论文部分内容阅读
随着计算机、传感器、通讯技术的飞速发展,各种面向复杂应用的多传感器系统大量涌现,将多个传感器信息进行有效的融合是提高目标探测性能的有效途径。有限的传感器能力和不确定目标环境使得传感网无法利用所有传感器跟踪同一个目标。如何选择有限的传感器,通过不同传感器之间的通信和协同完成跟踪任务是传感器组网协同跟踪的核心。随着传感器数目和目标数目的增多,协同跟踪的复杂程度随之增加。在大规模传感网络中,受容量和处理能力限制,采用分布式处理可以避免单传感器故障对整个网络性能的影响,同时降低通信要求。本文在前人工作的基础上,从不同的分布式融合框架以及传感器资源管理优化方法的角度研究了分布式多传感器组网协同跟踪问题,主要研究的内容如下:1.针对大规模传感网融合中心处理能力限制,考虑传感网内各传感器采样异步情况下,提出了一种分布式异步传感网协同跟踪算法。首先,对监视区内布署的传感器进行聚类,构建有限个子网;其次,基于最大信息增量的原则进行传感器选择,确定下一时刻各子网内参与协同跟踪的传感器集,并对参与协同跟踪的传感器进行异步顺序融合跟踪;随后采用多跳方式进行传感器之间信息传递,确定最优通信传输路径,并进行全局数据融合;最后,仿真验证了算法的可行性。2.在监视区域存在多个目标情况下,考虑坐标变换造成传感器量测误差时变影响,提出了一种时变量测方差下基于PCRLB的多传感器多目标协同跟踪算法。首先,给出了时变量测误差的描述,分析了时变量测误差和跟踪性能的影响,建立了时变量测误差下PCRLB指标。随后基于PCRLB优化指标进行多传感器多目标分配,确定下一时刻用于跟踪目标的传感器集。同时在滤波跟踪过程中,考虑坐标转化带来的传感器量测方差变化,通过转换卡尔曼滤波实现时变量测方差下的多传感器协同跟踪,最后,仿真验证了算法的可行性。3.针对大规模传感网中传感器之间通信传输的限制,提出了一种PCRLB的分散式传感器网协同跟踪算法。采用树拓扑结构的分散式传感器网络结构,设计分散PCRLB指标。基于分散PCRLB指标进行传感器选择,通过并行滤波的方式进行局部融合中心的估计。仿真通过与集中式融合算法比较,分散式多传感器协同跟踪算法具有一定的优势。