传感器网络下分布式多目标跟踪方法研究

针对有限能量、有限带宽、有限计算能力、存在信道衰减和传输错误的无线传感器网络下的多目标跟踪问题，在系统存在检测不确定性、量测来源不确定性、数据关联不确定性、目标个数不确定性等复杂背景下，本项目拟从传感器网络调度管理入手，研究信息驱动的传感器自组织分簇和节点自适应调度方法，构建分布式感知系统，实现网络能量平衡和负载均衡；拟基于概率假设密度（PHD）滤波器，研究多目标跟踪PHD滤波器的分布式并行执行结构，探索有效的PHD峰值提取方法，在节约能量的同时，提高目标状态估计的精度；以状态估计值和航迹关联为切入点，研究分布式多目标航迹和身份管理策略，形成具有自动航迹起始、航迹确认和维持、航迹终止的多目标跟踪方法；开展无线传感器网络下特色鲜明的能量和带宽有效、信道容错的分布式多目标跟踪理论研究与算法实现，并完成相应的仿真分析和系统集成。

本项目针对无线传感器网络存在有限的能量、通讯带宽、计算能力，存在无线信道衰减和传输错误等问题，在检测不确定、量测来源不确定、数据关联不确定、目标个数不确定等复杂背景下，展开特色鲜明的能量和带宽有效、信道感知和容错的分布式多目标跟踪理论和算法研究，主要研究成果如下：.1、对能量和带宽资源有限、存在信道衰落和噪声的多跳无线传感器网络下的目标跟踪问题，将无线信道衰落的统计知识结合进粒子滤波算法，提出一种信道容错的目标跟踪方法，提高了跟踪精度和鲁棒性。.2、对多跳通讯的无线传感器网络，基于多位量化数据分别提出信道感知的目标跟踪方法。在已知瞬时信道包络和只有信道退化统计知识的条件下，分别给出了信道感知的粒子滤波器。推导了滤波器的PCRLB性能下界，并且以PCRLB作为性能准则，实现了信道感知的分布式传感器网络分簇管理和跟踪。仿真结果表明，信道感知的跟踪方法能够减缓由于信道衰落和噪声带来的系统性能的退化。.3、对传感器网络下的目标跟踪问题，基于条件后验克拉美-罗下界（CPCRLB）提出一种传感器网络分簇管理方法。以CPCRLB作为传感器管理的准则，选择激活一组最优传感器节点，实现分布式目标跟踪。利用粒子滤波器对目标状态和CPCRLB进行逼近估计，实现无线传感网络的在线动态自组织管理和分布式跟踪。.4、对密集杂波环境下的机动目标跟踪问题，利用方差减小策略来对付粒子的退化、低的模型先验概率以及量测来源不确定性等问题，获得了精确的数据关联和模型估计，改善了机动模式识别精度和跟踪系统性能。.5、针对带有未知静态参数的动态跟踪系统，提出一种新颖的粒子群优化粒子滤波器。该算法组合了粒子群优化算法和辅助粒子滤波器，通过Bayes序贯学习，获得了计算上的有效性和稳定性。.6、对具有随机间歇观测的无线传感器网络，基于多模型估计和一致性信息滤波器，提出一种分布式自适应目标跟踪方法。在网络拓扑结构和通讯带宽的约束下，利用一致性算法对网络节点估计值进行分布式融合。仿真结果表明该算法能有效提高目标跟踪的精度，并且对网络拓扑、带宽和节点观测丢失具有一定的灵和性和鲁棒性。