[发明专利]海洋水下传感器网络目标跟踪方法

摘要

本发明提供一种具有较好跟踪精度和较小网络能耗的海洋水下传感器网络目标跟踪方法。包括5个步骤：步骤1：在监测区域内，均匀安装水声传感器，建立多个簇；步骤2：建立目标运动模型；步骤3：激活目标所在小区域内的簇头和传感器节点，其余传感器节点和簇头保持休眠状态；步骤4：应用粒子滤波算法跟踪定位水下目标；步骤5：判断目标是否驶离水下监测区域，如果是，则结束跟踪过程；如果不是，继续判断目标是否将要离开所在的小区域，如果目标将要离开目标所在的小区域，则当前目标所在小区域内的簇头将最后采样时刻的目标状态估计值和方差估计值传递给下一时刻激活的簇头节点，如果目标不离开当前小区域，进入下一时刻,转至步骤3。

主权项

1.一种海洋水下传感器网络目标跟踪方法，其特征在于包括以下步骤：步骤1：在监测区域内，以密度ρ，单位为个/m³，均匀地安装水声传感器；根据监测区域和目标的特性将监测区域均分为多个小区域，每一个小区域内的所有传感器节点组成一个簇，簇头部署在每个区域的中心位置，且簇内簇头和传感器节点之间采用一跳通信；步骤2：在监测水域内建立三维坐标系以及目标运动模型，并给目标状态赋初值：建立目标的运动模型为匀速拐弯模型，目标运动方程为X_k＝F.X_k‑1+Q.W_k‑1，其中X_k表示运动目标在k时刻的状态，用向量表示为(x_k,x,v_k,x,y_k,y,v_k,y,z_k,x,v_k,z,a_k,x,a_k,y,a_k,z)，其中x_k,x，y_k,y和z_k,z分别表示目标k时刻的x轴、y轴和z轴的位置，v_k,x，v_k,y和v_k,z分别表示目标k时刻x轴、y轴以及z轴的速度，a_k,x，a_k,y和a_k,z分别表示目标k时刻x轴、y轴以及z轴的加速度，W_k‑1表示系统噪声，假设是高斯的、具有零均值噪声，F表示状态转移矩阵，Q表示过程噪声协方差矩阵，其中T为采样间隔，ω为转弯速率，I_3×3为单位矩阵；观测方程为其中，表示在k时刻第j个节点测量到的声音能量，(x_k,y_k,z_k)代表目标k时刻的位置，(x^j,y^j,z^j)代表第j个传感器节点的位置，S_k表示目标的源级声压，表示测量噪声；步骤3：目标运动过程中，激活目标所在小区域内的簇头和传感器节点，其余传感器节点和簇头保持休眠状态；步骤4：应用基于Grubbs和改进的粒子滤波算法对水下目标进行跟踪定位，即预测目标在k时刻的位置坐标值；具体步骤如下：步骤4.1：初始化，k＝0,采样初始粒子集步骤4.2：对于k＝1,2,...步骤4.2.1：采用Grubbs准则对传感器节点测量得到的数据进行分析检验，并剔除异常数据，得到M_s个独立测量数据；假设k时刻目标所在小区域的M个传感器节点测量得到的一组数据记为该组数据均值为方差为σ_k，其残余误差为j＝1,2,...,M，对k时刻所有参与测量任务传感器节点得到的数据，进行标准化得到S_k服从某一概率分布，设其概率分布密度函数为f(Z_k),则根据上述得到其中，λ_α(M)一般称为Grubbs系数，通过查表可得到；α为给定的置信水平；由于α的取值很小，所以是以很小概率α发生的，又因为k时刻参与测量任务的传感器节点不是很大，则认为不可能发生；若则认为是由粗大误差引起的，说明该传感器测量得到的数据为异常值，并将其剔除；步骤4.2.2：对于i＝1,2,...,N，有：1)：重要性采样：从重要性概率密度函数中，任意采集N个粒子，i＝1,2,...,N；2)：更新动态加权因子：计算k时刻，传感器节点j的测量值和目标状态X_k之间的互信息：其中，I(.)代表互信息熵，H(.)表示信息熵；表示第i个预测粒子，且所有的粒子的权重均为1/N；更新重要性权值的动态加权因子其中，表示k时刻，传感器节点j与目标状态的互信息熵；表示k时刻参与测量任务的传感器节点j的对应的权重；3)：重要性权值更新：重要性概率密度函数满足q(X_k|X_k‑1,Z_1:k)＝p(X_k|X_k‑1)，重要性权值计算公式为粒子更新完后，由于每个粒子的权值为重要性权值计算公式为：引入动态加权因子，重要性权值计算公式为4)：权值归一化：步骤4.2.3：判断是否需要重采样：计算有效样本数设置阈值Nth为每次迭代时进行一次判断，如果则进行重采样，生成新的粒子集合，重新定义粒子权值为1/N；步骤4.2.4：跟踪定位目标在k时刻的状态估计和方差估计更新：步骤5：判断目标是否驶离水下监测区域，如果是，则结束跟踪过程；如果不是，继续判断目标是否将要离开目标所在的小区域，如果目标将要离开目标所在的小区域，则当前目标所在小区域内的簇头将最后采样时刻的目标状态估计值和方差估计值传递给下一时刻被激活的簇头节点，如果目标没有将要离开当前k时刻所在的小区域，则令k＝k+1,转至步骤3。