[发明专利]应用于无线移动传感器网络的目标跟踪方法及装置

说明书

技术领域

本发明涉及无线通信领域，特别是涉及应用于无线移动传感器网络的目标跟踪方法及装置。 

背景技术

近年来，随着机器人技术和宽带无线通信技术的发展，从无线传感器网络中衍生出了无线移动传感器网络。无线移动传感器网络由分散的移动节点组成，每个节点除了具有传统静态节点的传感、计算和通信能力外，还具有一定的机动能力，节点可以独立布置而不必依附其它物体。对于一些危险场合和动态环境对象，如灾难现场紧急救援、建筑物内危险品泄漏等，传统的静态无线传感器网络部署方法实现起来将十分困难甚至失效。而利用移动传感器网络的机动能力，问题将会迎刃而解。配备相关传感器的移动节点可以自动地在现场部署开来，按预定的程序取得一个合适的分布密度和网络覆盖，及时传回实时数据。无线移动传感器网络对各种关键应用领域，例如通讯、军事、医疗、救灾和监控等方面的工作产生相当重要的影响。移动节点能够随目标的移动而移动，始终保持目标对网络可见，是目标跟踪应用领域无线移动传感器网络不同于静态无线传感器网络的最显著特点。 

由于定位方式不同，无线移动传感器网络的目标跟踪策略也不同，定位分为主动定位和被动定位，与之相对应，目标跟踪策略分为主动跟踪策略和被动跟踪策略。目标主动跟踪策略由移动目标通过射频信号向邻近信标节点发出定位请求，对信标节点接收的接收信号强 度指示RSSI设置阈值，超过阈值的节点之间进行信息交换，并且对它们的RSSI值进行排序，值最大的前N个节点被激活，同时向移动目标回传相应数据，告诉它们的位置信息。然后设计基于距离的定位算法利用这N个节点的坐标信息计算自身的位置坐标。目标被动跟踪策略通过多个节点融合判决机制来实现对目标的侦测，这是因为由单个节点来判断目标的虚警概率较高。多个节点根据他们各自采集到的声音、振动、RSSI等信号，通过信息交换和相应的决策机制对目标进行判决。由于被动的目标自身无法同监测节点之间进行通信，因此在进行目标跟踪时，监测节点需要按照一定的准则来确定一个“簇首”节点，簇首节点再根据特定的方法来激活邻近节点以构成检测区域对目标运动轨迹进行估计。 

主动跟踪策略要求被监测目标自身具备无线通信能力，该限制在实际应用中不一定能够满足。无线移动传感器网络由大量具有移动性的无线节点构成，节点具备无线通信和传感的能力，因此，被动跟踪策略更加适合无线移动传感器网络。目前提出的无线目标跟踪算法多是针对静态无线传感器网络，无线节点固定的分布在某个监测区域内，该类算法假设目标始终对无线传感网络可见。不过这种假设并不能总是成立，一旦目标移动出了监测区域就无法再进行跟踪。针对静态无线传感器网络的无线目标跟踪算法中比较有代表性的有：基于Kalman滤波[1]的目标跟踪算法，是一个对动态系统的状态序列进行线性最小方差估计的算法，具有计算量小、可实时计算的特点，可以准确的预测目标的位置和速度，但是Kalman滤波器只能处理线性问题，不适用于非线性问题，因而制约其应用；基于EKF(ExtensionKalman Filter，扩展卡尔曼滤波)的目标跟踪算法，基本思想是利用泰勒级数展开(1阶)来线性化状态和观测模型，再利用Kalman滤波求 解，能够适合非线性度不强的系统；粒子滤波PF(Particle Filter)算法于1993年由Gordon等人率先提出[2]，它是一种基于Monte Carlo仿真的最优回归贝叶斯滤波算法，适用于能用状态空间模型表示的非线性系统，为了适应分布式网络的要求，出现了分布式粒子滤波DPF，采用分布式数据融合结构；文献[4]给出了杂波环境下传感器网络中协作式目标跟踪算法，通过组合Sigma-point滤波器和信息滤波器，提出了一种分布式跟踪算法，但该算法并未考虑如何保证网络的连通性。 

综上所述，应用于无线移动传感器网络的目标跟踪方法亟待开发与应用。 

本发明相关的技术文献有以下9篇： 

[1]Farina A.Target tracking with bearings-only measurements[J].Signal Processing，1999，78(S0165-1684)，61-78. 

[2]Lei Ming，Han Chong zhao，Xiao Mei.“novel modified methodfor extension kalman particle filter”[J]，Journal of Xi’an Jiao tongUniversity，vol.39，NO.8，Aug.2005.