[发明专利]基于成对gossip算法的分布式卡尔曼共识移动目标跟踪方法

摘要

基于成对gossip算法的分布式卡尔曼共识移动目标跟踪方法，涉及无线传感器网络中对移动目标的分布式跟踪技术。本发明是为了解决现有的分布式卡尔曼共识滤波技术的跟踪系统鲁棒性低、数据存储量大、系统跟踪精度低和共识精度低的问题。本发明在分布式卡尔曼共识滤波算法中引入成对gossip算法解决上述问题。本发明适用于无线传感器网络中对移动目标的跟踪。

主权项

1.基于成对gossip算法的分布式卡尔曼共识移动目标跟踪方法，其特征是：在无线传感器网络中，该方法由以下步骤实现：步骤一、节点i获得第k时刻对移动目标的观测值z_i(k)，观测协方差矩阵R_i(k)和节点i对第k时刻物体位置的预测值i为正整数；k为正数；步骤二、根据公式：ui(k)＝Hi(k)T Ri(k)‑1zi(k)计算第k时刻节点i的信息向量ui(k)；式中：Hi(k)为第k时刻节点i对移动目标的观测矩阵，是一个时变矩阵；根据公式：Ui(k)＝Hi(k)T Ri(k)‑1Hi(k)计算第k时刻节点i的信息矩阵Ui(k)；步骤三、任意选择网络中一对相邻节点(i,j)，相互交换各自信息：u_j(k)是第k时刻节点j的信息向量；U_j(k)是第k时刻节点j的信息矩阵；是第k时刻节点j的预测值；并按照成对gossip算法进行信息融合，完成一次成对gossip迭代；步骤四、重复执行步骤三，进行多次成对gossip迭代，直至无线传感器网络中所有节点的信息m(k)达到平均共识，即经过gossip迭代，任意节点i的在第k时刻的信息m_i(k)更新为如下式所示：步骤五、节点i在信息m′i(k)的基础上，根据公式：产生信息向量yi(k)；式中：N为网络中传感器节点的总个数；ut(k)是第k时刻节点t的信息向量；根据公式：产生信息矩阵Si(k)；步骤六、根据公式：计算卡尔曼共识状态估计值；式中：tr(·)为矩阵求迹算子；γ_i(k)表示第k时刻节点i的共识系数；表示经过gossip迭代后节点i对第k时刻物体位置的预测更新值；表示gossip迭代之前节点i对第k时刻物体位置的预测值；ε是与移动物体移动时间步长同阶的常数；是第k时刻节点i的滤波估计值；P_i(k)是第k时刻节点i的预测误差协方差矩阵；M_i(k)是第k时刻节点i的滤波估计误差协方差矩阵；步骤七、对传感器节点i的预测值和预测协方差矩阵进行更新；当无线传感器网络中所有节点i完成卡尔曼共识状态估计后，完成一轮基于成对gossip算法的分布式卡尔曼共识移动目标跟踪。