一种分布式异构自适应粒子滤波直接跟踪方法.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN109710978A(43)申请公布日2019.05.03(21)申请号201811453194.5(22)申请日2018.11.30(71)申请人电子科技大学地址611731四川省成都市高新区（西区）西源大道2006号(72)发明人夏威孙美秋王谦任媛媛李菁华(74)专利代理机构电子科技大学专利中心51203代理人甘茂(51)Int.Cl.G06F17/50(2006.01)G06F17/18(2006.01)权利要求书2页说明书10页附图5页(54)发明名称一种分布式异构自适应粒子滤波直接跟踪方法(57)摘要本发明属于信号处理领域，提供一种基于时延和多普勒的分布式异构网络粒子滤波直接跟踪定位方法，将传统同构网络下的基于时延和多普勒的分布式粒子滤波跟踪算法扩展到了异构网络，充分利用了粒子数对粒子滤波器性能的影响，在每个接收机实现粒子数的自适应调整，提高了粒子滤波器的效率，相对于同构网络的分布式粒子滤波直接目标跟踪算法，可以实现更好的跟踪效果，提升了分布式异构粒子滤波目标跟踪方法的有效性；本发明为异构网络开发了一种组合系数自适应变化的方案，可应用于信噪比恶劣的情况，一定程度提升了分布式异构粒子滤波目标跟踪方法的稳健性和鲁棒性。CN109710978ACN109710978A权利要求书1/2页1.一种分布式异构自适应粒子滤波直接跟踪方法，包括以下步骤：步骤1.第一次数据交换，在k时刻，接收机l与邻居接收机互相交换接收信号，组成观测矩阵；步骤2.接收机l根据随机预测粒子以及相应的粒子权重，更新局部中间状态估计值ψl,k以及相应的协方差矩阵Λl,k：步骤3.第二次数据交换，接收机l与邻居接收机互相交换局部中间状态估计值ψl,k；步骤4.结合，接收机l计算得到k时刻发射机位置的局部估计值其中，aj,l,k为非负加权系数，满足条件：当时，aj,l,k＝0；表示包含接收机l的邻居接收机的集合，集合内接收机个数为nl；步骤5.接收机l计算k+1时刻最优组合系数；利用局部中间状态估计值ψl,k构造局部最优代价函数：其中，E运算符表示求数学期望，xk表示发射机k时刻的状态向量，bl,k包含al,k中的非零元素：al,k＝Slbl,k、el,h表示单位矩阵的第h列，al,k表示组合系数矩阵(aj,l,k)L*L的第l列，Ψl,k＝ΨkSl、Ψk＝[ψ1，k,ψ2，k,…,ψL，k]，表示维度为nl×nl的单位阵、表示nl维的全1列向量；迭代求解上述局部最优代价函数：初始值bl,1＝1/nl，按照下式迭代：其中，则：步骤6.根据局部估计值和协方差矩阵Λl,k构造后验概率分布p(xk|Zl,1:k)：步骤7.接收机l通过后验概率分布采样生成个更新粒子根据更新粒子的2CN109710978A权利要求书2/2页分布范围，获得子划分的个数则计算接收机l的期望粒子数其中，εl为KLD上限，为标准正态分布的1-γl上分位数；当或时，进入步骤9；否则，进入步骤8；步骤8.令并返回步骤7；步骤9.重采样生成k+1时刻的预测粒子并计算k+1时刻接收机l上的均值和方差进而构建高斯模型的近似局部预测分布：3CN109710978A说明书1/10页一种分布式异构自适应粒子滤波直接跟踪方法技术领域[0001]本发明属于信号处理领域，特别是涉及分布式信号处理领域的自适应粒子滤波跟踪技术，具体是一种基于时延和多普勒的分布式异构网络自适应粒子滤波直接跟踪方法。背景技术[0002]目标跟踪是信号处理领域的重要课题之一，并且已经在许多实际工程领域得到广泛应用。经典的目标跟踪定位方法是采用两步法，第一步测量时差/频差(TDOA/FDOA)，第二步使用测量得到的TDOA/FDOA进行位置解算即定位和跟踪，然而由于两步法TDOA和FDOA的估计是通过忽略所有测量必须与单目标的位置一致的约束而得到的，所以两步法不一定能得到最佳位置估计；对于移动目标来说，两步算法就更难准确的实现目标跟踪。[0003]后来，一种不需要计算出TDOA/FDOA,而是直接利用接收信号估计目标位置的直接定位算法被提出，在接收信号信噪比较低的情况下，这种方法的精度更高，可分为批处理方法和自适应方法两类。对移动的目标需要进行跟踪定位，批处理方法需要对定位区域进行四维的网格式搜索，计算量很大，实时性差；后来提出了用代数方法来估计目标的位置和速度，但是这种方法只有在噪声较小的情况下定位准确；进一步用估计出来的目标的位置和速度作为卡尔曼滤波(KF)的输入，构造动态模型，提升了定位的精确度；后来人们又提出了extendedKF(EKF)，可以直接将第一步得到的TDOA/FDOA测量值作为扩展卡尔曼滤波器(EKF)的输入，但是在实际情况中，目标的运动轨迹大