[发明专利]一种基于分布式传感网络的多目标检测与跟踪方法

权利要求书

1.一种基于分布式传感网络的多目标检测与跟踪方法，其特征在于：该方法包括如下步骤，

S1，为监控区域构建动态的环境数据集，完成节点位置以及环境障碍的检测，实时监测区域内目标和环境信息；

S2，部署传感器节点，设置三维实时监测系统，并根据算法和策略获取多目标运动轨迹；

S3，根据目标的初始位置，无线传感器网络调动距离目标较近的四个不共面的传感器节点，各节点通过测距手段对目标的距离信息收集处理并根据上一时刻的位置及状态信息，设置第一层粒子滤波；

S4，对多个目标进行相同的算法操作，根据时刻和目标建立一个区分归属链：式中Obser_t代表收集目标m的测量值，其中m＝[1,...,M]，t＝[1,...,4]，将Obser建立的目标和相应量测之间的信息关系上传至融合处理层；融合处理层对传感器层四个普通节点传输的量测信息进行收集关联，然后用于对融合层粒子集对目标状态估计的校对；

D＝[obser₁,obser₂,obser₃,obser₄]

矩阵D中的每一行都代表着一个目标对应的量测信息；

我们将矩阵D标记为：D＝[D₁,...,D_m,...,D_M]^T，根据多个目标的量测信息分别估计坐标位置，用于校对目标状态和融合粒子权重；

S5，利用分布式的传感器网络和伺服跟踪系统，通过数据融合得到的目标空间的三维数据信息和历史数据，设置第二层粒子滤波；

S6，根据融合处理层粒子的初始权重，得出融合粒子集，通过似然比计算检验判断目标状态，并参考历史数据，量测信息和航迹得出目标的轨迹。

2.根据权利要求1所述的一种基于分布式传感网络的多目标检测与跟踪方法，其特征在于：所述步骤S2中目标运动轨迹的状态以位移、速度、加速度为轴建立：

其中m＝(1,…,M)代表不同的目标身份标记，将目标行动细分成独立的类直线运动，由匀加速直线运动的规律得到一个坐标轴上的关系式：

(1)

(2)

(3)

利用以上三个公式结合其他两个坐标轴得到目标运动的迭代关系：

式中，w_k是系统噪声，其中w_k～N(0,Q_k）；

传感器层利用算法对测量信息进行归属关联，同时利用粒子滤波算法估计局部的条件概率密度函数，而融合处理层则分离多个目标的信息，进行独立的滤波过程，估计目标位置；

对于融合处理层来说

观测矩阵为D_k,t＝(d₁,d₂,d₃,d₄)^T量测模型为

式中，v_k是测量噪声,v_k～N(0,R_k)；

传感器层中的观测模型表示为：

式中，z_i,i＝(1,…,I)代表具体某个节点对多个目标的量测。

3.根据权利要求1所述的一种基于分布式传感网络的多目标检测与跟踪方法，其特征在于：所述步骤S5中数据融合处理过程如下：

时刻k，目标m，m＝1,…,M，节点t，t＝[1,...,4]获取了滤波粒子集融合节点滤波，得到融合粒子状态由于使用粒子滤波算法，所以我们依靠非线性融合规则，估计融合处理层粒子的初始权重

融合粒子的分布满足如式所示的条件概率密度

重要度采样函数：

则得初始权重计算式：

采用SIR粒子滤波，将作为重要度采样函数，即

q(x_k|x_k-1,Z_1:4,k)＝p(x_k|x_k-1)

此时，知可表示为融合处理层粒子的初始权重递归计算公式如下：

根据传感器层四个传感器节点得到的PDF替代密度函数得：

传感器节点t在时刻k和k-1的估计条件PDF可用加权Dirac函数描述，如下所示：

结合上式：

状态转移方程的概率模型：

Q为过程噪声。