[发明专利]一种分布式可变扩散组合系数粒子滤波直接跟踪方法

说明书

本发明属于信号处理领域，提供一种基于时延和多普勒的分布式网络粒子滤波可变扩散组合系数直接跟踪定位方法，旨在解决在网络信噪比环境复杂或恶劣时，固定权系数的方法追踪性能恶化的问题；本发明提出利用局部中间状态估计值构造局部最优代价函数，应用子空间投影的方法将有约束问题转化为无约束问题，进一步通过RLS迭代方法求得最优解来获得自适应变化的组合系数，与传统的基于时延和多普勒的分布式粒子滤波目标直接跟踪方法相比，能够实现更好的追踪效果；本发明可应用于信噪比恶劣的情况，提高了分布式自适应粒子滤波直接跟踪方法的鲁棒性和稳健性。

技术领域

本发明属于信号处理领域，特别是涉及分布式信号处理领域的自适应粒子滤波跟踪技术，具体是一种基于时延和多普勒的分布式自适应粒子滤波可变扩散组合系数直接跟踪方法。

背景技术

目标跟踪是信号处理领域的重要课题之一，并且已经在许多实际工程领域得到广泛应用。经典的目标跟踪定位方法是采用两步法，第一步测量时差/频差(TDOA/FDOA)，第二步使用测量得到的TDOA/FDOA进行位置解算即定位和跟踪，然而由于两步法TDOA和FDOA的估计是通过忽略所有测量必须与单目标的位置一致的约束而得到的，所以两步法不一定能得到最佳位置估计；对于移动目标来说，两步算法就更难准确的实现目标跟踪。

后来，一种不需要计算出TDOA/FDOA,而是直接利用接收信号估计目标位置的直接定位算法被提出，在接收信号信噪比较低的情况下，这种方法的精度更高，可分为批处理方法和自适应方法两类。对移动的目标需要进行跟踪定位，批处理方法需要对定位区域进行四维的网格式搜索，计算量很大，实时性差；后来提出了用代数方法来估计目标的位置和速度，但是这种方法只有在噪声较小的情况下定位准确；进一步用估计出来的目标的位置和速度作为卡尔曼滤波(KF)的输入，构造动态模型，提升了定位的精确度；但卡尔曼滤波只能处理带有高斯噪声的线性系统，但是在实际情况中，目标的运动轨迹大部分都是非线性的，即TDOA/FDOA测量值是目标位置/速度的高度非线性函数。因此，对于非线性系统的处理，人们又提出了扩展卡尔曼滤波(EKF)，可以直接将第一步得到的TDOA/FDOA测量值作为扩展卡尔曼滤波器(EKF)的输入，但是EKF滤波器需要非常好的初始化，而这个初始值通常很难得到，即便是EKF滤波器进行了较好的初始化，也可能会偏离甚至失去跟踪能力。

据此，人们又提出了粒子滤波算法，用来解决非线性的跟踪定位问题。如文献《Delay a nd Doppler Induced Direct Tracking by Particle Filter》(Sidi,A.Y.，Weiss,A.J.)提出了一种基于时延和多普勒的未知确定性信号运动目标的单步定位跟踪方案，在集中式框架下采用粒子滤波的单步策略优于两步策略；然而，这种集中式粒子滤波(CPF)方案由于计算能力和能量存储能力存在瓶颈以及单个融合中心所导致的低稳健性，不适用于大型传感器网络。因此，分布式粒子滤波(DPF)算法已经成为进行大规模目标跟踪的最有前途的方法之一。分布式粒子滤波可以基于共识策略和扩散策略两种策略来实现，通过最近研究显示扩散策略更易于分布式实现，并且在不同场景的定位跟踪中显示了更强的灵活性和鲁棒性。

而目前基于时延和多普勒分布式粒子滤波跟踪方法在扩散策略中应用的权系数都是预先给定的固定的权系数，这种方法对于信噪比较好的网络环境可以具有良好的跟踪性能，但是对于信噪比环境更为复杂或者条件恶劣的网络来说，这种固定权系数的融合策略会导致算法稳健性不高，甚至造成跟踪性能恶化。

发明内容

本发明的目的在于提供一种基于时延和多普勒的分布式网络粒子滤波可变扩散组合系数直接跟踪定位方法，用于进一步提高分布式自适应粒子滤波直接跟踪方法的鲁棒性和稳健性。

为实现上述目的，本发明采用的技术方案如下：

一种基于时延和多普勒的分布式自适应粒子滤波可变扩散组合系数直接跟踪方法，其特征在于，包括以下步骤：