[发明专利]传感器网络多目标分布式一致性跟踪方法

说明书

技术领域

本发明涉及传感器网络的信息融合系统，尤其涉及一种传感器网络多目标分布式一致性跟踪方法，属于传感器信息处理领域。

背景技术

由于现代低成本传感器的逐渐普及，大型传感器网络被广泛应用于环境监测、风险评估等军民用领域。相对传统的单传感器应用模式，多传感器能够覆盖更广的感兴趣区域，从不同角度不同位置提供更多的有用信息，通过有效的信息融合，提高环境感知的准确度和鲁棒性。在众多的信息融合方式中，分布式算法基于节点之间有效的信息互传来实现资源共享，在大型网络中具有高容错性、易于安装及扩展等优势，在分散式传感器网络研究与应用中备受关注。

现有的传感器网络分布式状态估计算法(典型代表算法：Kalman Consensus Filter,KCF)通常假设网络中每个节点都能观测到所有目标。然而，在现代战争及现实生活中，微型传感器的传感能力通常是距离受限及各向异性的(例如视频传感器、定向传声器、雷达等)，称为有限观测传感器，即传感器的性能同时依赖观测点与目标之间的距离和方向。因此，网络中的节点并不能随时保持对所有目标的观测，且传感模型的改变将给网络探测覆盖、节点协同控制，目标状态估计等分布式跟踪关键技术带来新的挑战。

分布式多目标跟踪问题可以分为三个子问题，分别为分布式信息融合、数据互联(量测与航迹互联)与动态状态估计。在众多的分布式信息融合方法中，平均一致性算法采用迭代的方式，利用邻居节点的有效信息不断更新本地估计，从而使得每个节点都能独自计算网络中所有信息汇集后的全局估计，比如说所有节点的状态估计全局平均值。关键在于，平均一致性算法并不需要all-to-all的全网通信就能实现全网一致性状态估计，并且近似收敛于集中式估计结果。因此，基于平均一致性的估计框架对网络的通信拓扑没有特殊要求，原理上适用于任何随意连通的传感器网络。另一方面，在完全分布式的多目标跟踪应用中，尽管某些节点无法直接探测到所有目标或者某段时间内无法探测到某个目标，但是考虑到节点之间需要协同合作，每个节点有必要保持对所有目标的状态估计，否则将出现航迹混乱、新航迹层出不穷等实际问题。节点获取目标的量测后，也需要基于所有目标历史航迹实现量测与航迹的正确互联。而在一致性估计框架中，每个节点都保持着所有目标的状态 估计，这种特性从本质上非常适合完全分布式的多目标跟踪应用。