一种多传感器多目标跟踪算法.docx

上传人:太** 文档编号:97313834 上传时间:2024-05-31 格式:DOCX 页数:5 大小:13.84KB
返回 下载 相关 举报
一种多传感器多目标跟踪算法.docx_第1页
第1页 / 共5页
一种多传感器多目标跟踪算法.docx_第2页
第2页 / 共5页
点击查看更多>>
资源描述

《一种多传感器多目标跟踪算法.docx》由会员分享,可在线阅读,更多相关《一种多传感器多目标跟踪算法.docx(5页珍藏版)》请在taowenge.com淘文阁网|工程机械CAD图纸|机械工程制图|CAD装配图下载|SolidWorks_CaTia_CAD_UG_PROE_设计图分享下载上搜索。

1、一种多传感器多目标跟踪算法在多目标跟踪过程中,数据连接将正确地对应于目标路线的量测值,以便在随后的滤波过 程中恢复相应的目标估计值,以便避免由于量测错误连接而导致目标状态估计的精度降低。 经典的多目标数据互联方法包括最近邻域算法、概率最近邻域算法、概率数据互联算法、 联合概率数据互联算法、综合概率数据互联算法、多假设跟踪算法、最优贝叶斯算法等。 其中,最近邻域算法和概率最近邻域算法的计算过程相对简单,计算量小,其他算法的计 算过程相对复杂,计算耗时很大。但是前2种方法的跟踪精度相对其他算法有所下降,尤 其是在高杂波密度和密集目标情况下,算法性能的区别比较明显Kuo Chu C 等上述算法都是用

2、JPDA或PHD来完成数据互联,但这类算法计算复杂,所需的计算量大, 且目标数量较多时容易出现数据组合爆炸。WSN节点均为搭载有限设备和电源的小型传感 器,需要完成信息获取、信息处理、通信等各项任务,因而传感器节点能分配给数据互联 环节的计算负荷很少。考虑节约传感器资源并避免出现复杂数据组合,计算量最小的最近 邻域算法更适合处理传感器网络中的数据互联问题针对多目标分布式一致性跟踪问题,本文采用最近邻域关联方法实现网络中多传感器的数 据互联,考虑最近邻域方法易受杂波影响从而误判杂波为量测的情况,对节点量测实施一 致性迭代,进而提出基于量测一致性的分布式多传感器多目标跟踪算法(Distribute

3、d multi-sensor multi-target tracking algorithm based on measurement consistency, MC-DMMTA)。1基于wsn的目标跟踪跟踪任务中,多个目标的运动状态一般是独立的。若跟踪场景中有t个目标,假设它们的 状态方程为:式(1)中:X多传感器网络探测目标时,由于传感器观测性能的差异,其接收到的回波通常是不一样的, 用Z如果一个WSN由n个传感器构成,假设WSN跟踪t个目标的量测方程为:式(2)中:z2基于测量精度的多媒体分布算法和多目标跟踪算法2. 1目标量测的确定WSN跟踪多目标时,首先须要解决的问题依然是数据互联问

4、题。解决数据互联问题旨在达 到2个目标:(1)在多个回波中找出真实量测(或是最接近真实量测的回波);(2)确定量 测与目标航迹之间的正确配对关系。以下推导过程中,网络中各个传感器的运算是一样的,不妨用下标i来表示传感器2.1 i=l, 2,,no根据上一时刻的各个目标滤波结果或是已确定的各个目标最后一个航迹点预测本时刻状态:式(3)(5)中:确定量测之前,由跟踪门初步筛选出部分回波成为候选回波,以限定下一步判定过程中的 回波数量根据常用的椭圆(球)波门规则,当回波z式(7)中,丫由x筛选所有回波,确定候选回波的集合之后,从候选回波中选取和波门中心统计距离最小的 回波作为目标量测。最近邻域法中的

5、统计距离是新息加权范数:根据式(8)计算各候选回波统计距离,各目标的候选回波分别比较后,便可确定目标t 的量测z2.2 错误量测的影响最近邻域算法只需要计算出候选回波的统计距离,再比较大小确定目标量测,其简单的判 断过程所花费的计算量也是相当小的。然而,简单的判断过程中能采取的判定依据是非常 有限的。因此,判定出正确量测的概率较复杂判断过程会有所下降。对于最近邻域算法来 说,最容易影响它判定正确量测的是数据互联中的杂波。当存在杂波(或其他目标的量测) 离波门中心的统计距离小于真实量测离波门中心的统计距离,而且其被选定为候选回波时, 最近邻域算法就会将该杂波确定为目标量测。错误量测会严重影响后续

