一种基于WSN改进粒子滤波的运动目标定位方法

摘要

本发明提供了一种基于无线传感器网络(WSN)改进粒子滤波的运动目标定位方法，属于运动目标定位的技术领域。它首先将传感器接收到的信号幅度进行量化处理后传到融合中心，在目标位置随机分布且目标与传感器间传输过程中能量衰减强度未知的情况下，融合中心再将多个传感器传输的信息进行改进的粒子滤波处理，实现目标位置与能量衰减强度的同步估计。能够克服WSN有限带宽对估计性能的影响，避免了传感器节点到融合中心传输中的能量损耗，对目标衰减强度未知的情况下可高效的实现目标定位，可用于未知环境下WSN的目标定位。

主权项

一种基于WSN改进粒子滤波的运动目标定位方法，其特征在于具体步骤如下：步骤一、运动目标衰减模型的建立运动目标位于不同环境下对应信号的传输衰减强度各异，传感器接收到的信号强度不仅与目标和传感器间的距离有关系，也与目标在不同环境下信号传输衰减有关；为分析不同环境下的衰减情况，分别建立起不同传播空间中传播损耗的计算模型，针对城市，近郊和开阔地获得相应的信号衰减强度；步骤二、传感器对接收信号量化处理构建一个含有N个传感器的WSN系统，其传感器均匀分布于一个方形区域中，每个传感器所在位置均已知；在每一个采样时刻，所有传感器收集的目标信号数据作为一个数据帧，两帧之间的时间间隔足够短，目标在相应间隔的数据帧内近似为静止，使得每个传感器在采样间隔内接收到的信号强度为固定值；为减小无线传感器网络带宽有限在网络通信中的影响，对每个传感器接收到的目标信号进行量化处理，将模拟信号转化为离散信号，并由无线信道发送到融合中心进行目标位置的估计；步骤三、改进粒子滤波处理的运动目标定位融合中心在接收到来自所有传感器发送的量化结果后，对接收信号进行改进粒子滤波处理以实现对运动目标位置以及目标与传感器间传输过程中的信号衰减强度的估计；当目标处于未知环境中时，传感器接收到的信号幅度不仅包含目标位置这一动态参数，还包含传输过程中信号衰减强度这一静态参数，为同时实现多参数的估计，改进粒子滤波处理充分利用静态参数的静态特性，采用递归的最大似然(ML)方法对信号衰减强度进行估计，再结合粒子滤波实现目标位置这一动态参数的估计；融合中心在某时刻接收到N个传感器的量化结果后，通过求解该时刻信号衰减强度的代价函数一阶导，再结合前一时刻的粒子样本对当前时刻粒子进行更新；随着粒子样本的不断更新，在噪声服从高斯白噪声分布的情况下可求解出传感器量化结果的条件概率后，结合前一时刻的加权系数与量化结果的条件概率进一步更新当前时刻对应的加权系数，并经过归一化处理后得到新的加权系数，再利用加权系数对所有粒子样本进行加权求和即可完成对目标位置和传输过程中信号衰减强度的估计，实现目标定位与信号衰减强度的同步估计。