[发明专利]利用传感网进行多目标跟踪的数据关联方法

说明书

本发明提供了一种利用传感网进行多目标跟踪的数据关联方法，包括将传感器节点分簇；节点采集目标的量测信息；计算目标的状态离散时间方程；计算目标的状态预测结果；计算目标k在节点i中的后验概率；采用贝叶斯框架进行目标跟踪；计算目标的后验概率分布；重复以上步骤完成目标的跟踪。本发明为了能够对多目标进行准确的跟踪，提出了一种新的方法来解决无线传感器网络多目标跟踪中的数据关联问题，该方法基于贝叶斯框架，不仅使用目标位置状态信息，同时也使用速度状态信息。与其他一些建模的方法相比，本发明所提出的方法是计算量小、精度高，特别是在实现交叉机动目标跟踪方面，可以在低开销的情况下准确的对多目标进行跟踪。

技术领域

本发明属于测控领域，具体涉及一种利用传感网进行多目标跟踪的数据关联方法。

背景技术

在无线传感器网络中，跟踪目标的能力在许多应用中至关重要。但由于在能量、感知能力、通信、存储和计算能力上的局限性，它们对无线传感器网络应用中实现传统目标跟踪解决方案带来了挑战。由于任何数据的收集、处理和传播信息的操作导致资源消耗的增加，无线传感器网络目标跟踪算法应该能有效地利用资源，也要减小计算复杂度。

目前，单目标跟踪得到了很好的研究，但多目标跟踪(MTT)问题仍然有一些需要解决的关键问题。其中数据关联是MTT最困难的问题。如图1所示为简单情况下两个目标的跟踪，其中包括三个阶段。第一阶段，目标之间的距离大，所述目标可以是分别单独跟踪。第二阶段，目标彼此接近，这最终会导致测量失真。该失真测量可能导致测量与目标之间的混淆，这时可以利用数据关联来处理这种失真。第三阶段，目标之间的距离变大，单目标跟踪模型是再度适用。发生在第二阶段的错误会导致混乱或丢失的目标，然后在第3阶段重新初始化或者重新识别是必要的。

现在有一些关于无线传感器网络MTT的研究，比如在IDSQ的框架中提出了一种无线传感器网络MTT的算法。图形模式用于计算出目标状态和传感器测量之间的关联。目标属性信息用来处理失真目标的测量。该算法通过传感器节 点之间的协作实现了分布式计算和本地化处理。然而，引入额外属性信息增加了对硬件复杂性的要求，也增加了成本、计算、通信和能量开销。

发明内容

本发明的目的在于提供一种系统开销较小、数据关联准确，从而能够对多目标进行准确跟踪的利用传感网进行多目标跟踪的数据关联方法。

本发明提供的这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.将监测区域内的传感器节点进行分簇；

S2.当目标进入监测区域时，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：

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：