[发明专利]一种异构网络下快速精准的目标定位与跟踪方法

说明书

本发明涉及无线定位技术领域，公开了一种异构网络下快速精准的目标定位与跟踪方法，包括以下步骤:S1、通过异构网络获取用于目标定位与跟踪的测量数据；S2、构建含有目标位置信.息的状态方程和测量方程；S3、目标位置向量和非线性附加变量的更新；S4、采用一致性正交容积卡尔曼滤波算法更新系统参量获取目标位置信息，这种异构网络下快速精准的目标定位与跟踪方法，每个传感器都可以利用到全局信息，同时，引入自适应加权因子来增加优质信号输入系统的比重，以高质量的信号来提高目标定位与跟踪精度。

技术领域

本发明涉及无线定位技术领域，特别涉及一种异构网络下快速精准的目标定位与跟踪方法。

背景技术

目标的定位与跟踪是观测站通过测量目标信号的相关参数，对运动目标的位置和速度进行实时估算和预测的过程，是科研工作者研究的热点问题之一。目标跟踪技术无论是在军事还是在民用领域都有广泛的应用，主要用于雷达、救援、监测、传感器网络以及军事目标的定位与跟踪。由于依据各种测量技术观测的量与状态量之间的非线性关系，导致由观测量与状态量建立的定位与跟踪方程为非线性方程，故对目标的定位与跟踪属于非线性的滤波问题。目前现存的目标定位与跟踪方法在各自的定位场景下都有不错的定位与跟踪精度，但它们都是在同构网络环境中对目标实施定位与跟踪。但是随着无线通信技术的飞速发展，目前对目标的定位与跟踪通常由异构网络协同完成，现有的定位方法已经不能满足异构网络下的复杂定位场景。

定位与跟踪目标的过程中，由于依据各种测量技术观测的量与状态量之间的非线性关系，导致由观测量与状态量建立的定位与跟踪方程为非线性方程，故对目标的定位与跟踪属于非线性的滤波问题。解决非线性滤波问题主要的滤波技术有扩展卡尔曼滤波(Extended KalmanFilter,EKF)、无迹卡尔曼滤波(Unscented KF,UKF)，容积卡尔曼滤波(Cubature KF,CKF)和粒子滤波(Particle Filter,PF)等。EKF把非线性函数做一阶Taylor级数展开得到线性化方程，求解线性化方程实现对目标的跟踪。把多模型测量数据输入系统经过信息融合之后再进行线性EKF滤波，虽然定位精度较单一的EKF有所提高，但增加了运算量。同时由于EKF线性化时只保留了Taylor级数展开式的一阶项而带来较大的跟踪误差。PF能较好地解决EKF的缺陷，但PF面临严重的粒子退化和粒子耗尽问题，为了提高算法性能需采用大量的粒子，故增大了运算量和复杂度，因此对目标定位与跟踪时不宜单独使用PF技术。Julier和Uhlman结合EKF和PF的特点，通过无迹变换的思想在估计值附近确定采样点，用样本点表示的高斯密度来近似状态的概率密度函数，提出了UKF技术，精度可以达到泰勒级数展开的三阶近似，且避免了函数求导与雅克比矩阵的计算，缩减了运算量。但UKF需要对协方差矩阵进行开方运算，可能导致矩阵奇异引起滤波发散，导致跟踪性能较差。基于CKF通过分析舍弃误差的大小，引入特定的正交矩阵来改进容积采样，以减小CKF中的舍弃误差进一步提高算法精度，提出了OCKF算法，OCKF在没有增加运算量的前提下提高了跟踪精度。上述跟踪算法在各自的条件下都有不错的跟踪精度，但它们都是在同构网络环境中对目标实施定位与跟踪。混合级联位置跟踪(Hybrid Cascade Location Tracking,HCLT)算法是在异构网络环境下对目标进行跟踪，但HCLT使用了级联技术而增加了跟踪系统的成本，且算法先利用两步最小二乘法粗略估计目标的初始位置，然后利用卡尔曼滤波对线性部分进行滤波实施目标跟踪。由于算法中使用最小二乘线性化，故造成较大的跟踪误差。基于HCLT和OCKF算法文中提出了一致性正交容积卡尔曼跟踪(Unified OrthogonalCubature Kalman Target Tracking,UOCKT)算法。所谓一致性卡尔曼滤波是指每个传感器都不在局部估计处理信号，来自异构网络的不同类型信号统一被送到信息融合中心，由融合中心对不同的信号进行统一估计处理，实现对目标的跟踪与状态估计。

在异构网络中，定位与跟踪目标时所使用的测量数据来自于不同类型的异构网络，测量数据的兼容与融合问题是目标定位与跟踪技术中必须面对的问题，如何处理测量数据的兼容与融合将直接影响目标的定位与跟踪精度。本发明提出了一致性正交容积卡尔曼滤波算法可以很好地解决上述问题，提高定位与跟踪目标的精度。