一种异构网络下快速精准的目标定位与跟踪方法技术

本发明专利技术涉及无线定位技术领域，公开了一种异构网络下快速精准的目标定位与跟踪方法，包括以下步骤：S1、通过异构网络获取用于目标定位与跟踪的测量数据；S2、构建含有目标位置信息的状态方程和测量方程；S3、目标位置向量和附加变量的更新；S4、采用一致性正交容积卡尔曼滤波算法更新系统参量获取目标位置信息，这种异构网络下快速精准的目标定位与跟踪方法，每个传感器都可以利用到全局信息，同时，引入自适应加权因子来增加优质信号输入系统的比重，以高质量的信号来提高目标定位与跟踪精度。

A fast and precise target location and tracking method in heterogeneous networks

The invention relates to the field of wireless positioning technology, and discloses a fast and accurate target location and tracking method under heterogeneous networks, including the following steps: S1, obtaining measurement data for target location and tracking through heterogeneous networks; S2, form state equations and measurement equations with target location information; S3, target location. Update the vector and additional variables; S4, using the uniform orthogonal volumetric Calman filter algorithm to update the system parameters to obtain the target location information, which is a fast and accurate target location and tracking method under the heterogeneous network. Each sensor can use the global information. At the same time, the adaptive weighting factor is introduced to increase the quality of the high quality letter. The ratio of the input system to the high quality signal is used to improve the accuracy of target location and tracking.

