【摘要】 本发明公开了一种水下传感器网络目标跟踪系统和方法。系统包括陆上网络和水域网络，水域网络包括多个水下目标跟踪簇和一个水面处理中心，水下目标跟踪簇包括若干水下传感器节点和一个簇头节点。本发明在修正各个传感器节点所采集信号时延的基础上结合自适应UKF和PF对目标状态进行跟踪。修正时延降低了因传感器节点同一时刻采集的信号不同源所造成的跟踪误差，使跟踪更可靠；自适应UKF自动根据目标机动情况调整系统噪声加权系数以更贴切的描述目标实际运动状态，克服了目标运动模型在目标机动时有失准确性的缺点，并为粒子滤波提供了包含更多后验信息的重要性函数，减轻了粒子退化，提高了跟踪精度。 【专利类型】发明授权 【申请人】江苏科技大学 【申请人类型】学校 【申请人地址】212003 江苏省镇江市梦溪路2号 【申请人地区】中国 【申请人城市】镇江市 【申请人区县】京口区 【申请号】CN201210330673.4 【申请日】2012-09-10 【申请年份】2012 【公开公告号】CN102830402B 【公开公告日】2014-09-10 【公开公告年份】2014 【授权公告号】CN102830402B 【授权公告日】2014-09-10 【授权公告年份】2014.0 【IPC分类号】G01S15/66 【发明人】曾庆军; 张冬运; 王彪; 章飞; 陈伟 【主权项内容】1.一种水下传感器网络目标跟踪系统的水下簇头节点对目标状态的估计方法，水下传感器网络目标跟踪系统包括陆上网络部分和水域网络部分；所述水域网络部分包括多个水下目标跟踪簇(1)和一个水面处理中心(2)；每个水下目标跟踪簇(1)包括多个水下传感器节点(3)和一个簇头节点(4)，所述水下传感器节点(3)采集水下目标的辐射噪声，得到目标方位信息并将这些信息传递给簇头节点(4)；所述簇头节点(4)，接收水下传感器节点(3)传送过来的目标方位信息，估计目标状态并将目标状态信息上传至水面处理中心(2)；所述簇头节点(4)还对簇内的水下传感器节点(3)的工作状态进行调整，并向其它簇头节点传递目标的状态信息以便用于下一时刻的状态估计；所述水面处理中心(2)，融合水下各个簇头节点传送来的局部航迹信息，形成对目标状态的整体估计，并将目标状态有关信息发送给陆上网络部分；所述陆上网络部分包括一个岸边基站(5)和多个远程指控中心(6)；所述岸边基站(5)，用于接收水面处理中心(2)传递来的目标状态信息并进行显示，并将目标状态有关信息连接至网络；所述远程指挥中心(6)，用于通过网络远程查看目标的各种状态信息，以服务于更高一层的应用；所述的水下传感器网络目标跟踪系统的水下簇头节点对目标状态的估计方法为修正时延自适应UKF_PF算法，其特征在于，包括如下步骤： (1)初始化，建立目标运动模型并给目标状态赋初值 建立目标的运动模型为匀速模型，将目标的加速度假设为过程噪声，并引入噪声权系数来反映目标机动或环境变化带来的过程噪声强度的变化，设目标加速度为零均值高斯分布，目标运动方程为X(k+1)＝AX(k)+Γ(k)Bw(k)，观测方程为，Z(k)＝H(X(k))+v(k)，其中X(k)＝[x(k) y(k) z(k) vx(k) vy(k) vz(k)]T为目标k时刻的状态，x(k)、y(k)、z(k)为目标k时刻的位置坐标，vx(k)、vy(k)、vz(k)为k时刻目标在x、y、z轴的速度；Z(k)＝[Θ1(k)，…，Θn(k)]为k时刻簇内n个传感器节点的测量值 j＝1，...，n组成的矩阵，φj(k)为方位角， 为俯仰角，w(k)为k时刻的过程噪声，v(k)为k时刻的测量噪声， 为系统矩阵， 为控制矩阵，Ts是目标跟踪间隔时间， 为测量方程矩阵，xj、yj、zj为簇内第j个传感器位置坐标，Γ(k)＝diag{qx(k) qx(k) qy(k) qy(k) qz(k) qz(k)}，是过程噪声的权系数矩阵，可根据目标机动程度自动调整以改变系统噪声的强度，qx(k)、qy(k)、qz(k)分别是x、y、z方向的权系数，可取不同值以反映各个方向上目标机动的不同，给出目标初始状态估计X0，初始状态分布p(X0)，产生初始粒子集， 其中 权值 (2)进行目标状态估计 步骤(2)进一步包括如下步骤： (21)修正时延 根据上一时刻目标位置计算 其中τj(k)是k时刻目标辐射噪声传递到簇内第j个传感器节点所需时间，x(k-1)、y(k-1)、z(k-1)为估计得出的目标上一时刻在x、y、z轴的位置，c为声波在水下的传播速度，以簇头节点为参考，取出当前时刻用于目标状态估计的各个节点方位信息{Θj(k+(τj(k)-τ0(k))/Ts)}，其中τ0(k)为k时刻目标到簇头节点的时延，计算出当前目标状态估计的时间间隔Ts-(τ0(k)-τ0(k-1))，用其代替原来目标运动模型中的时间间隔Ts； (22)根据量测残差自动调整权系数 对每个采样得到的粒子引入中间参量， 其中 s′xx、s′yy、s′zz为 的对角线元素，表示残差在三维空间x、y、z方向上的方差， 是第i个粒子用标准UKF计算得到的量测残差协方差矩阵；Qxx、Qyy、Qzz为过程噪声协方差阵对角线上的值，表示x、y、z方向上的方差，α+β＝1，β越大，对目标机动的自适应能力越强；若 则 否则 同理可得 即得到了第i个粒子所对应下一时刻噪声权系数矩阵 (23)对于每个粒子用自适应UKF算法计算估计值 和方差 状态预测协方差矩阵在标准UKF算法所得结果的基础上加上 其它预测更新过程同标准UKF滤波算法； (24)对于每个粒子，采样得到新的粒子 并计算权值 其中重要性密度函数 Z1：k表示从开始到第k时刻观测值的集合； (25)判断是否需要重采样，若 小于事先确定的阈值则进入步骤(26)，否则令 进入步骤(27)； (26)重采样，生成新的粒子集合 ，且满足 式中Pr表示概率，重新定义权值 (27)为解决重采样引起的粒子耗尽问题，引入马尔科夫链蒙特卡洛移动(MCMC)步骤； (28)目标状态估计和估计方差更新： (29)进入下一时刻，重复步骤(21)-(28)。。-官网 【当前权利人】江苏科技大学 【当前专利权人地址】江苏省镇江市梦溪路2号 【专利权人类型】公立 【统一社会信用代码】12320000466007159D 【引证次数】4.0 【自引次数】2.0 【他引次数】2.0 【家族引证次数】4.0 【家族被引证次数】41

未经允许不得转载：http://www.zhongzhencnc.com/1790907101.html