[发明专利]一种分布式异构自适应粒子滤波直接跟踪方法

摘要

本发明属于信号处理领域，提供一种基于时延和多普勒的分布式异构网络粒子滤波直接跟踪定位方法，将传统同构网络下的基于时延和多普勒的分布式粒子滤波跟踪算法扩展到了异构网络，充分利用了粒子数对粒子滤波器性能的影响，在每个接收机实现粒子数的自适应调整，提高了粒子滤波器的效率，相对于同构网络的分布式粒子滤波直接目标跟踪算法，可以实现更好的跟踪效果，提升了分布式异构粒子滤波目标跟踪方法的有效性；本发明为异构网络开发了一种组合系数自适应变化的方案，可应用于信噪比恶劣的情况，一定程度提升了分布式异构粒子滤波目标跟踪方法的稳健性和鲁棒性。

主权项

1.一种分布式异构自适应粒子滤波直接跟踪方法，包括以下步骤：步骤1.第一次数据交换，在k时刻，接收机l与邻居接收机互相交换接收信号，组成观测矩阵；步骤2.接收机l根据随机预测粒子以及相应的粒子权重，更新局部中间状态估计值ψ_l,k以及相应的协方差矩阵Λ_l,k：步骤3.第二次数据交换，接收机l与邻居接收机互相交换局部中间状态估计值ψ_l,k；步骤4.结合，接收机l计算得到k时刻发射机位置的局部估计值其中，a_j,l,k为非负加权系数，满足条件：当时，a_j,l,k＝0；表示包含接收机l的邻居接收机的集合，集合内接收机个数为n_l；步骤5.接收机l计算k+1时刻最优组合系数；利用局部中间状态估计值ψ_l,k构造局部最优代价函数：其中，E运算符表示求数学期望，x_k表示发射机k时刻的状态向量，b_l,k包含a_l,k中的非零元素：a_l,k＝S_lb_l,k、e_l,h表示单位矩阵的第h列，a_l,k表示组合系数矩阵(a_j,l,k)_L*L的第l列，Ψ_l,k＝Ψ_kS_l、Ψ_k＝[ψ_1，k,ψ_2，k,…,ψ_L，k]，表示维度为n_l×n_l的单位阵、表示n_l维的全1列向量；迭代求解上述局部最优代价函数：初始值b_l,1＝1/n_l，按照下式迭代：其中，则：步骤6.根据局部估计值和协方差矩阵Λ_l,k构造后验概率分布p(x_k|Z_l,1:k)：步骤7.接收机l通过后验概率分布采样生成个更新粒子根据更新粒子的分布范围，获得子划分的个数则计算接收机l的期望粒子数其中，ε_l为KLD上限，为标准正态分布的1‑γl上分位数；当或时，进入步骤9；否则，进入步骤8；步骤8.令并返回步骤7；步骤9.重采样生成k+1时刻的预测粒子并计算k+1时刻接收机l上的均值和方差进而构建高斯模型的近似局部预测分布：