[发明专利]WSN中基于模型概率实时修正的IMM目标跟踪方法及装置

摘要

发明公开了一种WSN中基于模型概率实时修正的IMM目标跟踪方法法及装置，该方法包括：首先在监控区域上收集RSSI建立无线电指纹库，然后利用支持向量回归算法训练得到观测模型。其次，引入模糊神经网络，在模型输出阶段自适应地调整测量误差协方差矩阵。最后，根据IMM子模型中连续时间点之间的模型概率的比值，对Markov转移概率进行修正。实施本发明，能够使算法在实时性、跟踪精度方面具有良好的性能。

主权项

1.一种WSN中基于模型概率实时修正的IMM目标跟踪方法，其中无线传感器网络WSN由N_s个随机分布在监控区域位置已知的锚节点组成，运动目标携带一个信号接收器，在运动过程中接收由N_s个锚节点发送的信号，所述监控区域中具有一处理器，该处理器能与无线传感器网络WSN中的传感器相互通信，其特征在于，所述跟踪方法包括：步骤S1、构建RSSI指纹库，根据所述RSSI指纹库以及SVR算法得到观测方程；步骤S2、由目标上一时刻目标的状态估计和上一时刻每个滤波器的模型的概率μ_i(k‑1)，计算当前时刻交互作用各滤波器输入的混合状态估计和协方差；步骤S3、将所述混合状态估计和协方差，输入到相应的滤波器计算，得到对应的状态估计值以及残差v_j(k)和残差协方差S_j(k)；步骤S4、更新滤波器的模型的概率；步骤S5、基于模型的概率，对每个滤波器的输出结果进行加权合并，得到总的状态估计和和总的协方差估计P(k|k)；步骤S6、对测量噪声协方差矩阵进行修正；步骤S7、根据IMM子模型中连续时间点之间的模型概率的比值，对Markov转移概率进行修正，将修正后的值反馈至步骤S2。