基于改进Rao-Blackwellized粒子滤波的WSN被动目标跟踪-论文.pdf

《基于改进Rao-Blackwellized粒子滤波的WSN被动目标跟踪-论文.pdf》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、Vo1．40．No．6火力与指挥控制第40卷第6期Jun，2015FireControl＆CommandControl2015年6月文章编号：1002—0640(2015)06—0044—04基于改进Rao—Blackwellized粒子滤波的WSN被动目标跟踪周红波，万福，蔡祥(海军指挥学院，南京211800)摘要：Rao-Blackwellized粒子滤波虽然适合系统状态包含线性高斯分量的非线性状态估计，但是由于其计算量较大，不适用于实时性较高的被动目标跟踪情况。针对Rao—Blackwellized粒子滤波的不足，提出了改进的Rao-Blackwellize

2、d粒子滤波算法用于WSN被动目标跟踪。新的算法由一个粒子滤波和一个卡尔曼滤波组成，在执行过程中，粒子滤波和卡尔曼滤波相互交换信息，并行运行。计算机仿真结果表明，新的算法能够更好地减少计算量，提高跟踪的实时性。关键词：被动目标跟踪，无线传感器网络，状态估计，粒子滤波，卡尔曼滤波中图分类号：TP18文献标识码：APassiveTargetTrackingUsingModifiedRao-BlackwellizedParticleFilterZHOUHong-bo，WANFu，CAIXiang(NavyCollegeofCommanding，Nanjing211800，

3、China)Abstract：Rao-BlackwellizedparticlefilterhasadvantagesinsolvingnonlinearestimationwhenthestatehaslinearGaussiansub-statethanparticlefilter．However，itislimitedinpassivetargettrackingwhichneedshighperformanceofrealtimeforitscomputationalcomplexity．AnewmodifiedRao-Blackwellizedparti

4、clefilterconsistofaparticlefilerandaKalmanfilterisproposedinthepaperandbeappliedinpassivetargettrackingwithWSN．Ateachtime，theparticlefilterandtheKalmanfilterexchangeinformationwitheachotherforestimationatnexttime．Thesimulationresultsprovethatthenewalgorithmcanreducethecomputationcompl

5、exityandimprovetheperformanceofrealtimeofpassivetracking．Keywords：passivetargettracking，wirelesssensornetwork，stateestimation，paticlefilter，Kalmanfi1ter状态维数比较大时，其计算量将急剧增加。针对粒0引言子滤波的不足，文献[4]提出了Rao—Blackwellized粒由于节点资源有限，无线传感器网络(WSN：子滤波(RBPF)用于解决包含线性分量的非线性状WirelessSens0rNetworks)用于目标跟踪[

6、：}时，往往态估计。其基本思想为，当系统状态可以分解为非只能被动探测到目标的声音信号强度等。因此，其线性分量和线性分量时，用粒子滤波对非线性部分观测方程为高度非线性，导致卡尔曼滤波等线性滤进行估计，而利用卡尔曼滤波对线性部分进行估波不能直接使用。粒子滤波[2-3]采用蒙特卡洛方法，计。文献[5]通过理论分析，表明其可以获得比仅利可以很好解决非线性非高斯滤波问题，但是当系统用粒子滤波更小的方差估计。目前，Rao—Black一收稿日期：2014—05—15修回日期：2014—06—22：l：基金项目：国家“八六三”计划基金资助项目(2007AA01Z309)作者简介：

7、周红波(1984-)，男，山西运城人，博士。研究方向：信息融合。·44·周红波，等：基于改进Rao—Blackwellized粒子滤波的WSN被动目标跟踪(总第40-0981)wellized粒子滤波已经广泛应用到目标跟踪[6]、GPS3．1多重粒子滤波导航[和系统辨识[等领域。虽然Ra0一Black—多重粒子滤波将系统状态向量划分为多个分wellized粒子滤波比粒子滤波节省了计算量，但是当向量，然后每个分向量运行一个粒子滤波用于估计粒子数目比较大时，其计算量仍然十分巨大，对于对应分向量的边缘后验概率。在粒子滤波执行的具实时性要求较高的目标跟踪来说，其仍不能完全

8、满体过程中