论文部分内容阅读
无线传感器网络具有分布式部署、覆盖范围广、感知能力丰富等特点，在环境监测、智能交通、健康监护等领域展现出了良好的应用前景，基于无线传感器网络的目标跟踪方法研究也受到了广泛的关注。在多目标跟踪问题研究中，数据关联问题一直是重点也是难点。多目标跟踪数据关联是指将节点观测值（即量测）与准确目标进行关联，该研究问题又可以细分为目标识别和目标运动状态估计两个子问题。另外，基于无线传感器网络研究有效的分布式数据关联方法也是必要的。本文在目标识别问题、目标运动状态估计问题及分布式数据关联问题等方面进行了深入研究，主要贡献如下: 1、提出了一种面向传感网信息融合的证据推理方法DSlT。证据理论在处理不确定性信息方面具有一定的优势，而DSmT超幂集引入了冲突信息焦元，使得证据中的信息表达更加地完备。本文在深入研究DSmT超幂集中焦元属性含义的基础上，将具有相同支持信息的焦元进行合并，然后对焦元进行逻辑化表示，并定义出合理的证据组合规则，提出了证据推理方法DSlT。算例分析表明DSlT能显著提升高冲突信息融合性能，三维证据融合运行时间对比实验表明，DSlT比DSmT减少了81.08％;目标识别实验分析表明，DSlT与DST、DSmT相比，目标识别精度略有提升。本文将DSlT推理方法用于传感网中多特征数据融合以解决目标识别问题，并为设计数据关联方法提供理论方法依据。 2、提出了一种两层式数据关联方法EasiDSlT。本文基于典型的分簇分布式思想，结合证据推理方法DSlT和贝叶斯滤波方法，提出了一种两层式、分布式数据关联方法EasiDSlT。EasiDSlT的第一层数据关联发生在簇内各节点上，簇内各节点感知目标的特征数据，并将特征数据转化为证据，应用DSlT推理方法进行多证据融合，实现量测与目标的初步关联;EasiDSlT的第二层数据关联发生在簇首节点上，簇首节点收集簇内其它节点发送过来的初步数据关联结果及与估计目标运动状态密切相关的感知数据，利用一定的判决规则进行量测-目标数据关联决策，然后利用朴素贝叶斯滤波方法解决目标运动状态估计问题。EasiDSlT数据关联方法是一种分布式数据关联方法，其将计算量分散到簇内各节点上，能够均衡网络内各节点的资源开销，降低对簇首节点资源的消耗。 3、设计了基于磁传感器网络的多目标跟踪系统仿真验证实验。本文设计了四种跟踪场景，将EasiDSlT数据关联方法与最近邻数据关联方法、PCR6数据关联方法分别进行了对比分析，仿真实验结果说明了EasiDSlT数据关联方法的可靠性，同时验证了结合EasiDSlT数据关联方法设计的多目标跟踪系统能够取得较高的跟踪精度。