粒子滤波实现无线传感器网络目标跟踪预测

体目标跟踪预测基本 过程为:
∀ 在 tk 时刻, 选 取探测 到目 标且包 含最 大信 息量 的传 感
节点 k 为头节点, 接收 tk- 1 时刻的头节点 k - 1 发送来的信息;
# 由 tk 时刻头节点 k 对 接收信息进 行融合, 按 式 ( 2) 观 测值对预测值进行修正, 并更新目标位 置来获得该时刻本地估
=
( x~ k+ 1 - x k+ 1 ) 2 + ( y~ k+ 1 - y k+ 1 ) 2
(7)
由 ( 6) 和 ( 7) 可得:
其中: 笛卡尔坐标系 中 ( x 0 , y 0 ) 为 目标 初始 坐标, vx 、vy 为目
标初速度分量, ax 、ay 为加速度分量。
设 S( Sx , Sy ) 为 tk 时刻目标位置 [ x ( t 时刻目
标位置 [ x ( t + 1) , y( t + 1) ] 的距离, 有
计值预测下一时刻目 标状态, 可达到预测的目的。 系统采用位置、速度和加 速度状态模型, tk 时 刻目标 状态
向量 Xk = ( x k, x k , x!k , y k , y k , y!k ) T , ( x k , y k ) 、( x k, y k) 、( x!k, y!k ) 表示目标的位置、速度和加速度, 可建立如下目标状态方 程及观测方程:
Abstract: A iming at reducing t h en t arget t rackin g predicti on error in w irel ess sensor net w or k, a novel m et hod of realizin g t arget t racking predict ion in WS N us ing part icle f ilt er is propos ed. A ccording t o t he meth od, t arget st at e can b e obt ained by parti cle fil t er. T he local est ima t ion posit ion, t he predi ct ing speed and accelerat ion of cu rrent t ime ins tant are combined t o achieve t he predict in g posit ion of next t im e ins tant , w h ich is used f or t he cu rren t head node t o aw ake sensor n ode of n ext t im e in st ant . Experimen tal res ult s show t hat t he general predicti on ac curacy of part icl e fil ter met h od i s improved highly compared w it h l inear predict ion met hod w hile RM S E decreased by 49% , and com par ed w it h t arg et t racki ng pr edict ion in WSN based on quad rat ic polynomial mot ion m odeling met hod ( PQ PM M ) w hile R M SE decreased b y 6% .
930
文章编号: 1671 4598( 2010) 04 0930 03
计算 机 测 量 与控 制 . 2 010 . 18 ( 4) Computer Measurement & Control
中图分类号: T P301 6
文献标识码: A
设计与应用
粒子滤波实现无线传感器网络目标跟踪预测
黄奕微1 , 张晓平1 , 刘桂雄1 , 何学文1, 2
x~ k+ 1 = x k + x~ k T + 0. 5 ∋ x~!k T 2
(6)
y~ k+ 1 = y k + y~ k T + 0. 5 ∋ y~!k T 2
~l k+ 1 ( x~ k+ 1 , y~ k+ 1) 由该 时刻观 测值修正 , 得本地 最终估 计位
置 lk+ 1 ( x k+ 1 , y k+ 1 ) 。定义目标预测位置 ~l k+ 1 ( ~x k+ 1 , ~y k+ 1 ) 与本地 最终估计位置 lk+ 1 ( x k+ 1 , y k+ 1) 的距离 为目标预测误差, 有
1 T T2 0 0 0
0 1 T 00 0
