無(wú)線傳感器的經(jīng)濟(jì)、輕便、靈活等優(yōu)點(diǎn)使得無(wú)線傳感器網(wǎng)絡(luò)被廣泛的應(yīng)用到人們的生活和生產(chǎn)中。對(duì)于無(wú)線傳感器網(wǎng)絡(luò)來(lái)說(shuō),其最重要的應(yīng)用之一就是目標(biāo)定位跟蹤,當(dāng)前實(shí)現(xiàn)更加精確的目標(biāo)定位跟蹤是無(wú)線傳感器網(wǎng)絡(luò)非常重要的研究方向。本論文主要針對(duì)無(wú)線傳感器網(wǎng)絡(luò)的目標(biāo)跟蹤進(jìn)行研究。論文的主要工作如下:1.提出了基于軌跡預(yù)測(cè)融合的目標(biāo)跟蹤算法。傳統(tǒng)的卡爾曼濾波算法由于過(guò)分依賴于人工事先對(duì)目標(biāo)運(yùn)動(dòng)方程的估計(jì),導(dǎo)致目標(biāo)定位結(jié)果不穩(wěn)定,考慮到之前迭代過(guò)程中已得到的目標(biāo)的定位結(jié)果序列中包含著最接近目標(biāo)真實(shí)軌跡的信息,基于這些軌跡信息可以預(yù)測(cè)出目標(biāo)當(dāng)前的狀態(tài)信息,由此我們推導(dǎo)出基于前驅(qū)最優(yōu)定位結(jié)果序列的軌跡預(yù)測(cè)方程。通過(guò)引入融合參數(shù)的概念,將基于軌跡預(yù)測(cè)得到目標(biāo)定位結(jié)果分別與擴(kuò)展卡爾曼濾波和極大似然卡爾曼濾波這兩種經(jīng)典的基于卡爾曼濾波的目標(biāo)跟蹤方法進(jìn)行融合,由此得到兩種基于軌跡預(yù)測(cè)融合的目標(biāo)跟蹤方法。實(shí)驗(yàn)表明,不管是在直線運(yùn)動(dòng)還是在圓周運(yùn)動(dòng)中,通過(guò)改變?nèi)诤蠀?shù)都可以提高對(duì)目標(biāo)的定位準(zhǔn)確性,同時(shí),當(dāng)目標(biāo)運(yùn)動(dòng)噪聲越小時(shí),新的融合方法的定位精度提高的越明顯,定位更準(zhǔn)確,實(shí)驗(yàn)中引入融合思想并沒(méi)有明顯增加原算法的運(yùn)行時(shí)間。2.提... 

【文章來(lái)源】：西安電子科技大學(xué)陜西省 211工程院校 教育部直屬院校

【文章頁(yè)數(shù)】：94 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

圖3.4兩種運(yùn)動(dòng)模型的真實(shí)軌跡

第三章 基于軌跡預(yù)測(cè)融合的目標(biāo)跟蹤算法動(dòng)模型 CM 的實(shí)驗(yàn)中，目標(biāo)在 2m*2m 的二維空間范圍內(nèi)被分別固定在正方形區(qū)域的四個(gè)角處，假設(shè)傳感器的檢器都可以同時(shí)檢測(cè)到目標(biāo)。目標(biāo)的初始狀態(tài)是 x0= [1.0 0=0.122rad/s，一次跟蹤實(shí)驗(yàn)對(duì)運(yùn)動(dòng)軌跡中連續(xù)的 200 個(gè)運(yùn)同一軌跡跟蹤 100 次求取平均值。實(shí)驗(yàn)結(jié)果與分析所述的LM和CM中分別應(yīng)用CEKF算法與EFK算法進(jìn)行 算法進(jìn)行對(duì)比實(shí)現(xiàn)目標(biāo)的定位跟蹤，選取對(duì)應(yīng)目標(biāo)運(yùn)動(dòng)iag{0.025, 0.025}，簡(jiǎn)記為 Qw= 0.025，在不同的融合參數(shù).5 所示。

矩陣為 Qw= diag{0.025, 0.025}，簡(jiǎn)記為 Qw= 0.025，在不同的融合參數(shù)α 下的實(shí)驗(yàn)對(duì)比結(jié)果如圖 3.5 所示。圖3.5 LM 和 CM 中 CEKF 與 EKF、CMLKF 與 MLKF 方法的對(duì)比結(jié)果


本文編號(hào)：3361279