[发明专利]一种基于航迹时间函数的传感器优化管理方法

说明书

本发明公开了一种基于航迹时间函数的传感器优化管理方法，属于传感器选择领域。该方法主要步骤如下：步骤一、系统建模，将目标运动方程建模为航迹时间函数曲线；步骤二、航迹时间函数曲线参数确定；步骤三、克拉美罗下界CRLB的计算；步骤四、进行传感器优化管理。本发明主要提出了一种基于航迹时间函数的传感器优化管理新方法，主要任务是找到使得克拉美罗下界最小的固定数量传感器组合，在缺乏目标模型等先验信息的条件下，通过拟合获得目标航迹时间函数，准确预测目标下一时刻的位置，结合预测位置以及已知的传感器位置和量测信息可以实时、准确的进行传感器系统的管理。此方法适用于被动的无线传感器网络。

技术领域

本发明涉及传感器选择领域，特别是涉及一种基于航迹时间函数的传感器优化管理方法。

背景技术

传感器管理问题是信息融合系统中不可或缺的一个环节，传感器管理问题往往会被建模为一个目标优化问题。目前国内外主流的优化目标包括该时刻传感器管理行为带来的信息增益、目标跟踪中的后验克拉美罗下界(posterior Cramer-Rao lower bound,PCRLB)等，采用以上的目标函数在应用中具有不错的效果，但这些目标函数的计算都是依赖于目标运动模型的先验信息，而在目标进行机动时，目标的运动模型是变化的，一种不依赖于目标运动模型先验信息的方法至关重要。

文献“Sensor selection for TDOA-based localization in wireless sensornetworks with non-line-of-sight condition,IEEE Transactions on VehicularTechnology,2019,68(10):9935-9950.”共开了一种基于克拉美罗下界的传感器管理方案，该方案不同于传统的传感器管理算法，采用原始的克拉美罗下界作为目标函数，利用到达时间差(Time difference ofarrival,TDOA)量测，结合文中提出的最佳选择填充算法和迭代交换贪婪算法，在三种场景分别提出了传感器管理方案。然而，文献所述方法针对的是目标定位误差的克拉美罗下界，并未考虑到目标的运动情况，在目标跟踪领域中并不适用。倘若目标机动模型未知，或目标下一时刻位置未知，则该算法就失去作用，因此在目标跟踪领域的不依赖于先验信息的传感器管理算法有待进一步扩展。

发明内容

为了克服现有的传感器选择方法过于依赖先验信息的问题，本发明提供了一种基于航迹时间函数的传感器优化管理方法。该方法旨在通过时序波达方向(Direction ofArrival,DOA)量测进行航迹拟合从而获得目标的航迹时间函数，从而可以获得该时刻的目标位置并对下一时刻目标位置进行预测，利用传感器位置信息，目标航迹时间函数以及传感器的量测噪声信息计算出下一时刻的克拉美罗下界，通过最小化克拉美罗下界得到传感器优化管理方案。通过上述方式，本发明能够在缺少目标运动信息的情况下获得下一时刻的传感器管理方案。

本发明解决其技术问题所采用的技术方案是：一种基于航迹时间函数的传感器优化管理方法，其特点是采用以下步骤：

步骤一、系统建模，将目标运动方程建模为航迹时间函数曲线：

将传感器DOA量测模型建为：

式中，t表示连续时间，f^λ(t)表示目标的真实航迹，λ表示连续时间函数曲线的维度，k表示离散时间序列，表示由量测航迹拟合成的连续时间函数曲线，表示过程误差，表示第i个传感器在k时刻的量测值，(x_k,y_k)表示目标在k时刻的位置，表示第i个传感器在k时刻的位置，表示第i个传感器在k时刻的量测噪声。

步骤二、航迹时间函数曲线参数确定与位置预测：在每个维度上，计算连续时间函数的估计参数