[发明专利]基于DS推理的无线传感器网络多目标跟踪数据关联方法

说明书

技术领域

本发明属于智能信息处理技术领域，特别是涉及一种基于DS(Dempster-Shafer)证据推理的无线传感器网络多目标跟踪数据关联方法。

背景技术

随着传感器技术、微机电技术、现代网络和无线通信等技术的进步，产生了涉及多学科高度交叉、知识高度集成的无线传感器网络(Wireless Sensor Network，WSN)，其优点突出：成本低，布设方便，组网快捷、灵活，不受有线网络约束，已经广泛应用于军事国防、工农业控制、环境检测、危险区域远程控制等领域。无线传感器网络由于其自组织性、鲁棒性及节点数量巨大的特点，非常适合于目标跟踪。目前无线传感器网络的目标跟踪研究主要集中于在不同环境下的单目标跟踪，如何以较低的能量代价高效地融合有效的信息，提高观测精度和延长网络生存期，并解决多目标跟踪，成为目前研究无线传感器网络目标跟踪的热点。

多目标跟踪中需要解决的一个核心问题是数据关联。数据关联也即是将观测值正确地映射到引起本次观测的目标，建立观测值与目标之间的对应关系。只有正确地解决了数据关联问题，继而才能有效地预测目标的运动趋势，进行后续的目标跟踪任务。

常用的关联方法有最近邻数据关联(Near Neighbor Data Association，NNDA)，概率数据关联滤波算法(probability data association filter，PDA)、联合概率数据关联滤波算法(joint data association，JPDA)、概率多假设跟踪(probability multiple hypothesis track，PMHT)方法、最大期望方法(Expectation-Maximization，EM)等。NNDA具有运算量小，易于实现等优点，但是环境局限性较大，仅适用于对稀疏目标环境的目标跟踪；PDA方法计算量较小，实时性好，有较好的单目标跟踪性能，但在跟踪多个目标时会发生目标的偏移和聚合现象。专利“分布式多目标跟踪的方法和系统”利用视频信息，采用EM算法实现数据关联。专利“一种联合概率数据关联的视频多目标快速跟踪方法”利用视频信息，采用基于概率理论的JPDA实现数据关联；中文专利“一种基于地面动目标指示雷达系统的多目标跟踪方法”及英文专利“Multi-window/multi-target tracking method for point source objects，involves assigning unique local frame sum to objects，applying detection algorithms to objects，and producing track files of one of objects”采用概率多假设跟踪(PMHT)方法实现数据关联。这两种方法不仅具有基于概率方法固有的不能表示不确定性信息的缺陷，而且计算量大，很难在无线传感器网络中实现的问题。专利“机动多目标跟踪方法”针对基于概率进行数据关联计算量大的缺陷，提出了基于聚矩阵分解的简化概率数据关联算法，大大减少了计算量。专利“模糊巨雷粒子滤波的无线传感器网络多目标跟踪方法”提出了先采用跟踪门限算法进行粗关联，然后利用FCM进行精关联的两级关联策略，在一定程度较少了计算量。

由于真实环境的复杂性，各种不可控制、不可预期的干扰因素的存在，在观测过程中得到的观测值往往存在一些不确定、未知因素。在多目标跟踪系统中常用的如JPDA等基于概率的方法简单地将不知道划分到对立事件中。相比于传统的基于概率的关联方法，证据理论(Dempster-Shafer Theory，DST)在不确定的表示、观测和组合方面有很大优势，能够表示由无知带来的不确定性，利用组合规则融合多种证据信息，得到综合评价指标。英文专利“Method for distributed data association and multi-target tracking-communicating track information among processing entities which process inputs from single sensor with continuing updating”提到进行数据关联时可以基于证据理论，但是并没有给出具体的利用证据理论进行数据关联的方法。

发明内容