基于目标定位的数据融合算法研究

摘要

无线传感器网络(Wireless Sensor Networks,WSNs)是目前多学科高度交叉的热点研究领域，如信号处理、信息理论、现代通信网络、统计估计和推断以及人工智能等。然而，无线传感器网络面临着能量受限、通信能力和数据处理等多个挑战。本文以无线传感器网络环境下的目标定位和跟踪为研究背景，详细讨论了网络中传感器数据和噪声的处理方法以及目标定位跟踪的问题，同时结合无线传感器网络的结构和特点，遵循以能量为先、数据为中心的原则，提出了几种相应解决方法，在相关领域也取得了一定的理论研究成果，为进一步地深入研究和应用奠定了基础。主要创新点和工作如下：
　　1．针对机动和非机动目标跟踪的问题，提出了一种基于无线传感器网络下移动传感器目标跟踪的数据融合算法，即移动传感器目标跟踪数据融合算法(Mobile Sensors Dada Fusion Tracking,MSDFT)。结合“门限”技术，建立一个动态变化的模型结构——扩展的卡尔曼滤波器作为自适应机动补偿器来解决数据关联和机动目标问题，研究多个移动传感器目标追踪的检测算法，并通过仿真表明该算法能够成功地追踪多个移动传感器。
　　2．针对来自多个传感器的测量数据总是有一定程度的不确定性和不一致性，提出了一种利用数据的冗余度来解决数据不确定性的方法，即一种优化的贝叶斯估计多传感器数据融合方法。在贝叶斯估计和卡尔曼滤波器理论的基础上，将两者结合起来，建立了一个新的评估数据融合操作的标准，应用于无线传感器网络数据融合中。通过一个具体实例研究估计移动机器人的位置，仿真结果表明在集中式和分布式两个方面数据融合体系结构，结合卡尔曼滤波器的贝叶斯融合算法能够有效地解决数据的不确定性和不一致性。
　　3．在目标定位系统中最重要的工作就是设计一种高效的定位算法，提出了一种基于模糊逻辑的无需测距定位算法，力求得到最佳解决方案。根据模糊逻辑理论，利用锚节点的接收信号强度指示器(Received Signal Strength Indicator,RSSI)和链路质量指示器(Link Quality Indicator,LQI)的当前值来为边权值建模，以此得出传感器节点的位置。仿真结果表明能够较好地解决无线传感器网络环境下的目标定位问题，验证了该算法的正确性和有效性。

目录

封面

声明

中文摘要

英文摘要

目录

第 1 章 绪论

1.1 课题的研究背景和意义

1.2 国内外发展现状

1.3 本文的研究内容

1.4 本文的组织结构

第 2 章 无线传感器网络和数据融合技术概述

2.1 无线传感器网络概述

2.2 数据融合技术概述

2.3 数据融合技术的分类

2.4 常用的数据融合方法

2.5 数据融合技术的架构和模型

2.6 本章小结

第 3 章 基于目标跟踪的移动传感器数据融合算法

3.1 引言

3.2 基于目标追踪的数据融合算法

3.3 自适应目标追踪算法

3.4 仿真结果

3.5 本章小结

第 4 章 一种优化的贝叶斯估计多传感器数据融合算法

4.1 引言

4.2 贝叶斯方法基础

4.3 提出的算法

4.4 实例分析：移动机器人局部定位

4.5 本章小结

第 5 章 一种基于模糊定位的高效数据融合算法

5.1 引言

5.2 相关工作

5.3 提出的方法

5.4 实例分析

5.5 本章小结

第 6 章 总结与展望

6.1 总结

6.2 展望

致谢

参考文献

附 录