[发明专利]基于信息一致性权值优化的无线传感网络目标跟踪方法

说明书

技术领域

本发明属于传感网络目标跟踪领域，具体涉及一种基于信息一致性权值优化的无线传感网络目标跟踪方法。

背景技术

在无线传感器网络中，多个传感器节点对被观测目标的状态（如目标的方位、运动速度等）进行观测，并利用各种状态估计算法从被噪声污染的观测值中获得目标状态的估计值。为了提高每个节点状态估计的性能，传统的方法是通过融合中心收集所有节点的观测信息或局部估计信息进行信息融合处理。集中式Kalman滤波算法（CKF）便是基于融合中心的一种经典方法。然而由于网络结构和通讯容量的限制，这些基于融合中心的算法在路由选择、拓扑管理、数据传输等方面需要花费大量开销，并且因融合中心的存在而降低算法的容错性和可靠性。因此，发展无需融合中心的完全分布式的滤波算法在无线传感器网络目标跟踪应用中具有十分重要的意义。

现有的性能较好的完全分布式的跟踪算法主要是Kalman Consensus滤波算法（KCF），其通过邻居节点之间的信息交换和分布式的加权迭代，使得网络中所有节点趋于一致状态，并能获得与CKF较为接近的估计性能。然而KCF使用仅由网络拓扑结构决定的一致加权系数融合邻居节点的估计信息，而忽略了邻居节点估计的不确定度。事实上，由于节点自身热噪声及感知环境的差别，不同节点局部估计的不确定度通常是不同的，尤其是在算法的初始阶段，因此KCF的估计误差协方差矩阵M_i(k)并没有获得改进。

发明内容

本发明的目的之一是克服现有技术的部分或全部缺陷，而提供一种基于信息一致性权值优化的无线传感网络目标跟踪方法。

为实现上述目的，本发明所采取的技术方案如下：

本发明基于信息一致性权值优化的无线传感网络目标跟踪方法包括以下步骤：

步骤一：将无线传感网络的每个节点i的先验信息矢量和先验信息矩阵分别初

始化如式（1）和式（2）所示：

i‾(0)=P-1(0)x‾(0)---(1)]]>

I‾(0)=P-1(0)---(2)]]>

其中，k代表当前采样时刻（即k时刻），i是节点指标，代表节点i；k和i是整数，k＝0,1,2,...,且1≤i≤n，n是无线传感网络的节点总数；是在0时刻的初始值，是在0时刻的初始值，表示目标的初始状态是均值为的高斯随机变量，P(0)表示目标的初始状态是协方差为P(0)的高斯随机变量；

步骤二：在当前采样时刻，由式（3）和式（4）计算每个节点i的观测向量z_i(k)；

x(k)＝A(k)x(k-1)+B(k)w(k)               （3）

z_i(k)＝H_i(k)x(k)+v_i(k)                  （4）