有向传感器网络量化跟踪技术研究

The target tracking problem in directional sensor networks is attracting increasing attention. Unlike the traditional omnidirectional sensor, a directional sensor has a special angle of view. It can offer quantized direction information rather than just the analog measurement of the sensing signal with respect to the detected target. The existing tracking approaches in directional sensor networks always separately consider the direction and measurement information which have not been fused in the uniform framework; they hardly promise the tracking performance of minimum mean-square error. With the problem that the directional sensor has indeterminate detection ability, this project presents an effective probabilistic sensing model, and constructs a directional measurement model fusing the quantized direction and analog measurement information. A novel fusion method is proposed based on the Bayesian estimation theory, while the corresponding approximate algorithms of low computation complexity and high precision are also given to solve the quantized tracking problem in directional sensor networks.

有向传感器网络下目标跟踪问题逐渐引起人们的广泛关注。有向传感器不同于传统的全向传感器，其具有特定的视场角，不仅能提供探测到目标感知信号的模拟测量值，而且能给出目标的量化方向信息。现有的有向传感器网络跟踪算法通常单独地考虑目标探测方向和感知测量信息，没有在统一理论框架下有效地融合这两类信息，其很难保证获得到最小均方误差跟踪性能。本课题针对实际应用中有向传感器不确定性探测问题，建立有效的概率感知模型，并通过构建能有效融合量化的方向与模拟的测量信息的有向测量模型，在贝叶斯估计理论框架下开发新的数据融合方法及相应的低计算复杂度和高精度的近似方法，为有向传感器网络下目标量化跟踪提供解决途径。

本项目考虑实际中感知信号强度衰减现象，通过理论推导与实验测试，建立概率型的传感器感知模型；在贝叶斯估计理论框架下将目标的方向和测量信息进行融合，提出贝叶斯量化滤波器并搭建物理平台来验证和测试算法性能。. 针对实际中传感器感知信号由于受实际环境噪声干扰以及信号强度衰减的影响，其探测能力会呈现出不确定性问题，构建了高斯信号衰减模型，以反映实际中信号反射以及环境对其传播影响，从而提高声源定位精度。其次，针对有向传感器特定感知特性，建立有向传感器测量模型，提出了有向传感器网络量化跟踪滤波器，其有效融合了量化方向信息与模拟距离信息，能有效提高目标跟踪精度，并分析算法的性能和计算复杂度，基于无穷小量提出适用于工程的近似算法，该方法补充了有向传感器阵列信号处理跟踪基础理论工作。. 面向声学目标监测应用，提出了一种基于单声阵列的低空目标运动轨迹估计方法，突破了单阵列的纯方位估计算法的可观测性缺陷和飞行参数估计算法的局限，可实现高速目标飞行的方向、水平偏置、速度等飞行参数信息估计，从而有效地提高单传声器节点的低空目标探测能力。其次，针对瞬态信号方位估计问题，提出了基于连续小波变换的多重信号分类测向方法，突破传统宽带信号模型中利用傅立叶变换均匀分割频带的方法，能将时间-频率二维的多尺度、多分辨更精细更全面的信号特征代入到阵列信号模型中，提高了时频域的分辨率，进而提高了空间分辨率。另外，进行了相关外场测试试验，完成了相关算法验证。.