基于传感器网络的多目标定位与跟踪

发布时间：2017-04-08 15:08

  本文关键词：基于传感器网络的多目标定位与跟踪，由笔耕文化传播整理发布。

【摘要】：传感器网络系统,是由分布在不同位置的传感器发射机和接收机共同组成的一种传感器系统。它利用多个传感器接收机接收回波,通过对回波信息进行融合处理,实现对目标的定位和跟踪。相比于传统的单传感器系统,传感器网络具有可靠性高、作用范围大、定位精度高等优势。传统的传感器网络多目标定位方法面临的关键问题是目标与回波的匹配关联,而关联过程会带来计算量大及如何准确提取目标的问题。基于成像策略的定位算法可以解决回波关联问题,本文将在此基础上研究基于传感器网络的多目标定位和跟踪方法,主要工作及创新如下:1.研究了基于传感器网络多目标定位和跟踪的基本理论。简要介绍了传统的时差定位技术的模型和基本原理,分析了其在多目标定位中的不足;针对时差定位的不足,研究了基于成像策略的多目标定位方法的原理,并在此基础上介绍了基于观测空间投影和基于双基距离空间投影(Bistatic Range Space Projection,BRSP)两种具体的定位算法;简要阐述了多目标跟踪的相关理论和组成要素。2.提出了一种基于分层策略的BRSP-TL多目标定位算法。研究了基于BRSP的定位算法存在的运算量大及定位精度有待提高的问题。针对原方法运算量较大的问题,提出了一种分层处理策略:先进行低分辨率投影定位,获取目标可能区域,再以更高分辨率在目标可能区域进行投影定位,以减少运算量,同时得到多个目标的定位结果。针对BRSP定位方法的定位精度有待提高的问题,分析了定位误差来源,提出了一种将多目标定位结果作为初值,利用泰勒级数展开算法进一步提高定位精度的改进方法。通过仿真验证,基于分层策略的BRSP-TL多目标定位算法在显著提高了定位精度的情况下,其运行速度大幅提升。3.研究了基于传感器网络的多机动目标定位跟踪算法。首先,研究了基于分层BRSP-TL定位的IMM-JPDA多目标跟踪算法。该算法将基于分层策略的BRSP-TL定位算法的定位结果作为量测,通过逻辑法进行航迹起始和状态初始化,再利用IMM-JPDA算法进行跟踪。通过仿真验证,该算法具有较高的多目标跟踪精度;然后,针对目标机动时IMM-JPDA算法跟踪误差增大的问题,提出了两种改进方法:一是量测更新IMM-JPDA算法,该算法利用量测对IMM-JPDA的状态估计进行了更新,减小了模型误差对跟踪结果的影响;二是自适应模型概率的IMM-JPDA算法,该算法利用自适应的修改因子对模型概率进行修正。仿真验证了所提方法显著提高了目标的跟踪精度。
【关键词】：传感器网络 双基距离空间投影 分层策略 泰勒级数 多机动目标
【学位授予单位】：电子科技大学
【学位级别】：硕士
【学位授予年份】：2015
【分类号】：TN953;TP212
【目录】：

• 摘要5-6
• ABSTRACT6-10
• 第一章 绪论10-17
• 1.1 研究背景及意义10-11
• 1.2 国内外研究动态11-15
• 1.3 论文的内容结构15-17
• 第二章 传感器网络多目标定位跟踪原理及算法简介17-37
• 2.1 引言17
• 2.2 传感器网络定位算法17-26
• 2.2.1 时差定位技术原理17-19
• 2.2.2 基于成像策略的多目标定位方法19-26
• 2.3 目标跟踪理论26-36
• 2.3.1 目标运动模型26-28
• 2.3.2 联合概率数据关联算法28-31
• 2.3.3 滤波与预测31-34
• 2.3.4 交互式多模型算法34-36
• 2.4 本章小结36-37
• 第三章 传感器网络多目标定位方法研究37-54
• 3.1 引言37
• 3.2 基于双基距离空间投影定位算法仿真37-38
• 3.3 基于分层策略的双基距离空间投影定位方法38-46
• 3.3.1 分层策略39-40
• 3.3.2 基于分层策略的BRSP定位算法的流程40-41
• 3.3.3 仿真实验及性能分析41-43
• 3.3.4 误差分析43-46
• 3.4 基于分层BRSP定位的泰勒级数展开定位算法46-53
• 3.4.1 Taylor级数展开算法原理46-48
• 3.4.2 Taylor级数展开算法的仿真和分析48-49
• 3.4.3 基于分层BRSP的Taylor级数展开算法流程及仿真分析49-53
• 3.5 本章小结53-54
• 第四章 基于传感器网络的多机动目标跟踪技术研究54-73
• 4.1 引言54
• 4.2 多目标跟踪算法54-58
• 4.2.1 逻辑法航迹起始及状态初始化54-55
• 4.2.2 IMM-JPDA算法55-58
• 4.3 基于传感器网络定位的IMM-JPDA跟踪算法58-64
• 4.3.1 基本原理及流程58-59
• 4.3.2 仿真实验59-63
• 4.3.3 性能对比63-64
• 4.4 改进的IMM-JPDA算法64-71
• 4.4.1 量测更新IMM-JPDA算法64-67
• 4.4.2 自适应模型概率的IMM-JPDA算法67-71
• 4.5 本章小结71-73
• 第五章 总结和展望73-75
• 5.1 研究总结73-74
• 5.2 工作展望74-75
• 致谢75-76
• 参考文献76-79
• 攻硕期间取得的研究成果79-80

