[发明专利]一种基于水下无线传感器网络的弱目标跟踪方法

权利要求书

1.一种基于水下无线传感器网络的弱目标跟踪方法，其特征在于它的步骤如下：

1）初始化水下无线传感器网络，使所有传感器节点都具有同一规格，并且都处于工作状态；

2）选择水下接收信号强度最大的传感器节点作为簇头节点，与簇头节点在单跳通信范围内的传感器节点和簇头节点组簇，其余传感器节点保持在休眠状态；

3）簇内传感器节点对目标进行观测，将观测的数据直接发送给簇头节点。

4）设定初始状态估计值和初始方差估计值，设定粒子存在性变量马尔科夫转移矩阵和粒子出现概率分布p_B(x)；

5）在k时刻根据步骤2）组簇，并将上一时刻检测前跟踪粒子滤波估计的状态估计值和方差估计值打包传送给此k时刻的簇头节点；

6）进行k时刻的检测前跟踪粒子滤波，输出目标的位置估计值和方差估计值；

7）k时刻自加1，根据目标的运动不断地更新簇头节点，在簇头节点更换时将上一簇头节点的信息传送给当前簇头节点；

8）重复步骤5）-步骤7），直至目标脱离水下无线传感器网络的覆盖区域为止。

2.根据权利要求1所述的一种基于水下无线传感器网络的弱目标跟踪方法，其特征是：所述的步骤6）为：

粒子状态向量除了目标位置外还包括了粒子存在性变量λ，

存在性变量根据马尔科夫矩阵转移，

似然函数：

p(Z(k)|xk,λk)=Πi,jPS+N(zij(k)|xk,λk)=Πi,j∈C(xk)PS+N(zij(k)|xk,λk)Πi,j∉C(xk)PN(zij(k))]]>

其中P_N(z_ij(k))是k时刻第(i,j)个栅格的背景噪声，P_S+N(z_ij(k)x_k,λ_k)是k时刻第(i,j)个栅格的目标信号强度加背景噪声，λ_k是存在性变量，z_ij(k)是观测值，各个栅格之间的P_S+N是独立的，C(x)是受目标影响的栅格的集合，

粒子滤波中对于第p个粒子权重q(p)∝p(Z|x^*(p),λ^*(p))，*号表示重采样前的粒子值，

q(p)∝Πi,j∈C(x*(p))l(zij(k)|x*(p),λ*(p))forλ*(p)=11forλ*(p)=0]]>

其中l(z_ij(k)|x^*(p),λ^*(p))＝P_S+N(z_ij|x,λ)/P_N(z_ij)表示目标位置为(x,y)时第(i,j)个栅格的似然比，λ＝1的粒子权重完全依赖于粒子附近区域的似然比乘积，

粒子滤波在预测阶段，粒子被根据目标的存在与否被分为λ＝1和λ＝0两部分，在k到k+1时刻，λ_k＝1的粒子按照转移概率有P_L的概率转移为λ_k＝0，也有1-P_L的概率继续为λ_k＝1，λ_k＝0的粒子转移过程也相似，如果λ^*_k+1(p)＝0，表示粒子p所代表的目标并不存在，x^*_k+1(p)不能确定，如果λ_k(p)＝1且λ^*_k+1(p)＝1，那么粒子遗传根据系统模型f(x_k(p),ω_k(p))，ω_k(p)是系统噪声的随机采样，如果目标运动轨迹超出了传感器的探测范围，目标就被视为消失了，λ^*_k+1＝0，如果λ_k(p)＝0而λ^*_k+1(p)＝1，那么表示该粒子是在转移过程中出现的，x^*_k+1(p)要从目标的出现概率分布p_B(x)中采样。