0 0 1 00 0
( ) = 0 0 0 1 T T2
(5)
0 0 0 01 T
0 0 0 00 1
设采样时间为 T 和预测位置为 l k+ 1 ( x!k+ 1 , ∀y k+ 1) , 由本地估 计位置 lk( x k , y k ) 可得 tk+ 1 时刻目标预测位置为:
和 a 误差, 对提高目标跟踪预测准确度有重要意义。
2 基于粒子滤波的目标跟踪预测
若 tk 时刻目标观测值为本地最终估 计位置 lk ( x k, y k) , 预
测速度为 ~vk ( x~ k , y~ k ) , 预测 加速 度为 ~ak ( x~!k , y~ !k) , 由 ( 3)
式可知状态转移矩阵为:
Key words: w ireless sensor net w orks ( W SN ) ; t arget t racking; part icle f ilt er; predict ion
0 引言
无线传感 器网络 ( W SN) 用 于实 时感 知、采 集 和监 测网 络覆盖区域 内被监测 对象的 信息 , 它的 一个 重要 应 用就 是目 标跟踪[ 1 3] 。预测 是 实 现目 标 跟踪 的 关键 环 节, 通 过已 知 信 息预测下一 时刻目标可 能出现 的位 置来 唤醒 预测 区 域传 感节 点对目标进 行跟踪, 预 测位 置偏 差容 易导 致目 标失 跟, 降低 目标跟踪可 靠性和稳 定性[ 4 5] 。文 献 [ 6] 通过 线 性方 法预 测 WSN 目标位置 , 根据目标 估计位置建 立线性方 程预测目 标下 一采样时刻 的位置, 采 样时间 间隔 较小 时能 取得 相 比轨 迹拟 合法更好的 预测效果 , 由于它 根据 两个 目标 位置 建 立预 测模 型或假设目 标做直线 运动, 其 目标 定位 误差 对预 测 模型 影响 较大。文献 [ 7] 提 出基于二 次多 项式运 动建 模的 WSN 目标 跟踪预测方 法 ( Based on Q uadratic P oly nom ial M o tion M o deling - PQ PM M ) , 通 过拟合目标 定位坐 标与定 位时 间的 二次 多项 式关系来建 立预测模 型来逼 近目 标运 动模 型, 以 提 高机 动性 目标跟踪的 预测准确 度, 但该 方法 达到 一定 预测 准 确度 后要 更进一步提 高非常困 难。典型 的滤 波 算法 ( 如粒 子 滤波 ) 适
Sx = [ x ( t + 1) - x ( t) ] 2 , Sy = [ y ( t + 1) - y ( t) ] 2 。
由上可知:
S = f ( v, a)
(4)
从目标运动过程来看, 目标位置预测实质是目标当前时刻
位置与下一时刻运动距离之和。由 ( 可知 S 准确度与 v 和 a 相
关, 即相邻时刻目标 位置距离值受 v 和 a 两个参量影响。减少 v
( 1 Scho ol o f M echanical and A uto motive Eng ineering , South China U niv ersity of T echnolog y, G uang zhou 510640, China; 2 Jiangx i U niv ersity of Science and T echnolog y, Ganzhou 341000, China)
Xk+ 1 = ( ) Xk + ( ) Wk
( 1)
Zk+ 1 = H( ) Xk+ 1 + Vk+ 1
( 2)
其中: Xk+ 1 为 tk+ 1 时刻估 计值, 即 为预 测值; Zk+ 1 为 系统 观测
值; ( ) 为转移 矩阵, ( ) 为 噪声驱 动矩阵, H( ) 为观 测矩
阵; Wk 和 Vk+ 1 为互不相 关激励 噪声序 列和 量测噪 声序 列。具
中华测控网 chinamca. co m
用 于非线性 非 高斯 系 统的 状 态 预测[ 8 9] , 可望 有 效减 少 目 标 跟 踪预测误差 。本 文提 出的 粒 子滤 波 实现 W SN 目 标跟 踪 预 测方 法, 通过建 立目标 状态 方程 和观 测方 程, 利 用粒 子滤 波 得到 目标运动 位置、速 度和 加速 度等 状态 参量, 期望 能够 提 高 目标跟踪预 测准确度。
第3期
黄奕微, 等: 粒子滤波实现无线传感器网络目标跟踪预测
931
计位置; ∃ 通过式 ( 1) 可计算目标 tk 到 t k+ 1 之间的 运动速 度及加
速度, 联合 tk 时刻本地估计位置进一步得到 tk+ 1 时刻目标预测 位置;
%头节点 k + 1 根据目标预测 位置选 择 tk+ 1 时刻的 唤醒节 点, 进行唤醒并发送信息;