带宽受限传感器网络的目标跟踪融合方法研究

带宽受限是WSNs目标跟踪系统中的一个重要特点，也是目标状态估计融合方法设计必须考虑的约束条件。针对现有比特位量化带宽受限融合估计研究中存在的主要不足，如量化误差建模的单一性与不合理性、差的估计精度，以及缺乏性能理论比较分析等，本项目重点开展带宽受限传感器网络的目标跟踪融合方法研究，致力于解决带宽受限目标跟踪融合中关于量化误差建模与融合估计方法设计的若干个关键性科学问题。主要研究内容如下：1) 在集中式和分布式估计框架下，研究各种形式信息量化误差的随机统计特性建模与时间序列建模方法；2) 基于两类新型量化建模方法，开展多网络目标跟踪融合算法的设计；3) 针对同一类信息量化系统，解决不同量化误差建模方式下融合估计方法性能优劣的理论证明；4) 将强跟踪思想和分布式密钥技术相结合，开展具有信息保密特性的强跟踪量化估计融合策略和性能分析；5) 开展基于无线传感器网络系统的跟踪融合算法验证与测试。

由于无线传感器网络（WSNs）带宽受限的本质约束，使得多传感器目标跟踪系统中局部传感器向融合中心发送各种形式的数据（局部量测、新息和局部估计值）时必须进行量化。针对现有基于比特位量化的带宽受限融合估计研究中存在的主要不足，本项目针对不同信息传输形式、系统特性和噪声相关性等情形，研究基于自适应比特位量化的带宽受限目标跟踪融合估计方法，重点开展了如下内容的研究：1）线性系统的基本量化Kalman估计目标跟踪方法。以自适应量化测量值和测量值加权求和Kalman滤波为基础，研究两种量化误差建模方法（建模方式A--量化误差方差上界建模，建模方式B--将量化误差作为系统状态分量）下目标跟踪方法的性能差异问题；研究基于两种建模方式的基本Kalman滤波估计之间信息量与性能互补关系，并提出一种基于最优分布式加权的多方法量化估计方法；以两种建模方式下的基本量化滤波器为基础，对量化测量之后出现的各种噪声相关性进行分析和描述完善；针对建模方法A，研究基于三种不同类型局部信息传输时的量化估计算法性能比较；2）基于强跟踪滤波的量化目标跟踪方法。基于自适应量化新息方式提出一种能有效应对噪声相关系统的自适应量化新息估计方法；针对噪声相关多传感器系统，在集中式融合框架下提出三种基于自适应量化测量值的目标跟踪算法；引入变分贝叶斯方法并结合强跟踪滤波技术，针对量化消息噪声方差上界近似建模提出一种新型的机动目标量化集中式Kalman跟踪估计算法；3） 非线性系统基于自适应量化的目标跟踪融合估计方法。以EKF为基本滤波器，设计非线性微观EKF融合信息滤波器；基于EKF的一种信息表示形式EIF，研究三种集中式融合估计算法融合估计精度的等价性问题，以及讨论部分线性动态系统融合理论在非线性系统中的推广与完善；基于（平方根）容积Kalman滤波，研究噪声相关多传感器系统的分散式融合估计算法设计；基于新型容积Kalman滤波和粒子滤波结合的复合非线性容积粒子滤波器，研究非线性系统基于测量值量化的估计融合问题；研究基于测量新息（残差）量化策略和容积粒子滤波的目标跟踪融合算法；4）仿真与实验验证。本项目研究总共录用和发表论文13篇，其中期刊论文10篇（SCI检索3篇，EI检索3篇，其他核心期刊4篇），申请发明专利3项，申请软件著作权6项，培养硕士研究生6名，并已完成全部项目内容的研究。