【共引文献】

中国期刊全文数据库 前10条

1 薛金林;徐丽明;;多功能农业机器人及其关键技术分析[J];安徽农业科学;2009年15期

2 张进;王万平;吴钦章;;基于光电跟踪系统的联合Kalman滤波器算法研究[J];半导体光电;2008年04期

3 王宇龙,熊继军,张文栋;智能机器人的研究[J];微纳电子技术;2003年Z1期

4 沈勇,徐维庆;基于数据融合技术的道路特征实验识别[J];车辆与动力技术;2004年04期

5 吴才成;测试系统中的数据融合技术[J];车辆与动力技术;2005年03期

6 周浔;任锐;;基于模糊理论的多传感器信息融合技术在电机故障诊断中的应用[J];车辆与动力技术;2008年04期

7 高姬,刘春喜;虚拟仪器与数据融合在瓦斯监测系统中的应用[J];兵工自动化;2004年06期

8 李斌,陈以,韩元杰;模糊证据理论综述[J];兵工自动化;2005年03期

9 魏鑫;张春山;刘迎春;;基于加权自适应估计的温度测量[J];兵工自动化;2007年09期

10 刘田伟;许星;赵明海;;海防编队对海上目标类型识别模型研究[J];兵工自动化;2008年03期

中国重要会议论文全文数据库 前10条

1 曾宪伟;方洋旺;伍友利;王洪强;刘加丛;;一种新的最优制导律[A];第二十六届中国控制会议论文集[C];2007年

2 刘磊;王永骥;;基于单目视觉的机器人动态目标识别与跟踪[A];第二十六届中国控制会议论文集[C];2007年

3 马小平;汪永东;樊阳;;模糊证据理论的深入研究[A];第二十六届中国控制会议论文集[C];2007年

4 胡玉兰;范晓静;;基于D-S证据理论改进方法的目标识别[A];第二十七届中国控制会议论文集[C];2008年

5 张佑春;王平;张公永;;基于D-S证据理论和神经网络的信息融合方法及应用[A];第二十七届中国控制会议论文集[C];2008年

6 朱茵;王军利;;交通管理综合信息融合模型研究[A];第二十七届中国控制会议论文集[C];2008年

7 王运锋;王建国;高义;黄顺吉;;利用分布式数据融合的目标检测算法研究[A];第十届全国信号处理学术年会（CCSP-2001）论文集[C];2001年

8 余振威;王钺;张林;山秀明;;位置和拓扑信息融合的航迹关联算法[A];第十三届全国信号处理学术年会（CCSP-2007）论文集[C];2007年

9 曲阳;徐林;王建辉;顾树生;;基于信息博弈的多源信息融合方法[A];2005年全国自动化新技术学术交流会论文集[C];2005年

10 刘朝阳;蔡自兴;;多传感器信息融合技术在侦察系统中的应用[A];广西计算机学会2004年学术年会论文集[C];2004年

中国博士学位论文全文数据库 前10条

1 何建民;面向网络社区聆听客户声音方法研究[D];合肥工业大学;2010年

2 蒋鼎国;无线传感器网络农业信息监控系统设计与数据融合研究[D];江南大学;2010年

3 岑健;基于人工免疫系统的机组复合故障诊断技术研究[D];华南理工大学;2010年

4 刘美;WSN多目标跟踪节点任务分配及跟踪算法研究[D];华南理工大学;2010年

5 李先锋;基于特征优化和多特征融合的杂草识别方法研究[D];江苏大学;2010年

6 张寿明;基于冶炼过程及终点判断技术的烟化炉智能控制系统研究[D];昆明理工大学;2009年

7 赵雷刚;发动机台架试验过程实时监测与预警方法研究[D];武汉理工大学;2010年

8 黄晓静;多频高频地波雷达目标检测与跟踪技术研究[D];武汉大学;2010年

9 鄢煜尘;基于信息融合的中文笔迹鉴别研究[D];武汉大学;2009年

10 赵志超;导弹防御雷达网数据融合技术研究[D];国防科学技术大学;2010年

中国硕士学位论文全文数据库 前10条

1 年军艳;普适计算下的上下文感知计算若干关键技术研究[D];安徽工程大学;2010年

2 何慧娟;基于多传感器的移动机器人障碍物检测与定位研究[D];安徽工程大学;2010年

3 黄正荣;基于振动波的高速公路车辆行驶状态辨识理论研究[D];南昌航空大学;2010年

4 焉杰;多传感器时滞系统信息融合及其仿真[D];山东科技大学;2010年

5 张西雅;基于信息融合的汽车防追尾避撞目标识别研究[D];郑州大学;2010年

6 裴银肖;贝叶斯博弈信息融合模型及算法的研究和应用[D];郑州大学;2010年

7 姜明;VTS数据交换与数据融合的研究[D];哈尔滨工程大学;2010年

8 王宏磊;SNMP安全态势信息获取及分析技术[D];哈尔滨工程大学;2010年

9 杨慧;多传感器信息融合技术的研究与应用[D];哈尔滨工程大学;2010年

10 马士国;水下回收AUV的短基线导引与定位数据融合技术研究[D];哈尔滨工程大学;2010年

  本文关键词：基于传感器网络的多目标定位与跟踪，，由笔耕文化传播整理发布。

本文编号：293109