一種基於變分貝葉斯多傳感器量化融合目標跟蹤方法
2023-07-09 09:39:16 1
一種基於變分貝葉斯多傳感器量化融合目標跟蹤方法
【專利摘要】本發明涉及一種基於變分貝葉斯方法和強跟蹤信息濾波的多傳感器量化融合目標跟蹤方法。本發明設計了一種主次處理機結構,在主處理機中構造增強測量矩陣Hk和增強全局消息zυ,k;計算一步預測和相應協方差Pk|k-1;計算全局消息預測zk|k-1;將zυ,k,l,Pk|k-1送至次處理機。在次處理機中,計算消息噪聲方差並將送至主處理機,在主處理機中即可計算得到融合估計和相應協方差Pk|k。本發明使用變分貝葉斯方法的自適應強跟蹤信息濾波方法不僅具有強跟蹤能力,還能估計量測噪聲的未知方差,實現了自適應功能。同時,衰減係數可以通過迭代的方法估計出來,而無需計算雅可比矩陣。
【專利說明】一種基於變分貝葉斯多傳感器量化融合目標跟蹤方法
【技術領域】
[0001]本發明屬於網絡化多傳感器系統的目標跟蹤領域,特別涉及一種基於聯合變分貝葉斯方法和強跟蹤技術的多傳感器信息濾波量化融合方法。
【背景技術】
[0002]近幾十年來,由於快速發展的現代化信息和網際網路技術,出現了越來越多關於複雜無線數據網絡的應用。因此,由許多分散部署的傳感器節點組成的分布式傳感器網絡已經被廣泛地應用在各個領域,例如環境監測、目標跟蹤、智能消防,以及身體健康監測儀器等等。通常情況下,為了滿足數據傳輸和有限帶寬的要求,本地傳感器監測的數據要在它們傳輸到處理中心之前被量化。基於這個原因,量化濾波和融合已經成為信號處理、通信、控制方面的研究熱點。
[0003]目前,自適應比特量化已經成為一種在獲得本地傳感器原始測量的近似消息的流行方法,因為它能根據傳感器網絡的可用網絡帶寬的實時變化來量化測量數據。因此,現在已經有許多有價值的研究成果,並且有些成果已經被應用與實際系統。隨機比特量化的結果是一個帶有未知準確方差的量化誤差向量。設計量化濾波器的關鍵思想是怎樣解決隨機量化誤差。通常,量化誤差被看成是零均值高斯白噪聲。根據卡爾曼濾波原理,為了讓計算一個最佳量化估計,量化誤差方差應該是準確已知並且是準確的。遺憾的是很難準確地得到它。這個方差的準確上限值能被獲得,並且它與量化區間有關。因此,當設計量化濾波器和融合估計器時,這個上限通常用來代替未知真實的方差。然而,有一個明顯的問題是這個上限實際近似導致了使用模型系統的不確定性。結果,量化狀態估計器的準確性和穩定將在不同程度上受到影響。為了提高量化卡爾曼估計器的性能,強跟蹤技術的使用在一定的程度上克服了這個不利的影響,並且對狀態突變的魯棒性也有所幫助。遺憾的是強跟蹤不能完全消除由系統模型的不確定性造成的影響,並且量化誤差方差也不能實時估計。
[0004]對於大多數實際應用,有需要定量評估自適應比特量化帶來的影響,並且在線評估比特量化誤差方差有利於該定量評估。明確了這個方向,我們研究了帶有聯合變分貝葉斯和強跟蹤濾波技術自適應比特量化的線性動力系統的網絡化狀態估計。變分貝葉斯方法能有效地評估由原始測量誤差和量化誤差組成的量化消息噪聲的完全方差。完全方差估計能被應用在強跟蹤方程中。強跟蹤衰退因子對量化估計器適應最新消息和從消息中提取有效信息具有很大的幫助。上限值用於決定方差估計的有效性,並且為了決定一個有效的方差,提出了相關方案。因此,提出一種新穎的基於聯合變分貝葉斯方法和強跟蹤技術的多傳感器信息濾波量化融合方法。
【發明內容】
[0005]本發明針對現有技術的不足,提供了一種基於變分貝葉斯多傳感器量化融合目標跟蹤方法。
[0006]本發明方法具體是:[0007]A)主處理機
[0008]I)假定k-1時刻目標的狀態融合估計為I—1Ι?Κ1及相應誤差協方差為PlriΜ。已知每個傳感器的測量矩陣為Htl和測量噪聲方差為Riu (I = 1,2,…,N),即可構造增強測量矩陣Hko
[0009]2)融合中心接收到每個傳感器的量化消息並構成增強全局消息z?,k。
[0010]3)計算全局狀態的一步預測,並計算帶有衰退因子λ k的相應預測誤差協方
差 Pklk-1。
[0011]4)計算全局消息預測ZklH,及新息rk和強跟蹤衰退因子λ k。
[0012]5)將 z?,tl,Χ,?-ι,Pkllri 送至次處理機。
[0013]B)第I個次處理機(I = 1,2,…,N)
[0014]6)計算第I個消息噪聲方差的參數a k|k_u和β k|k_u的預測值:
[0015]
【權利要求】
1.一種基於變分貝葉斯多傳感器量化融合目標跟蹤方法,其特徵在於該方法包括以下步驟: A)主處理機 IMgSk-1時刻的狀態融合估計為及其協方差為Pk^ ;已知每個傳感器的參數Htl和Ru,即可構造增強測量矩陣Hk,I = 1,2,…,N ; 2)融合中心接收到每個傳感器的量化消息z?,tl,並構成增強全局消息z?,k;3)計算全局狀態的一步預測,,並計算帶有衰退因子λ,的相應預測誤差協方差Pklk-1 ; 4)計算全局消息預測zkM,及參數rk和λ,; 5)將z?,u,Xit^1,PkM送至次處理機; B)第I個次處理機 6)計算第I個消息噪聲方差的參數預測值
Q k|k-l,l — P k,l.Q k-l,l,^ k|k_l,l — ^ k, I * ^ k-1,1 7)aU = 1/2+a kim,初始化武., = —u 和 j = 0,開始迭代估計 Rv^1 ; 8)迭代估計乾^,J= IU1
【文檔編號】G06F19/00GK103778320SQ201310753877
【公開日】2014年5月7日 申請日期:2013年12月30日 優先權日:2013年12月30日
【發明者】葛泉波, 程天發, 邵騰, 文成林 申請人:杭州電子科技大學