻发射机位置的局部估计值其中，aj,l,k为非负加权系数，满足条件：当时，aj,l,k＝0；表示包含接收机l的邻居接收机的集合，集合内接收机个数为nl；步骤5.接收机l计算k+1时刻最优组合系数；利用局部中间状态估计值ψl,k构造局部最优代价函数：其中，E运算符表示求数学期望，xk表示发射机k时刻的状态向量，bl,k包含al,k中的非零元...

【专利技术属性】
技术研发人员：夏威，孙美秋，王谦，夏国庆，周卓阳，
申请(专利权)人：电子科技大学，
类型：发明
国别省市：四川,51