基于量化新息的容积粒子滤波融合目标跟踪算法

被引：14

作者：

徐小良 ^{[1
]}

汤显峰 ^{[2
]}

葛泉波 ^{[3
]}

管冰蕾 ^{[4
]}

机构：

[1] 杭州电子科技大学计算机学院

[2] 浙江大学教育学院

[3] 杭州电子科技大学自动化学院

[4] 宁波工程学院电子与信息工程学院

来源：

自动化学报 | 2014年 / 40卷 / 09期

基金：

浙江省自然科学基金;

关键词：

无线传感器网络; 目标跟踪; 比特位量化; 噪声相关; 容积粒子滤波;

D O I：

暂无

中图分类号：

TP18 [人工智能理论];

学科分类号：

081104 ; 0812 ; 0835 ; 1405 ;

摘要：

针对现有非线性网络化目标跟踪融合算法存在的精度低和实用性差等不足,以一类带有噪声相关的非线性网络化目标跟踪系统为对象,研究基于测量新息量化策略和容积粒子滤波(Cubature particle filter,CPF)的目标跟踪融合算法.首先,利用状态方程恒等变换和矩阵相似变换理论解除过程噪声与测量噪声以及测量噪声之间的相关性;其次,各个传感器节点采用自适应策略量化局部测量新息并将其发送到融合中心(Fusion center,FC);随后,在集中式融合框架下采用容积粒子滤波器设计基于测量值扩维的量化融合跟踪算法,进而给出相应的顺序滤波量化融合算法,上述算法可有效解决因自适应量化引起的非高斯问题;最后,通过两个计算机仿真实验验证了所提出跟踪算法的有效性.

引用

页码：1867 / 1874

页数：8

共 8 条

[1]

多跳无线传感器网络下信道感知的目标定位方法[J]. 杨小军.自动化学报. 2013(07)

[2] 噪声相关多传感器系统的微观EKF融合算法 [J].

徐小良 ;

张浩 ;

汤显峰 .

清华大学学报(自然科学版), 2012, 52 (09) :1199-1204

[3]

Target tracking in wireless sensor networks using adaptive measurement quantization[J]. ZHOU Yan 1,2,LI JianXun 2 ＆ WANG DongLi 1 1 Colleage of Information Engineering,Xiangtan University,Xiangtan 411105,China;2 Department of Automation,Shanghai Jiao Tong University,Shanghai 200240,China.Science China（Information Sciences）. 2012(04)

[4]

移动传感器网络中目标跟踪与监测的同步优化[J]. 涂志亮,王强,沈毅.自动化学报. 2012(03)

[5]

Data fusion for target tracking in wireless sensor networks using quantized innovations and Kalman filtering[J]. XU Jian1,2 , LI JianXun1,2 ＆ XU Sheng3 1Department of Automation, Science and Technology on Avionics Integration Laboratory, Shanghai Jiao Tong University, Shanghai 200240, China;2Department of Automation, System Control and Information Processing, Ministry of Education of China, Shanghai Jiao Tong University, Shanghai 200240, China;3School of Mechanical Engineering, Shanghai Jiao Ton

[6]

无线多跳传感器网络下基于粒子滤波的信道容错的目标跟踪方法[J]. 杨小军,邢科义.自动化学报. 2011(04)

[7] 相关测量噪声的多传感器最优融合状态估计 [J].

金学波 ;

孙优贤 .

浙江大学学报(工学版), 2003, (01) :62-66

[8]

多源信息融合[M]. 清华大学出版社 , 韩崇昭,朱洪艳,段战胜等著, 2006

← 1 →