无线传感器网络中运动目标定位的干扰噪声去噪方法

摘要

无线传感器网络中运动目标定位的干扰噪声去噪方法涉及的是在无线传感器网络(WSN)中运动目标定位的干扰噪声去噪方法，为无线传感器网络在受到噪声干扰的环境下能够准确而快速的定位出运动目标的实际位置所采用的滤波器的设计提供前提基础，根据无线传感器网络对运动目标定位精度的要求而选择对UPF算法中的一部分粒子应用UKF滤波算法以获得更好的重要性函数。对于精度要求高的场合应用UKF滤波算法的粒子数较多，而对于精度要求相对较底的场合应用UKF滤波算法的粒子数较少，为无线传感器网络在受到噪声干扰的环境下能够准确而快速的定位出运动目标的实际位置所采用的滤波器的设计提供前提基础。

主权项

1.一种无线传感器网络中运动目标定位的干扰噪声去噪方法，其特征在于该方法具体步骤如下：1)设向量x₀是运动目标的状态初值，是由目标的初始位置坐标和初始速度构成的一维向量，根据状态初值x₀的概率分布密度函数p(x₀)抽样得到N个粒子并令每个粒子的滤波权值为其中i＝1，…，N；2)根据当前时刻的观测值对上一时刻所产生N个粒子中的l·N个重要粒子采用无迹卡尔曼滤波算法，得出对当前状态估计的后验概率分布函数，并对所得出每个后验概率分布函数抽样，产生当前时刻的l·N个粒子，其中0＜l＜1；同时，对上一时刻所产生N个粒子中其余的(1-l)·N个粒子从对当前状态估计的先验概率分布中产生(1-l)·N个粒子；3)对步骤2)所产生的l·N和(1-l)·N个粒子分别利用公式i＝1，2，…，l·N和i＝l·N+1，l·N+2，…，N对当前权值进行更新，并根据对当前权值进行归一化；其中k+1为当前时刻，k为上一时刻，z_k+1为当前时刻的测量向量，z_0：k+1为初始到当前时刻的测量向量，和为先验概率分布，为UKF算法中的重要性分布函数；4)计算N_eff为有效采样粒子数，以判断是否要进行重抽样，如果N_eff＜N_threshold，则对采样粒子样本集重抽样，其中N_threshold为根据需要设定的阈值，取N_threshold＝N/2；5)对当前状态进行更新其中是当前的第i个粒子状态，是该粒子对应的权值，x_k+1是对当前状态的估计值。