6、滤波过程,降低自 身传感器估计精度,进而通过信息交流影响网络中其他传感器的估计性能,导致整个传感 器网络目标跟踪效果不佳本节利用传感器网络中多个传感器的探测信息减少错误量测对跟踪过程的不良影响。错误 量测对滤波过程的影响在于,错误量测会给予预测值一个错误的修正从而增大状态估计值 相对于真实状态的偏差。考虑各传感器对同一目标t刚确定量测的情景,此时WSN中有多 个量测,每个量测都可能是错误的,网络中各传感器均发送自身量测值z由上述分析可知,网络中各传感器量测信息交互之后,采用局部平均的方式能很好地抑制 多种量测情况下错误量测对状态估计过程的影响。为进一步加强抑制效果,对此过程进行 L经过此量测一

7、致性迭代,能够得到比较准确的目标t量测,解决了杂波干扰下的数据互联 问题。2.3 局部平均一致性算法的滤波过程基于文献式(10)、(11)中:n是网络中传感器的数量;Y与上一节做同样考虑,为抑制杂波形成的错误量测对滤波过程的干扰,对信息矩阵和信息 向量做一致性迭代时,亦采用局部平均作为一致性协议。对信息矩阵和信息向量做L最后,用信息矩阵和信息向量求得状态估计值和状态估计协方差:3实验与结果分析3. 1运动影响因素为验证算法的有效性并对比其性能,设置传感器网络跟踪多目标的实验,3个目标在同一 块区域内匀速运动,它们的运动互不影响,但存在航迹交叉。选取基于最近邻域的信息加 权一致性滤波算法为避免实

8、验的偶然性,得到客观的实验结果,在目标真实运动不变的前提下,用随机 Monte Carlo循环求平均的方法获取实验中各项性能指标的均值,设置Monte Carlo循环 次数为100次。3.2实验结果和算法的比较图24分别展示了传感器网络在2种算法的作用下跟踪多个目标的位置误差、速度误差 和不一致程度。相应地,表13用数据准确说明了 3个目标3种误差各自的平均情况。综合实验效果图和实验数据,在杂波干扰下的简单运动目标跟踪任务中,本文所提算法 MC-DMMTA对3个目标的跟踪精度和一致性程度都要优于DN-IWCF,特别是一致性程度有明 显改善。2种算法的主要区别在于MC-DWA通过量测一致性减少了

9、错误量测导致的跟踪性 能下降,而DN-DVCF易受杂波干扰。可以得出,本文所提出的MC-DMMTA能非常有效地抑 制杂波对传感器网络跟踪性能的影响。4基于量测一致性的多目标跟踪本文探究了基于WSN的分布式一致性跟踪中的多目标跟踪问题。在采用简易数据互联方法 的基础上,针对传感器网络跟踪多目标过程中数据互联易受杂波影响,从而误判杂波为量 测的情况,对网络中各传感器当前时刻确定的量测做一致性迭代。通过局部平均交互所有 量测信息,利用多传感器中正确量测的关联性削弱可能出现的错误量测,对预测值的错误 修正,保证后续滤波过程中的估计精度。提出了基于量测一致性的分布式多传感器多目标 跟踪方法,设置了杂波干扰下的传感器网络多目标跟踪实验,对比了 NN-IWCF与MC-DMMTA 的跟踪性能。实验结果表明:MC-DMMTA能有效抑制因误判产生的错误量测对跟踪过程的干 扰,可以实现良好的传感器网络跟踪精度和估计信息一致性。

展开阅读全文
相关资源
相关搜索

当前位置:首页 > 应用文书 > 解决方案

本站为文档C TO C交易模式,本站只提供存储空间、用户上传的文档直接被用户下载,本站只是中间服务平台,本站所有文档下载所得的收益归上传人(含作者)所有。本站仅对用户上传内容的表现方式做保护处理,对上载内容本身不做任何修改或编辑。若文档所含内容侵犯了您的版权或隐私,请立即通知淘文阁网,我们立即给予删除!客服QQ:136780468 微信:18945177775 电话:18904686070

工信部备案号:黑ICP备15003705号© 2020-2023 www.taowenge.com 淘文阁