【技术实现步骤摘要】
一种异构网络下快速精准的目标定位与跟踪方法
本专利技术涉及无线定位
，特别涉及一种异构网络下快速精准的目标定位与跟踪方法。
技术介绍
目标的定位与跟踪是观测站通过测量目标信号的相关参数，对运动目标的位置和速度进行实时估算和预测的过程，是科研工作者研究的热点问题之一。目标跟踪技术无论是在军事还是在民用领域都有广泛的应用，主要用于雷达、救援、监测、传感器网络以及军事目标的定位与跟踪。由于依据各种测量技术观测的量与状态量之间的非线性关系，导致由观测量与状态量建立的定位与跟踪方程为非线性方程，故对目标的定位与跟踪属于非线性的滤波问题。目前现存的目标定位与跟踪方法在各自的定位场景下都有不错的定位与跟踪精度，但它们都是在同构网络环境中对目标实施定位与跟踪。但是随着无线通信技术的飞速发展，目前对目标的定位与跟踪通常由异构网络协同完成，现有的定位方法已经不能满足异构网络下的复杂定位场景。定位与跟踪目标的过程中，由于依据各种测量技术观测的量与状态量之间的非线性关系，导致由观测量与状态量建立的定位与跟踪方程为非线性方程，故对目标的定位与跟踪属于非线性的滤波问题。解决非线性滤波问题主要的滤波技术有扩展卡尔曼滤波(ExtendedKalmanFilter,EKF)、无迹卡尔曼滤波(UnscentedKF,UKF)，容积卡尔曼滤波(CubatureKF,CKF)和粒子滤波(ParticleFilter,PF)等。EKF把非线性函数做一阶Taylor级数展开得到线性化方程，求解线性化方程实现对目标的跟踪。把多模型测量数据输入系统经过信息融合之后再进行线性EKF滤波，虽然定位精度较单一的EKF有所提高，但增加了运算量。同时由于EKF线性化时只保留了Taylor级数展开式的一阶项而带来较大的跟踪误差。PF能较好地解决EKF的缺陷，但PF面临严重的粒子退化和粒子耗尽问题，为了提高算法性能需采用大量的粒子，故增大了运算量和复杂度，因此对目标定位与跟踪时不宜单独使用PF技术。Julier和Uhlman结合EKF和PF的特点，通过无迹变换的思想在估计值附近确定采样点，用样本点表示的高斯密度来近似状态的概率密度函数，提出了UKF技术，精度可以达到泰勒级数展开的三阶近似，且避免了函数求导与雅克比矩阵的计算，缩减了运算量。但UKF需要对协方差矩阵进行开方运算，可能导致矩阵奇异引起滤波发散，导致跟踪性能较差。基于CKF通过分析舍弃误差的大小，引入特定的正交矩阵来改进容积采样，以减小CKF中的舍弃误差进一步提高算法精度，提出了OCKF算法，OCKF在没有增加运算量的前提下提高了跟踪精度。上述跟踪算法在各自的条件下都有不错的跟踪精度，但它们都是在同构网络环境中对目标实施定位与跟踪。混合级联位置跟踪(HybridCascadeLocationTracking,HCLT)算法是在异构网络环境下对目标进行跟踪，但HCLT使用了级联技术而增加了跟踪系统的成本，且算法先利用两步最小二乘法粗略估计目标的初始位置，然后利用卡尔曼滤波对线性部分进行滤波实施目标跟踪。由于算法中使用最小二乘线性化，故造成较大的跟踪误差。基于HCLT和OCKF算法文中提出了一致性正交容积卡尔曼跟踪(UnifiedOrthogonalCubatureKalmanTargetTracking,UOCKT)算法。所谓一致性卡尔曼滤波是指每个传感器都不在局部估计处理信号，来自异构网络的不同类型信号统一被送到信息融合中心，由融合中心对不同的信号进行统一估计处理，实现对目标的跟踪与状态估计。在异构网络中，定位与跟踪目标时所使用的测量数据来自于不同类型的异构网络，测量数据的兼容与融合问题是目标定位与跟踪技术中必须面对的问题，如何处理测量数据的兼容与融合将直接影响目标的定位与跟踪精度。本专利技术提出了一致性正交容积卡尔曼滤波算法可以很好地解决上述问题，提高定位与跟踪目标的精度。
技术实现思路
本专利技术提供一种异构网络下快速精准的目标定位与跟踪方法，可以解决现有技术中的上述问题。本专利技术提供了一种异构网络下快速精准的目标定位与跟踪方法，包括以下步骤：S1、通过异构网络获取用于目标定位与跟踪的测量数据；假定二维平面内分布着由异构网络组成的观测站，依据观测站得到的到达时间(TimeofArrival，TOA)和到达时间差(TimeDifferenceofArrival，TDOA)的测量值对目标定位与跟踪，假设目标初始位置为u＝(xy)，初始速度为v＝(vxvy)，si＝(xiyi)为第i个观测站的位置坐标，N为用于测量TOA值的观测站数目，若目标信号到第i个观测站的TOA测量值为ti，则有式(1)中，ri表示测量距离，ti表示信号传播时间，c为信号传播速度，为目标到第i个观测站的真实距离，ni为测量误差，通常为零均值的高斯随机过程；ei是由非视距(NonLineofSight,NLOS)传播引起的误差；因此得到N组相互独立的TOA测量值；同样假设平面内有M个测量TDOA值的蜂窝基站，通常把观测站j＝1作为参考基站，则目标信号到第j个观测站与到第1个观测站的时间差为tj1＝tj-t1，结合式(1)得到式(2)中，为目标到参考基站j＝1的真实距离；则由M个观测站得到(M-1)组相互独立的TDOA测量值；通过上面得到的N组TOA测量值和(M-1)组TDOA测量值组建目标的状态方程，利用一致性正交容积卡尔曼获得目标的位置；S2、构建含有目标位置信息的状态方程和测量方程；所设计的一致性正交容积卡尔曼滤波跟踪(UnifiedOrthogonalCubatureKalmanTargetTracking,UOCKT)算法是将TOA和TDOA测量值输入到跟踪系统统一处理；然后在k时刻引入一个附加变量来代表系统中目标状态向量中的非线性项，即此状态向量包含目标的位置(xkyk)、速度(vx,kvy,k)、加速度(ax,kay,k)以及附加变量结合和(1)式整理得到k时刻关于TOA的测量方程式(3)中，同理k时刻关于TDOA的测量方程为为了简化计算，设参考观测站为直角坐标系的原点，因此式(4)乘以λk/rj1,k与式(3)相加，整理得到显然式(5)是包含目标位置的线性方程，可以用线性卡尔曼滤波来求解；由目标的状态量和测量值可得到卡尔曼滤波系统的状态方程和观测方程x(k+1)＝Fx(k)+u(k)+w(k)(6)z(k+1)＝Hx(k)+v(k)(7)式(6)和式(7)中，x(k)＝[xk,yk,vx,k,vy,k,ax,k,ay,k]T为系统状态向量，u(k)为状态方程的输入控制，w(k)为状态噪声，v(k)为观测噪声，均服从零均值的高斯噪声且互不相关，w(k)的协方差矩阵为Q＝E[w(k)wT(k)]，v(k)的协方差矩阵为R＝E[v(k)vT(k)]，F为转移矩阵，H为观测矩阵，z(k+1)＝[r1,k,r2,k,…rN,k,r21,k,r31,k,…rM1,k]T为观测向量；结合式(5)，式(7)中的观测向量z(k+1)和观测矩阵H可以表示为可见式(8)和式(9)中都具有(N+M-2)个相互独立的线性方程，全部的TOA测量值(r1,k→rN,k)和第一个TDOA测量值(r21,k)组成N个混合线性方程，剩余的TDOA测量值(本文档来自技高网...

