一种基于异步传感器网络的空间目标分布式跟踪方法

发布时间：2021-08-04 16:06

　　为解决传感器网络在空间目标分布式跟踪过程中的异步采样及通信延迟问题,该文提出一种异步分布式信息滤波算法（ADIF）。首先,局部传感器与相邻节点之间以一定的拓扑结构传递带采样时标的局部状态信息和量测信息,然后将收到的异步信息按时间排序,使用ADIF算法进行计算,分别对目标状态进行估计。该方法实现简单,传感器间通信的次数少,支持网络拓扑的实时变化,适用于空间目标监测中的多目标跟踪问题。该文分别对空间单目标、多目标跟踪进行了仿真,结果表明算法可以有效解决异步传感器滤波问题,分布式滤波精度一致逼近于集中式结果。 

【文章来源】：电子与信息学报. 2020,42(05)北大核心EICSCD

【文章页数】：8 页

【部分图文】：

异步多传感器采样示意图

i)tki将图1中节点i的入邻节点的采样时刻映射到采样周期内，如图2所示。节点i将采样周期内收到的信息存储，并在时刻进行采样、滤波和信息传输。3.2异步分布式信息滤波算法(ADIF)设计以图2为例，将局部传感器一个采样周期的滤波计算过程分为3步：(tk1i,tki)Ml=<tl,Il,ξl,sl,yl>l=1,2,···,Ni,in(1)对收到的信息进行排序。假设传感器i在采样周期内收到Ni,in个入邻节点的信息,。根据时图1异步多传感器采样示意图图2传感器i的入邻节点采样时刻映射示意图1134电子与信息学报第42卷

误差优于0.01m/s。820s后，由于只有S2,P2有量测数据，误差有所增大，位置误差在100m以内，速度误差在1m/s。为进一步分析分布式滤波算法的收敛情况，表3中列出了滤波收敛后250～900s集中式滤波和分布式滤波RMSE的均值。从表中可知，各个测量设备的分布式滤波精度基本趋于一致，且逼近集中式滤波的精度。集中式算法中，融合中心可以直接获得所有测量数据，从而可以得到最优估计。局部传感器在使用本算法滤波过程中，虽然无法直接获取网络中所有节点的量测数据，但是通过连通的网图3传感器网络的通信拓扑图4测量设备的跟踪弧段表1目标初始轨道历元X(m)Y(m)Z(m)Vx(m·s–1)Vy(m·s–1)Vz(m·s–1)2019-04-2504:11:56980093.4661709342.5126698030.7146293.7414383734.785328–1863.584480表2天基光学相机轨道根数天基相机历元a(km)ei(°)Ω(°)ω(°)M(°)P12019-4-2504:00:006878.1370.00001145.0359.80.0339.8P22019-4-2504:00:006778.1370.00001063.4250.110.235.01136电子与信息学报第42卷

【参考文献】：
期刊论文
[1]无线传感器网络分布式迭代定位误差控制算法[J]. 汪晗,成昂轩,王坤,宋树伟.  电子与信息学报. 2018(01)
[2]多光电跟踪设备异步序贯分布式目标跟踪算法[J]. 楚天鹏.  红外与激光工程. 2017(09)



本文编号：3321999