基于无线传感器网络的无源多目标检测跟踪方法

摘要

本发明涉及一种基于无线传感器网络的无源多目标检测跟踪方法，其主要技术特点是：包括以下步骤：根据无线传感器网络中不同无线链路接收信号强度，采用扫描圈开窗检测方法构建无源多目标的滑动扫描圈模型，并采用HAC聚类算法进行聚类分析从而提取出检测结果；根据检测结果并采用PHD无源多目标粒子滤波跟踪算法，得到目标数目变化的多目标跟踪结果。本发明设计合理，其检测与跟踪算法具有较高的精度和鲁棒性，能在复杂的多径环境中检测与跟踪多个目标，同时目标检测与跟踪算法的计算复杂度适中，保证检测跟踪系统运行的实时性。

主权项

一种基于无线传感器网络的无源多目标检测跟踪方法，其特征在于：包括以下步骤：步骤1：根据无线传感器网络中不同无线链路接收信号强度，采用扫描圈开窗检测方法构建无源多目标的滑动扫描圈模型，并采用HAC聚类算法进行聚类分析从而提取出检测结果；步骤2：根据检测结果并采用PHD无源多目标粒子滤波跟踪算法，得到目标数目变化的多目标跟踪结果；所述构建滑动扫描圈模型的方法包括以下步骤：⑴将监控区域中目标的模型近似为圆形扫描圈，使扫描圈能够检测到监控区域的所有位置；⑵统计在每一时刻每个扫描圈中被穿过的链路衰减情况，得到扫描圈中总共有n_l条被穿过链路、n_a条衰减链路；⑶通过以下检测似然概率p_c(i,j)判断扫描圈中是否有目标存在：对于第i行，第j列的扫描圈，若检测似然概率p_c(i,j)大于设定的阈值0.7，则判定为此扫描圈为阳性扫描圈，反之则为阴性扫描圈，其中阳性扫描圈聚集的地方便有可能是目标存在的地方；所述PHD无源多目标粒子滤波跟踪算法包括以下步骤：(1)粒子的初始化以及预测处理；(2)粒子权重的更新处理；(3)目标估算数目的计算以及粒子的重采样处理；所述步骤(1)粒子初始化以及预测处理包括以下步骤：(1)粒子初始化使用高斯AR‑1采样函数和正态采样函数来分别处理上一时刻存活下来的旧粒子以及当前时刻的新生粒子；(2)对于预测阶段，基于k‑1时刻粒子状态以及k时刻预测估计的粒子状态和检测结果Z_k，粒子预测权重计算过程按以下公式进行：其中，β_k|k‑1(x,h)＝e_k|k‑1(h)·f_k|k‑1(x|h)，e_k|k‑1表示目标从k‑1时刻到k时刻目标存活的概率，f_k|k‑1为高斯AR‑1过程的转移概率密度，为k‑1时刻的粒子权重，γ_k为一个新目标出生的强度函数，其服从泊松点过程，对于M_k‑1个旧粒子而言，为其单个粒子的采样概率，其服从高斯AR‑1分布，而对于J_k个新生粒子而言，为其单个粒子的采样概率，其服从正态分布；所述步骤(2)粒子权重的更新，基于k时刻预测估计的粒子状态和检测结果Z_k，按以下公式进行：其中，P_m为目标没被检测到的概率，c_k(z)为杂波出现的概率密度函数，为每个粒子存在似然度，其表示某一检测目标z由粒子状态演变生成的概率，其服从高斯分布，为粒子预测权重，W_k(z)为权重更新因子，其定义如下：所述步骤(3)目标估算数目的计算以及粒子的重采样处理方法包括以下步骤：(1)当前时刻所有粒子的权重更新完毕之后，将其求和并向上取整得到估算目标数值(2)粒子通过分层重采样机制以粒子权重大小为优先条件将现有的M_k‑1+J_k个粒子重采样获得M_k个粒子，其M_k的数值是通过原则计算取得,其中d_c为每个目标固定分配的粒子数。