[发明专利]基于贝叶斯估计的水下目标追踪方法

说明书

一种基于贝叶斯估计的水下目标追踪方法：在水下探测区域，随机部署n个传感器节点构建水声传感网络，根据与周围传感器节点的距离确定邻居集合；根据水下传感器节点的监测信息，设计单节点贝叶斯估计策略判断目标是否存在；在单节点贝叶斯估计基础上，设计一致性贝叶斯估计策略的先验概率及后验概率，以提高目标追踪精度；根据任一传感器节点i在k时刻对目标位置的概率信息，通过对目标可能存在位置的概率信息分析，构建目标存在位置的相对熵，用以描述不同传感器节点对目标存在位置估测概率的准确性；计算出不同传感器节点对水下目标估计位置的相对熵后，通过最优化寻找相对熵最小时所对应的位置空间点，该点即为当前目标最有可能存在的位置；构建最优化公式，进而可实现对目标的准确追踪。

技术领域

本发明涉及水声传感器智能感知技术领域，尤其涉及一种基于贝叶斯估计的水下目标追踪方法。

背景技术

水下目标追踪，旨在通过水声传感网络的通信与计算能力，来获取水下目标的位置以及运动信息。水下目标追踪技术可为海难打捞搜救、水下探测防御、以及海洋物种跟踪等应用提供理论依据和技术支撑。相比于陆地环境，水下通信噪声大、同时传感器更易受外来恶意节点的干扰。上述的弱通信特性，使得水下目标追踪成为一个具有挑战性的问题。

经对现有文献的检索发现，中国专利申请号为201310537456.7，名称为“相对坐标与追踪坐标值相结合的多机器人自主定位方法”，该方法利用多个水下机器人之间的距离，来校正各机器人的追踪坐标值，以减小追踪误差、提高水下目标定位精度。然而，该方法假设水下目标始终存在，并没有对目标的存在性进行判断，而水声弱通信特性使得追踪过程中易出现“伪目标”。如果不对“伪目标”进行剔除，那么错误选择将导致追踪可靠性降低。

另外，中国专利申请号为2013100404860.7，名称为“一种基于水下无线传感器网络的弱目标跟踪方法”，该方法使用粒子滤波算法对水下目标的位置和方差信息进行协同化处理，虽然该方法提高了水下目标跟踪的稳定性和精度，但是该方法需要对大量的粒子进行数据传输处理，增加了通信能耗、降低了水下传感网络的使用寿命，使得此方法在水下环境中的推广受限。

中国专利申请号为201510628535.8，名称为“基于一致性估计与休眠调度的水下目标协同追踪方法”，该方法通过对定位追踪过程中水下噪声的检测来实现对目标存在性的判断，然而仅利用当前数据进行分析，并没有对历史信息进行分析与处理，所以该方法容易出现对目标的误判。

因此，如何考虑水声传感网络弱通信特性，设计一种既能规避“伪目标”，又能减少水声通信能耗的水下目标追踪方法仍是一个待解决的问题。

发明内容

本发明的目的在于克服上述不足，提供一种基于贝叶斯估计的水下目标追踪方法，以提高对水下目标追踪的精度，同时降低水声通信能耗。

为解决上述存在的技术问题，本发明采用下述技术方案：

一种基于贝叶斯估计的水下目标追踪方法，该方法内容包括以下步骤：

步骤1，在水下探测区域，随机部署n个传感器节点，以构建水声传感网络，所述n个传感器节点分别标记为1,2...,n，节点间通过水声通信方式进行信息交互,并根据与周围传感器节点的距离确定邻居集合；

步骤2，根据水下传感器节点的监测信息，设计一种基于单贝叶斯估计的目标判断准则，用以判断目标是否存在，如果判定目标存在则进行步骤3，否则继续根据水下传感器节点的监测信息判断目标是否存在，直到确认探测目标存在为止；对目标存在性进行判断；

步骤3，在单节点贝叶斯估计基础上，设计一致性贝叶斯估计策略的先验概率及后验概率，以提高目标追踪精度，其中任一传感器节点i在k-1时刻与邻居传感器交互目标位置的后验概率，并进行加权平均，把所得目标位置的一致性概率作为传感器节点i在k时刻对目标位置的先验概率，进而结合传感器节点i在k时刻对目标的观测值，可得出传感器节点i在k时刻对目标位置的后验概率；