[发明专利]非理想网络环境下移动目标的最优状态估计方法及系统

说明书

本发明提供了一种非理想网络环境下移动目标的最优状态估计方法及系统，通过建立移动目标的运动学模型以及移动目标的瞬时量测以及延时量测模型；采用量测和新息重构方法，重建无时滞的量测序列；构建移动目标状态递推最优状态估值器，根据瞬时量测信息和延时量测信息，预测移动目标的位置信息；本发明有效避免了传统扩维方法的复杂计算问题，并解决了量测信号的未知不确定性和输出时滞等问题。

技术领域

本发明属于目标跟踪技术领域，涉及一种非理想网络环境下移动目标的最优状态估计方法及系统。

背景技术

本部分的陈述仅仅是提供了与本发明相关的背景技术信息，不必然构成在先技术。

随着社会的不断发展以及科技的不断进步，人们对信息的获取方式有了更高的要求。正是因为人们对信息化的迫切需求以及传感器未来的发展，无线传感器网络应运而生，并得到了飞速发展。无线传感器网络高度交叉了多门学科，综合了无线通信技术、传感器技术、自动控制技术等，如今无线传感器网络已被广泛应用到众多领域，例如目标跟踪。

目标跟踪是指在无线传感器网络的监控区域内，记录移动目标的时刻与位置并上传给基站。该过程要求传感器节点克服周围环境的影响，结合网络拓扑结构变化，最终通过相互协作来完成跟踪。移动目标跟踪广泛应用在军事、交通以及视频监控等领域，尤其是军事上的车辆跟踪、多目标探测以及战场区域监视等。目标跟踪技术的主要任务是利用传感器设计来获取信息，然后分析处理得到的移动目标的状态信息，例如移动目标的位置和速度等，从而形成目标轨迹来确定目标位置。随着量测环境的日益复杂化，影响移动目标的跟踪性能的关键技术之一滤波器的设计与优化已经成为国内外有关研究的难点和重点。

在无线传感器网络中，为了更准确的获取信息，在监测区域通常要部署大量的传感器，并常常由传感器节点周期性的发送测量数据到汇聚节点。这种周期性的数据传输机制，不可避免的会出现传输时滞的现象。时滞的出现会导致系统不稳定，甚至会造成系统的整体性能变差。另一方面，在无线传感器网络中状态或信号的检测常常带有不确定性(例如噪声)。不确定性的存在会对目标状态检测造成误差，不能准确地获得原始状态。

发明内容

本发明为了解决上述问题，提出了一种非理想网络环境下移动目标的最优状态估计方法及系统，本发明能够更准确的还原信号或状态,解决了传统方法带来的高维计算和实时性较差的问题，有效避免了传统扩维方法的复杂计算问题，并解决了量测信号的未知不确定性和输出时滞等问题。

根据一些实施例，本发明采用如下技术方案：

一种非理想网络环境下移动目标的最优状态估计方法，包括以下步骤：

建立移动目标的运动学模型以及移动目标的瞬时量测以及延时量测模型；

采用量测和新息重构方法，重建无时滞的量测序列；

构建移动目标状态递推最优状态估值器，根据瞬时量测信息和延时量测信息，预测移动目标的位置信息。

作为可选择的实施方式，建立移动目标的运动学模型的具体过程包括：根据某时刻移动目标的状态向量和运动过程中存在的扰动，确定下一时刻的状态向量。

作为可选择的实施方式，建立移动目标的瞬时量测以及延时量测模型的过程中，考虑加性量测噪声和未知乘性噪声的影响。

作为可选择的实施方式，采用量测和新息重构方法，重建无时滞的量测序列的具体过程包括：描述带有时滞的原始量测序列，采用量测和新息重构的方法重建一个无时滞的量测序列。

作为可选择的实施方式，构建移动目标状态递推最优状态估值器的具体过程包括：进行状态预测，计算状态估计误差、量测信息估计误差以及乘性噪声乘积估计误差的自协方差矩阵和交互协方差矩阵，根据计算的矩阵，对最优状态估值器的参数进行更新和优化。

一种非理想网络环境下移动目标的最优状态估计系统，包括: