[发明专利]移动自组织传感器网络中三维联合定位与追踪方法

摘要

本发明公开了属于传感器网络通讯技术领域的一种移动自组织传感器网络中三维联合定位与追踪方法。该方法是同时定位与追踪的变分滤波算法；针对传感器的随机性和目标运动的不可预测性分别建立分层状态演化模型，采用扩展的高斯分布在三维空间中进行描述，其均值和方差均为随机变量，分别服从独立分布；通过利用传感器之间以及传感器与目标之间的观测信息，在三维空间中同时进行目标定位和传感器追踪；从理论证明了变分滤波算法能够收敛到与实际分布误差最小的高斯状态估计。通过同时优化状态估计和模型参数，显著提升了估计精度并避免了状态描述的复杂性和不必要的通信；解决联合定位与追踪问题。

主权项

一种移动自组织传感器网络中三维联合定位与追踪方法；其特征在于，该方法是同时定位与追踪的变分滤波算法；针对传感器的随机性和目标运动的不可预测性分别建立分层状态演化模型，采用扩展的高斯分布在三维空间中进行描述，其均值和方差均为随机变量，分别服从独立分布，这样通过长尾来覆盖小概率的随机可能性，以应对传感器和目标的随机性；通过利用传感器之间以及传感器与目标之间的观测信息，在三维空间中同时进行目标定位和传感器追踪；具体步骤如下：步骤1:，通过对隐藏状态的扩展，建立分层状态演化模型，这种模型用于描述实际情况中非线性非高斯分布；步骤2:采用常见的接收信号强度(RSSI)经验衰减模型建立观测模型，其中，传感器根据接收到的信号强度换算与探测目标之间的距离；步骤3:根据步骤1和步骤2中提出的模型，传感器的定位和目标追踪简化为两个积分运算；步骤4:针对步骤3中积分难以计算的情况，提出变分滤波方法；通过可分解的分布近似后验概率分布，计算预测分布，通过指数形式的解决方案最小化预测分布和可分离近似分布之间的库勒巴克‑莱布勒分歧误差；步骤5：通过仿真验证变分滤波算法的性能，并与粒子滤波算法在追踪精度和追踪时间两方面进行比较。