论文部分内容阅读
随着MEMS技术、无线通信技术和微芯片技术的发展，一种由大量的具有一定计算能力和通信能力的传感器节点所组成的传感器网络出现了，作为一种新的网络计算平台，它改变了人们与物理世界的交互方式，并被认为是继因特网之后将对21世纪人类生活方式产生重大影响的技术之一。
战场环境的智能感知作为传感器网络在军事上最直接的一个应用，是实现网络中心战的关键技术之一，本文以分布式传感器网络中的目标跟踪为背景展开研究，重点研究传感器网络中的节点自定位、基于信息驱动的传感器选择和目标跟踪等关键技术，论文主要工作和创新点如下：
(1)提出了基于MDS原理的MDS-PDM集中式节点自定位算法，采用了基于U矩阵分解的坐标转换算法，具有较好的鲁棒性；针对网络非均匀性对节点自定位算法的影响以及MDS算法中存在的缺陷，利用PDM映射修正节点到锚节点间的距离估计，仿真表明与传统的MDS相比，MDS-PDM算法在非均匀网络中的定位性能得到明显的提高。
(2)研究了一种用于无线传感器网络目标跟踪的传感器节点动态分组策略，在这种分布式跟踪框架下实现了跟踪性能与网络扩展性的平衡。
(3)在分布式传感器网络中的参数估计问题中，优先选择能给估计带来最大信息增益的传感器节点可以减少节点间的通信量，提高估计精度。本文在目标跟踪背景下，根据不同模态传感器节点测量值对目标位置的几何约束提出了基于空间夹角的传感器节点选择算法，研究表明，与现有的两类传感器节点选择算法相比，基于空间夹角的传感器节点选择算法具有计算量小以及可同时进行多模态传感器节点选择的优点。
(4)采用粒子滤波算法在二维混合传感器网络中实现了目标源强度未知的目标跟踪。利用状态空间模型给出了目标状态的转移模型，对目标源强度在一定范围内分布的目标给出了能量和方位传感器节点的非线性观测模型，采用粒子滤波算法解决了非线性变观测模型下的目标跟踪问题