适于无线传感网络目标追踪的一种改进无迹粒子滤波时延差估计算法

doi:10.3969/j.issn.1000-1093.2015.07.015

兵工学报 ›› 2015, Vol. 36 ›› Issue (7): 1266-1272.doi: 10.3969/j.issn.1000-1093.2015.07.015

适于无线传感网络目标追踪的一种改进无迹粒子滤波时延差估计算法

朱明强¹，侯建军¹，刘颖¹，李旭¹，田洪娟²

(1.北京交通大学电子信息工程学院北京 100044; 2.总参谋部信息化部驻北京地区军事代表室，北京 100083)

收稿日期:2014-09-24 修回日期:2014-09-24 上线日期:2015-09-21
通讯作者: 朱明强 E-mail:mqzhu@bjtu.edu.cn
作者简介:朱明强(1984—)，工程师，博士研究生
基金资助:
国家自然科学基金项目（61172130）; 中央高校基本科研业务费专项资金项目(2014JBZ002)

An Time Delay Difference Estimation Algorithm Based on Improved Unscented Particle Filter Suitable for Target Tracking inWireless Sensor Network

ZHU Ming-qiang¹， HOU Jian-jun¹, LIU Ying¹ ， LI Xu¹, TIAN Hong-juan²

(1.School of Electronics and Information Engineering, Beijing Jiaotong University, Beijing 100044, China;2.Beijing Military Representative Office, Information Department, General Staff Headquarters, Beijing 100083, China)

Received:2014-09-24 Revised:2014-09-24 Online:2015-09-21
Contact: ZHU Ming-qiang E-mail:mqzhu@bjtu.edu.cn

摘要/Abstract

摘要： 在无线传感网络（WSN)中运用基于粒子滤波的时延差估计方法进行目标追踪，其性能的关键是设计精确的粒子滤波器建议分布。为了解决追踪过程中粒子贫化问题，提出了一种基于改进无迹粒子滤波器的时延差估计算法。利用最小二乘法估计目标初始时刻位置，在卡尔曼滤波框架下运用高斯-牛顿迭代法则融合最新观测信息，并引入尺度调节衰减因子不断修正重要性密度函数，从而使建议分布更加逼近真实。将其与时延差定位方法结合，并在WSN环境下进行仿真实验。结果显示，改进的算法在整体粒子数有限的情况下追踪精度更高，收敛性较好，尤其适合环境噪声非高斯的复杂WSN目标追踪应用。

关键词: 信息处理技术, 无线传感网络, 粒子滤波, 无迹卡尔曼滤波, 时延差

Abstract: For the time delay difference tracking estimation methods based on particle filter in wireless sensor network(WSN) , the key issue is to generate an accurate proposal distribution for particle filter. An time delay difference estimation algorthm based on improved unscented particle filter (IUPF) is proposed to overcome the degeneracy phenomenon of particles. The least square method is used to achive the initial target position, and then the unscented particle filter (UPF) and Gauss-Newton rule are used to incorporate the most current observations and provide more accurate importance density function for the particle filter by introducing a scaled correction factor．Finally, IUPF is applied to the time delay difference localization estimation methods in WSN. The simulation results show that, when the particle number is limited, the proposed algorithm can improves the target tracking accuracy and achieve faster convergence speed under non-Gauss noise environment in WSN.

Key words: information processing technology, wireless sensor network, particle filter, unscented Kalman filter, time delay difference

中图分类号:

TN915.5

朱明强，侯建军，刘颖，李旭，田洪娟. 适于无线传感网络目标追踪的一种改进无迹粒子滤波时延差估计算法[J]. 兵工学报, 2015, 36(7): 1266-1272.

ZHU Ming-qiang， HOU Jian-jun, LIU Ying ， LI Xu, TIAN Hong-juan. An Time Delay Difference Estimation Algorithm Based on Improved Unscented Particle Filter Suitable for Target Tracking inWireless Sensor Network[J]. Acta Armamentarii, 2015, 36(7): 1266-1272.

参考文献

［1］徐复，何文翔，惠俊英，等. 脉冲信号被动定位时延差估计方法研究[J].兵工学报，2011, 32(2):169-175.
XU Fu, HE Wen-xiang, HUI Jun-ying, et al. Research on time delay difference estimation techniques for passive location of signal impulses[J]. Aata Armamentarii, 2011, 32(2):169-175.(in Chinese)
［2］吴逢吉. 无线定位TOA/TDOA参数估计方法的研究[D].长春：吉林大学,2006.
WU Feng-ji. Research on TOA/TDOA parameters estimation methods for wireless positioning[D]. Changchun: Jilin University, 2006.(in Chinese)
［3］ Khan Z, Balch T, Dellaert F. MCMC-based particle filtering for tracking a variable number of interacting targets[J]. IEEE Transactions on Pattern Analysis and Machine Intelligence, 2005,

