基于Kalman滤波的无线传感器网络目标跟踪算法的研究

摘要

随着微机电系统、无线通信技术和微处理器技术的迅猛发展，无线传感器网络得到了日益广泛的应用。目标跟踪是无线传感器网络的最基本应用之一。由于传感器节点的计算能力、携带的电池电量、通信带宽等资源有限、网络拓扑结构动态变化以及目标跟踪实时性要求等，对无线传感器网络目标跟踪算法的研究提出了新的要求。因此，无线传感器网络目标跟踪算法有待进一步的研究与完善。
　　 本文针对不同的目标跟踪环境，基于Kalman滤波理论提出了几种无线传感器网络目标跟踪算法。主要工作和贡献包括以下几个方面：
　　 1.针对目标机动特性和传感器节点测量噪声统计特性未知情况下的目标跟踪，提出了基于扩展H∞滤波的无线传感器目标跟踪算法。同时利用Krein空间Kalman滤波理论推导非线性系统的扩展H∞滤波器及滤波器存在的条件。
　　 2.针对同时包含乘性噪声和加性噪声的传感器节点测量模型，提出了基于最大似然估计和Kalman滤波的目标跟踪算法。首先利用最大似然估计将非线性距离测量值转化为目标状态的线性观测，同时计算转化后测量噪声的统计特性；然后利用Kalman滤波算法迭代估计目标状态。其中利用牛顿迭代法解决最大似然估计问题，并且利用Kalman预报器为牛顿迭代赋初值。
　　 3.针对传感器节点能量有限问题，本文在上一个研究成果基础上分别基于最大似然估计的Fisher信息矩阵和Kalman滤波的Fisher信息矩阵提出了两种传感器节点选择方法。集成了这两种传感器节点选择方法的目标跟踪算法可以实现对运动目标能量有效和准确地跟踪。
　　 4.针对扩展Kalman滤波目标跟踪算法中头节点需要消耗大量能量来接收测量值以及估计目标运动状态，本文提出基于序贯扩展Kalman滤波的目标跟踪算法。在每一跟踪时刻该算法要求簇集内所有传感器节点依次对目标状态进行估计并将估计结果传给下一个节点，每个传感器节点依赖自身测量值和上一个节点的估计结果对目标状态进行估计。上述过程重复进行直至最后一个节点得到该时刻的目标跟踪结果。
　　 总之，本文围绕无线传感器网络目标跟踪问题展开了研究，所得结果不仅具有重要的理论价值，而且具有广泛的实际应用价值。