[发明专利]利用传感网进行多目标跟踪的数据关联方法

权利要求书

1.一种利用传感网进行多目标跟踪的数据关联方法，包括如下步骤：

S1.将传感网内的传感器进行分簇；

S2.当目标进入传感网的监测区域时，通过传感器节点采集目标的量测信息；

S3.计算目标的状态离散时间方程；

S4.根据步骤S3得到的计算结果，采用下式计算目标的状态预测结果：

p ^ ( y k ( t ) ) = ∫ ψ ( t - 1 ) p ( y k ( t ) | y k ( t - 1 ) ) · p ~ ( y k ( t - 1 ) ) dy k ( t - 1 ) ]]>

其中为目标k在t-1时刻的状态分布；

且量测分布的预测计算如下：

p ^ ( z k i ( t ) ) = ∫ ψ ( t ) p ( z k i ( t ) | y k ( t ) ) · p ^ ( y k ( t ) ) dy k ( t ) ]]>

其中，是似然函数，zi(t)是节点i在t时刻接收到的信号强度；

S5.根据步骤S4的计算结果，计算目标k在节点i中的后验概率：

p ~ ( z k i ( t ) ) = ∫ R N - 1 p ( z i | z 1 i , ... , z N i ) [ Π i = 1 N p ^ ( z k i ( t ) ) ] dz 1 i ... dz k - 1 i dz k + 1 i ... dz N i ]]>

其中N为目标的数量；

S6.根据步骤S5进行数据关联，并采用贝叶斯框架进行目标跟踪；

S7.采用如下算式计算目标的后验概率分布：

p ~ ( y k ( t ) ) = α · p ^ ( y k ( t ) ) · ∫ [ Π i = 1 m p ~ ( z k i ( t ) ) · p ( z k i ( t ) | y k ( t ) ) ] dz k 1 ... dz k m ]]>

其中，α是一个归一化因子，其目的是将的值转换到0～1之间；是目标k在t时刻的增强向量，其中xk(t)是位置向量，是速度向量，为目标k在t时刻的状态估计值的期望，m为参与到目标k在t时刻的状态估计的传感器数量；

S8.重复步骤S2～S7，完成目标的跟踪。