27(11): 1805-1918.
［4］ PEI Fu-jun, LI Hao-yang, WU Mei. Distributed unscented marginalized particle filter for simultaneous localization and mapping［J］. Journal of Shanghai Jiaotong University, 2014,48(7):987- 992.
［5］ Ahmed N, Rutten M, Bessell T, et al. Detection and tracking using particle filter based wireless sensor networks[J]. IEEE Transactions on Mobile Computing, 2010, 9(9): 1332-1345.
［6］ Yu Y, Yang J, McKelvey T, et al. A compact UWB indoor and through-wall radar with precise ranging and tracking［J］. International Journal of Antennas and Propagation, 2012,25(6):38-46.
［7］ Sanjeev A, Maskell S, Gordon N, et al. A tutorial on particle filters for online nonlinear/non-Gaussian Bayesian tracking[J]. IEEE Transactions on Signal Processing, 2002, 50(2): 174-188.
［8］ van der Merwe R, Freitas N, Doucet A, et al. The unscented particle filter, CUED/FINFENG/TR 380[R]. Cambridge, UK: Department of Engineering, Cambridge University, 2000.
［9］王小旭，潘泉，黄鹤，等. 非线性系统确定采样型滤波算法综述[J]. 控制与决策，2012, 27(6):801-812.
WANG Xiao-xu, PAN Quan,HUANG He, et al. Overview of deterministic sampling filtering algorithms for nonlinear system[J]. Control and Decision, 2012, 27(6):801-812.(in Chinese)

[1]	王振峰，李飞，王新宇，杨建森，秦也辰. 基于交互式多模型无迹卡尔曼滤波的悬架系统状态估计[J]. 兵工学报, 2021, 42(2): 242-253.
[2]	张征, 刘春光, 马晓军, 张运银. 一种基于数据融合的全轮驱动车辆质心侧偏角估计方法[J]. 兵工学报, 2020, 41(5): 842-849.
[3]	张梦得, 李开龙, 胡柏青, 吕旭. 辅助信息源短时失效下的捷联惯性基组合导航算法[J]. 兵工学报, 2020, 41(10): 2008-2015.
[4]	郭永红，宋彪，赵东阳，李旭光，南怀良. 基于极限学习机模型的粒子滤波无设备定位方法研究[J]. 兵工学报, 2019, 40(8): 1740-1746.
[5]	张成举，王聪，曹伟，王金强. 基于无迹卡尔曼滤波的超空泡航行体最优控制研究[J]. 兵工学报, 2019, 40(6): 1235-1243.
[6]	闫理跃, 王厚军, 刘震. 一种结合噪声辅助技术和现场数据的模拟电路实时可靠度预测方法[J]. 兵工学报, 2019, 40(2): 326-333.
[7]	马艳，刘小东. 状态自适应无迹卡尔曼滤波算法及其在水下机动目标跟踪中的应用[J]. 兵工学报, 2019, 40(2): 361-368.
[8]	雷晓云，张志安，杜忠华. 基于改进无迹卡尔曼滤波的弹道射程修正算法研究[J]. 兵工学报, 2018, 39(9): 1701-1710.
[9]	谢恺，秦鹏程. 基于七维状态向量反向无迹卡尔曼滤波的弹道外推算法[J]. 兵工学报, 2018, 39(10): 1945-1950.
[10]	丁传俊，张相炎，刘宁. 基于自适应无迹卡尔曼滤波算法的多股螺旋弹簧动态响应模型参数辨识和分析[J]. 兵工学报, 2018, 39(1): 28-37.
[11]	曾溢良，蓝金辉，邹金霖. 滑动置信度约束的红外弱小目标跟踪算法研究[J]. 兵工学报, 2017, 38(9): 1771-1778.
[12]	李关防，崔杰，袁富宇. 基于线谱瞬时频率估计的被动声纳目标运动分析[J]. 兵工学报, 2017, 38(7): 1395-1401.
[13]	朱甦，薄煜明，何亮. 基于冗余字典的多特征压缩感知目标跟踪算法[J]. 兵工学报, 2017, 38(6): 1140-1146.
[14]	王啸, 韩太林, 张永立, 刘轩, 王义君, 宫玉琳. 多通道瞬态信号自适应变频算法[J]. 兵工学报, 2017, 38(6): 1161-1167.
[15]	张石，张百海，王飞帆，关子霄. 基于跳数量化的无线传感器网络节点定位算法[J]. 兵工学报, 2017, 38(5): 932-939.

适于无线传感网络目标追踪的一种改进无迹粒子滤波时延差估计算法

An Time Delay Difference Estimation Algorithm Based on Improved Unscented Particle Filter Suitable for Target Tracking inWireless Sensor Network

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics

本文评价