【技术保护点】
1.一种异构网络下快速精准的目标定位与跟踪方法，其特征在于，包括以下步骤：S1、通过异构网络获取用于目标定位与跟踪的测量数据；假定二维平面内分布着由异构网络组成的观测站，依据观测站得到的TOA和TDOA的测量值对目标定位与跟踪，假设目标初始位置为u＝(x y)，初始速度为v＝(vx vy)，si＝(xi yi)为第i个观测站的位置坐标，N为用于测量TOA值的观测站数目，若目标信号到第i个观测站的TOA测量值为ti，则有ri＝cti＝ri0+ni+ei,i＝1,2,…,N  (1)式(1)中，ri表示测量距离，ti表示信号传播时间，c为信号传播速度，

【技术特征摘要】
1.一种异构网络下快速精准的目标定位与跟踪方法，其特征在于，包括以下步骤：S1、通过异构网络获取用于目标定位与跟踪的测量数据；假定二维平面内分布着由异构网络组成的观测站，依据观测站得到的TOA和TDOA的测量值对目标定位与跟踪，假设目标初始位置为u＝(xy)，初始速度为v＝(vxvy)，si＝(xiyi)为第i个观测站的位置坐标，N为用于测量TOA值的观测站数目，若目标信号到第i个观测站的TOA测量值为ti，则有ri＝cti＝ri0+ni+ei,i＝1,2,…,N(1)式(1)中，ri表示测量距离，ti表示信号传播时间，c为信号传播速度，为目标到第i个观测站的真实距离，ni为测量误差，且为零均值的高斯随机过程；ei是由非视距传播引起的误差；因此得到N组相互独立的TOA测量值；同样假设平面内有M个测量TDOA值的蜂窝基站，把观测站j＝1作为参考基站，则目标信号到第j个观测站与到第1个观测站的时间差为tj1＝tj-t1，结合式(1)得到式(2)中，为目标到参考基站j＝1的真实距离；则由M个观测站得到(M-1)组相互独立的TDOA测量值；通过上面得到的N组TOA测量值和(M-1)组TDOA测量值组建目标的状态方程，利用一致性正交容积卡尔曼获得目标的位置；S2、构建含有目标位置信息的状态方程和测量方程；所设计的一致性正交容积卡尔曼滤波跟踪算法是将TOA和TDOA测量值输入到跟踪系统统一处理；然后在k时刻引入一个附加变量来代表系统中目标状态向量中的非线性项，即此状态向量包含目标的位置(xkyk)、速度(vx,kvy,k)、加速度(ax,kay,k)以及附加变量结合和(1)式整理得到k时刻关于TOA的测量方程式(3)中，同理k时刻关于TDOA的测量方程为为了简化计算，设参考观测站为直角坐标系的原点，因此式(4)乘以λk/rj1,k与式(3)相加，整理得到显然式(5)是包含目标位置的线性方程，用线性卡尔曼滤波来求解；由目标的状态量和测量值得到卡尔曼滤波系统的状态方程和观测方程x(k+1)＝Fx(k)+u(k)+w(k)(6)z(k+1)＝Hx(k)+v(k)(7)式(6)和式(7)中，x(k)＝[xk,yk,vx,k,vy,k,ax,k,ay,k]T为系统状态向量，u(k)为状态方程的输入控制，w(k)为状态噪声，v(k)为观测噪声，均服从零均值的高斯噪声且互不相关，w(k)的协方差矩阵为Q＝E[w(k)wT(k)]，v(k)的协方差矩阵为R＝E[v(k)vT(k)]，F为转移矩阵，H为观测矩阵，z(k+1)＝[r1,k,r2,k,…rN,k,r21,k,r31,k,…rM1,k]T为观测向量；结合式(5)，式(7)中的观测向量z(k+1)和观测矩阵H可以表示为式(8)和式(9)中都具有(N+M-2)个相互独立的线性方程，全部的TOA测量值(r1,k→rN,k)和第一个TDOA测量值(r21,k)组成N个混合线性方程，剩余的TDOA测量值(r31,k→rM1,k)和第一个TOA测量值(r1,k)组成M-2个混合线性方程；S3、目标位置向量和附加向量的更新；定义非线性变量...

【专利技术属性】
技术研发人员：闫雷兵，韦俊红，郭泽，王翠钦，李明，
申请(专利权)人：河南工学院，
类型：发明
国别省市：河南,41