[发明专利]一种基于简化Sage-Husa自适应滤波的室内目标跟踪方法

说明书

本发明属于室内跟踪领域，具体涉及一种基于简化Sage‑Husa自适应滤波的室内目标跟踪方法；包括在普通系统方程的基础上建立本跟踪系统的系统方程；预测阶段：在不利用观测值的前提下，目标估计当前时刻状态；更新阶段：利用观测值更新估计状态；噪声估计阶段：利用Sage‑Husa自适应滤波的时变噪声统计估值器对系统噪声统计特征和实时修正；重复步骤2至步骤4，直至结束跟踪。相比于传统卡尔曼滤波，当目标的运动状态不确定或者运动状态发生突变时，本发明提出的基于简化的Sage‑Husa自适应滤波的跟踪算法在卡尔曼滤波的基础上引入了时变噪声统计估值器，可以实时校正系统噪声，使得系统方程更加符合实际情况，能提升滤波精度并且抑制滤波发散，应用前景广阔。

技术领域

本发明属于室内跟踪领域，具体涉及一种基于简化Sage-Husa自适应滤波的室内目标跟踪方法。

背景技术

在现今这个时代中，无线网络发展迅速，人们对于生活和工作的各方面需求也越来越高，室内定位与跟踪服务以其广泛的实用性和功能性越来越被人们所需要。其中由于Wi-Fi设备在大型公共场所、办公室或者家庭中都很常见，所以基于Wi-Fi的室内定位与跟踪是现今研究的重点。Wi-Fi环境下常见的研究都是基于信号接收强度(RSSI)，但是跟踪效果不理想。可以从无线网卡中获得的信道状态信息(CSI)是更精细的特征，对环境的感知更加敏感，本文就采用信道状态信息的幅度为特征值，进行室内跟踪算法的设计。现有的跟踪滤波算法在实际应用中存在着收敛速度慢、易发散、收敛精度低等问题。比如变化大的观测数据容易引起扩展类卡尔曼滤波的发散现象，锚节点低密度时容易引起粒子滤波的粒子退化、样本贫化现象；并且当目标处于复杂且无规律的运动状态时，单一的滤波技术由于误差累计问题难以进行长时间高精度的动态跟踪。因此，现有滤波算法仍需进一步改进。

对于移动跟踪系统，利用时间序列上的多次测量来迭代减少定位误差是一种通用的做法。针对无源跟踪系统，研究者提出了几种解决方案。例如，Chen Z利用卡尔曼滤波器分别使用基于变量的RTI和基于子空间变量的射电断层扫描的定位结果来跟踪单个目标。此外，他们将该方案扩展到跟踪多人。与卡尔曼滤波不同，跟踪多人的问题被表述为数据分配问题(DAP)，并通过最小化DAP的总成本来解决。标准卡尔曼滤波算法要求准确的系统模型和噪声统计特性，在实际应用中很难达到，最终可能导致滤波发散。Sage-Husa自适应卡尔曼滤波算法可以实时估计噪声统计特性，但会降低滤波实时性，增加算法的复杂程度，实际应用中效果并不理想。Vasisht提出一种对Sage-Husa自适应卡尔曼滤波算法的改进方法，但是其公式复杂，计算量大，不易在实际应用中实现。Wu C提出一种简化的Sage-Husa算法，只对对滤波响大的测量噪声协方差阵进行在线估计，但每个采样周期都对进行估计，未能降低算法的复杂度，无法保证滤波的实时性。Cai S结合协方差匹配技术对Sage-Husa算法进行了改进，有效防止了滤波发散并提高了实时性，但由于此方法对系统模型不确定性的鲁棒性差，并且在系统稳定后对突变状态失去跟踪能力所以在实际应用中效果并非特别理想。

发明内容

本发明的目的在于提供一种基于简化的Sage-Husa自适应滤波的室内目标跟踪算法，其能够解决目标运动状态发生突变时跟踪效果差的问题。

一种基于简化Sage-Husa自适应滤波的跟踪算法，具体包括以下步骤：

步骤1、在普通系统方程的基础上建立本跟踪系统的系统方程；

步骤2、预测阶段：在不利用观测值的前提下，目标估计当前时刻状态；

步骤3、更新阶段：利用观测值更新估计状态；

步骤4、噪声估计阶段：利用Sage-Husa自适应滤波的时变噪声统计估值器对系统噪声统计特征和实时修正；

步骤5、至此一轮迭代完毕，令k＝k-1，本轮中估计的和用于下一轮的计算中，重复步骤2至步骤4，直至结束跟踪。