[发明专利]基于分布式传感器能量比的水下运动目标扩展卡尔曼滤波跟踪方法

说明书

本发明公开一种基于分布式传感器能量比的水下运动目标扩展卡尔曼滤波跟踪方法，首先引入两两传感器之间能量比的对数作为观测值，得到不同时刻的观测序列；然后结合目标的运动状态，将非线性的观测方程在误差可控范围内化为近似线性观测方程，构造线性状态‑空间模型；然后导出状态‑空间模型的扩展卡尔曼滤波序贯迭代求解算法；利用线性最小二乘(ER‑LS)定位算法，对进入水下传感器网络范围内的运动目标定位，作为扩展卡尔曼滤波的初始值；最后，通过序贯滤波得到性能改进的水下目标运动轨迹。

技术领域

本发明属于水下传感器网络框架下的滤波跟踪技术，具体涉及一种特定状态-空间模型下的扩展卡尔曼滤波跟踪方法。

背景技术

海洋覆盖了地球70％以上的面积，蕴藏了巨大的物质资源。由于海水的特殊性，海水对无线电波和可见光吸收太快，衰减迅速，从而不能实现能量的远距离传输，制约了这些技术在海洋探测和水下目标跟踪方面的应用。声波是唯一可以在水下进行远程传播的载体，不同的传播距离有着不同的应用场景，如传播距离为米到百米级可以利用声波进行高分辨力成像，传播距离为公里到百公里级可以利用声波进行目标探测和定位，传播距离为百公里到千公里级可以利用声波进行信息传输。而且，声波探测跟踪技术在声呐探潜、海洋生物跟踪等军事和民用领域具有广泛的应用。

无线传感器网络由多个通过无缆通信的传感器节点构成，为了实现其低功耗、快速布放、自组织性以及容错性的优势，节点通常由单个传感器构成，因而节点无法进行阵信号处理。传感器网络用于目标跟踪的方法有中心式和分布式之分，中心式指的是所有传感器将获得的观测值发送给指定的唯一中心节点处理，这种结构需要可观的宽带进行传感器节点之间的信息传输，这会对节点电池寿命提出挑战，中心式的结构弊端在于其鲁棒性和可靠性。为了减少中心式结构的通信负担，分布式结构应运而生，分布式结构每个节点先进行信号处理，压缩所需传输的数据量，再将处理结果发送给中心处理节点。通常选取靠近目标即信噪比的节点为中心处理节点，随着跟踪过程的进行，中心处理节点是不断变迁的，将各时刻用于搜集传感器信息的节点视为一个子集，同时将其它节点设置为节能睡眠模式，分布式结构较之中心式结构鲁棒性更好。

经典的声源目标定位方法主要有三类：基于波达方向定位(DOA)，基于时延定位(TDOA)和基于信号能量定位(RSSI)。RSSI对传输带宽以及传感器精度要求较低，更适合无线传感器网络。RSSI包括最大似然定位和最小二乘定位等，最大似然方法精度高、耗能大、计算量大，由于单个传感器节点体积小、能量有限，节能是首要考虑因素。引入能量比的概念，单个节点只需运行计算量很小的能量检测器，就可以得到有效压缩后的能量观测值数据，因而计算量可有效降低，采用最小二乘方法可实现目标位置估计。

发明内容

本发明的目的是针对水下传感器网络对运动目标的跟踪问题，提出一种特定的线性状态-空间模型以及与之适应的扩展卡尔曼滤波跟踪方法，可以有效地通过两两传感器之间能量比得到的观测序列，对运动状态进行时间更新和测量更新，通过序贯滤波得到性能改进的跟踪结果。

由于海洋环境的动态变化性以及目标的运动特性，使得海洋声信号在实际应用中常常涉及到非线性，构建的状态-空间模型通常是非线性的。而本发明提出的方法是对所有有效节点的能量观测值数据两两求比值再作对数变换，得到的能量差在对数尺度上可化为近似线性状态方程，序贯贝叶斯滤波在线性情况下的最佳解是扩展卡尔曼滤波(EKF)，能够很好的适应于这种非线性不严重的水下运动目标定位情形。

本发明的具体技术方案如下：

一种基于分布式传感器能量比的水下运动目标扩展卡尔曼滤波跟踪方法，包括步骤：

1)在水下布放由M个传感器节点组成的网络，每个节点由单个传感器组成，接收目标辐射出的声信号，对获得的声信号按一定频率进行采样，序贯计算各个节点固定时间段内声信号的能量，获得能量测量值；

2)根据目标在水下的运动规律建立运动状态方程；