基于Fisher信息矩阵的目标跟踪方法研究

摘要

本研究以无迹卡滤波（UKF）为理论基础，针对现有基于距离的WSN分簇方法的节点选择不精确，将随机矢量估计满足的Cramer-Rao下界理论与UKF算法相结合，提出一种UKF与Fisher信息矩阵（FIM）节点选择相结合的动态分簇算法（UKF-F）。该算法根据滤波的误差协方差矩阵计算，得出当前目标的信息判据。为了增强网络抗毁性，算法将节点剩余能量作为竞选标准，用于激活最契合的预选簇成员，并组建跟踪簇。通过仿真实验并与最近邻算法进行比较，证明了基于Fisher信息矩阵动态分簇方法能够更精确的选择跟踪节点，同时也证明该算法能够降低跟踪误差。为了解决集中式滤波算法中存在着簇头的总通信量与计算负担过高问题，提出了一种与UKF-F节点选择动态分簇算法相适应的贯序UKF算法，并使用模糊C-均值聚类算法进行数据分类，实现非线性高斯环境下的多目标跟踪。该方法把簇头的工作分配到各个成员节点，极大地减少了节点之间的数据传递，避免了数据碰撞与干扰，与集中式滤波算法进行仿真对比，最大程度上减少了网络能耗，提高了估计精度。

目录

第一章 绪论

1.1 无线传感器网络基础概述

1.2 目标跟踪算法研究现状

1.3 论文结构安排

第二章 相关定位与跟踪算法

2.1 引言

2.2 节点定位常用方法

2.3 卡尔曼滤波基本原理

2.4 本章小结

第三章 基于Fisher信息矩阵节点选择动态分簇UKF目标跟踪算法

3.1 引言

3.2 基于信息度量的动态分簇方法

3.3 系统模型

3.4 基于Fisher信息矩阵的UKF目标跟踪分簇算法

3.5 仿真结果

3.6 本章小结

第四章 基于FCM与SUKF的动态分簇多目标跟踪算法

4.1 引言

4.2 数据关联方法

4.3 基于SUKF的目标跟踪动算法

4.4 基于FCM和SUKF的多目标跟踪方法实现

4.5 实验仿真

4.6 本章小结

第五章 总结与展望

5.1 全文总结

5.2 未来工作展望

参考文献

致谢

攻读硕士学位期间发表论文情况