[发明专利]一种目标定位跟踪系统及方法

说明书

技术领域

本发明涉及信息技术领域，特别涉及一种目标定位跟踪系统及方法。

背景技术

由于现代信息技术、网络技术及无线通信技术的发展，推动了无线传感器网络 技术的迅速发展。运动目标的定位与跟踪技术具有广阔的应用背景，涉及到军事和 民用领域。传统的目标被动定位技术中，多采用基于纯方位测量的目标被动定位技 术，其主要解决的问题是如何利用观测的目标方位信息来估计目标的运动参数进而 实现目标的定位跟踪。系统配置多为机载或舰载单站测量系统，该系统配置由于受 到运动目标可观测性原理的限制，要实现对目标的定位，观测平台需要在观测期内 进行机动，可有时候由于观测平台无法机动，近而不能实现目标的定位；无线传感 器网络通过部署的多个传感器节点组成，通过无线通信方式形成的一个多跳的自组 织的网络系统。其目的是协作地感知、采集和处理网络覆盖区域中感知对象的信息。

从技术方面讲，基于纯方位目标运动分析问题本质上是一个非线性Bayes滤波 问题。由于非线性的原因，其精确解通常并不解析，所以工程上多采用基于扩展卡 尔曼滤波(EKF)的次优解，它是利用泰勒级数展开，取其一阶近似使模型线性化， 再利用卡尔曼滤波(KF)算法进行求解。而且EKF滤波在模型非线性较强以及系统 噪声非高斯时估计的精度严重降低，并可能造成滤波器的发散。而无味卡尔曼(UKF) 采用UT(Unscented Transformation)变化，虽然较EKF有更好的滤波效果，但都是在 基于模型线性化和Gauss假设的条件下。因此人们一直在寻找适用于非线性非高斯 Bayes滤波方法来提高估计精度。近年来国际上在该方向的研究取得了令人瞩目的成 就，其中尤以粒子滤波(PF)受到更为广泛的关注，所以近年来又出现了基于粒子 滤波方法实现目标的纯方位测量定位技术，该方法虽然比基于KF的方法定位精度 高，但是该方法对实现后验概率的精确估计需要较多的粒子数，导致计算量大，计 算时间长，不利于实时应用。

发明内容

为了克服对单站观测系统的不可观测性和粒子滤波计算速度慢这两个不足，本 发明提供了一种目标定位跟踪系统及方法，该系统及方法基于上述对传统定位技术 的分析基础之上，采用一种新的目标定位技术实现运动目标的分析，可以有效克服 单站测量必须进行机动的不足，而且采用一种改进的粒子滤波方法实现定位，其计 算时间远远低于采用粒子滤波实现定位的方法。

为了达到上述目的，本发明提供的一种目标定位跟踪系统，包括：多个簇定位 模块及一指控模块。

所述簇定位模块包括：多个传感器节点及一簇头节点。

所述传感器节点，用于对其所在簇内区域进行监测，当有目标出现，则对目标 的方位进行测量，并将该测量值与自身坐标信息发送到本簇内的簇头节点。

所述簇头节点，用于根据本簇内的传感器节点发送的测量值及其坐标信息，完 成目标状态估计，实现目标的定位跟踪，并将定位跟踪结果发送到指控模块。

所述指控模块，用于收集并显示各簇头节点的定位跟踪结果。

所述簇头节点进一步包括：

一初始化模块，用于建立目标运动及观测方程、目标的初始状态分布函数和初 始状态的估计方差，并随机产生N个粒子。

一粒子滤波模块，用于利用状态方程对每个粒子状态进行基于扩展卡尔曼滤波 的预测、更新。

一粒子权值计算模块，用于计算粒子权值。

一重采样判断模块，用于根据有效粒子数N_eff判断是否要重采样，若有效粒子数 N_eff小于预先设定值，则进行重采样，根据重要性密度函数重新采样N个粒子并分 配权值。及

一估计目标状态模块，用于根据粒子的权值计算估计目标状态。

其中，所述初始化模块进一步包括：一建立目标运动及观测模型模块、一建立 目标初始化状态及估计方差模块及一随机粒子产生模块。

所述建立目标运动及观测模型模块，用于建立目标的一阶马尔可夫系统方程及 目标观测的观测模型：