《基于无线传感器网络的目标状态估计与融合》由会员分享，可在线阅读，更多相关《基于无线传感器网络的目标状态估计与融合（87页珍藏版）》请在金锄头文库上搜索。
1、 学校代码 10530 学 号 201011041549 分 类 号 TM352 密 级 硕硕 士士 学学 位位 论论 文文 基于无线传感器网络的目标状态基于无线传感器网络的目标状态 估计与融合估计与融合 学学 位位 申申 请请 人人 龙嘉川 指指 导导 教教 师师 裴廷睿 教授 学学 院院 名名 称称 信息工程学院 学学 科科 专专 业业 信号与信息处理 研研 究究 方方 向向 计算智能与现代通信技术 二一三年五月三十一日 Target State Estimation and Fusion Based on Wireless Sensor Networks Candidate Jiachu
2、an LONG Supervisor Tingrui Pei College Xiangtan University Program Signal and Information Processing Specialization Computational Intelligence and Modern Communication Technology Degree Master of Engineering University Xiangtan University Date May. 31th, 2013 湘潭大学湘潭大学 学位论文原创性声明学位论文原创性声明 本人郑重声明：所呈交的论
3、文是本人在导师的指导下独立进行研究所取得的研究成果。除了文中特别加以标注引用的内容外，本论文不包含任何其他个人或集体已经发表或撰写的成果作品。对本文的研究做出重要贡献的个人和集体，均已在文中以明确方式标明。本人完全意识到本声明的法律后果由本人承担。 作者签名： 日期： 年 月 日 学位论文版权使用授权书学位论文版权使用授权书 本学位论文作者完全了解学校有关保留、使用学位论文的规定，同意学校保留并向国家有关部门或机构送交论文的复印件和电子版，允许论文被查阅和借阅。本人授权湘潭大学可以将本学位论文的全部或部分内容编入有关数据库进行检索，可以采用影印、缩印或扫描等复制手段保存和汇编本学位论文。 涉密
4、论文按学校规定处理。 作者签名： 日期： 年 月 日 导师签名： 日期： 年 月 日 I 摘 要 随着网络技术、无线通信技术、微机电技术和微处理器技术等方面的进步，无线传感器网络（WSNs）及其应用成为了研究焦点并取得长足发展。目标定位与跟踪作为 WSNs 的典型应用，具有低成本、高可靠性以及自组织等特点。 本文从经典的卡尔曼滤波器出发， 研究了利用平滑技术改进 sigma 点卡尔曼滤波器估计精度的方法以及利用信息卡尔曼滤波器在数据融合的结构优势， 在保证跟踪精度的条件下得到有效减少网络整体能耗的分布式滤波方法。 具体包括如下创新性成果： （1）平滑问题就是在已知前二阶矩特性的情况下,对一个马
5、尔可夫或高斯-马尔可夫序列进行不断修正以得到最优平滑值的问题。 考虑到传统固定时隙平滑算法耗时长，无法满足目标跟踪实时性要求，本文提出一种结合固定滞后平滑和sigma 点转换策略的 FL_URTS 平滑方法。该法通过将逆时方向计算的平滑器嵌入到顺时方向计算的滤波器中， 在获得接近甚至优于传统平滑方法估计精度的同时能大幅减小延时。 （2）考虑到传感器节点自身资源的限制，提出了一种综合考虑簇集整体能耗因素和节点剩余能量因素的动态分簇策略。 该方法首先根据预测结果估计目标在下一时步可能的位置，然后通过最近邻法得到能有效观测到目标的最小节点集， 并采用能量均衡策略选出这个簇集中的簇首用来对下一时步内所
6、有的观测数据进行融合。由于每一时步内只有距离目标最近的一簇节点参与目标跟踪，所以这种分簇策略在保证跟踪精度的同时可以有效降低网络整体能耗。 （3）信息结构的 sigma 点滤波器因为采用了逆协方差形式使其容易进行数据的融合。本文利用新提出的动态分簇策略，结合分布式 sigma 点信息滤波器得到了基于动态分簇的分布式 sigma 点信息滤波算法， 该方法利用簇内节点得到的信息贡献量在簇首处进行统一的融合处理。由于各成员节点具备数据计算能力，簇首不必像集中式滤波算法一样需要对每个传感器送来的原始测量数据进行扩维计算， 使得融合算法的复杂度从集中式的随传感器个数平方增加变为随传感器个数线性增加。 （
7、4）为了进一步提高跟踪精度，本文还利用固定滞后平滑可以提高估计精度和基于分簇的 sigma 点信息滤波器易于数据融合的特点， 提出基于平滑的分布式 sigma 点信息滤波器。 该方法对每个采样周期内簇首得到的融合滤波估计值进行逆时方向的迭代修正，得到每一采样周期内的平滑估计值。 关键词：关键词：目标跟踪；无线传感器网络；平滑；动态分簇；分布式数据融合 II Abstract With the significant advances in networking, wireless communications, microfabrication, and microprocessors, th
8、e topic of wireless sensor networks (WSNs) has become a fast-growing research area. As a typical application of WSNs, target location and tracking has its own advantages such as low cost, high reliability and self-organization. Starting from the classical Kalman Filter, this paper studies how to use
9、 smoothing technology to improve estimation precision of the Sigma Point Kalman Filter. Later, depending on the structural advantage of Information Filter in data fusion, a method seeking to reduce overall energy consumption under the condition of tracking accuracy is also proposed in this dissertat
10、ion. The main contributions can be concluded as follows: (1) Smoothing is a method that uses features of the first two moments to continuously corrects a markov or gauss-markov sequences in order to get the optimal smoothing value. This paper proposes a new method which combines fixed lag smoothing
11、algorithm and sigma transformation strategy. As a result of embedding a backward calculating smoother to a forward calculating filter, it can significantly reduce the time delay and achieve a nearly same estimation precision with traditional smoother. (2) Considering the limitation of sensor node it
12、self, a cluster strategy is also presented, which concerns not only the overall energy consuming but also the remainder energy. This method firstly predicts the targets next-step position, then decides which nodes should be choosed as members of next cluster by using the nearest neighbor method. Wit
13、h energy equilibrium strategies, the cluster head is also elected. Because only the nearest nodes participating in target tracking at every step, the cluster strategy can effectively reduce energy consumption and guarantee the tracking accuracy at the same time. (3) The Information Filter could be e
14、asily distributed because of its particular inverse covariance form. By embedding the newly proposed cluster strategy to the Distributed Sigma Point Information Filter, a novel distributed tracking algorithm has been presented. In this method, each member of the cluster sents its local information state contribution to the fusion center. Because each node has the ability of data calculation, the cluster head doesnt need to process all members original III measurements. Thus, it can obtain a lower computational c
