物联网数据融合方法研究_熊伟程.pdf

《物联网数据融合方法研究_熊伟程.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、2013年第8期N0.8,2013毕节学院学报第31卷JOURNALOFBUIEUNIVERSITYVol.31GeneralNo.157(总第157期)物联网数据融合方法研究熊伟程贵州师范学院数学与计算机科学学院州责阳550018)(,贵目标跟踪是物联网数据融合技术的一—概率数据关联算法摘要:个关键技术,相互作用多模型PDAF一(IMM)适用于电磁波较为复杂的环境中目标的跟踪问题,是种良好的算法,但对于多传感器多目标跟踪的情况,特别是目标较为密集时,计算量剧增,会出现计算组合爆炸现象。因此,有必要对算法进行改进和完善,即基于混合状态估计预测状态估计和量测,以量测的预测值为中心建立跟踪门

2、,在一以模型为条件进行组合优化经算例验证表每个滤波器中用量测值进行估计,更新模型概率,最后。明,该方法克服了IMMPDAF算法在跟踪问题中的缺陷,提高了关联概率和跟踪精度,能有效解决杂波干扰和目标高度机动情况下的物联网中的目标跟踪问题。关键调:相互作用多模型;多目标跟踪;概率数据关联-TP393文献标识码A文章编号1-7059-(130089-08中图分类号::67320)08:物联网是通过信息传感设备,按照约定的协议,把任何物品与互联网连接起来,进行信息交换和一⑴D通讯,以实现智能化识别、定位、跟踪、监控和管理的种网络。以无线传感器网络(WSN)、RFI等核心技术为支撑一,将物理世界与

3、逻辑世界有机地融为体,可以极大地提髙人们的工作效率、降低?协作成本、方便在军事和民用等领域众多不同应用模式的构建。数据融合技术是物联网数据处理等一相关技术开发所要关心的重要问题之。目标跟踪是物联网数据融合技术的比较重要的技术,研究重点是如何解决复杂电磁波的干扰和跟34[]踪目标机动程度比较高的情况下的跟踪问题。概率数据关联算法(PDAF)在复杂电磁波环境下具[5]上述两种算法有较好的跟踪能力,多模型算法(MMF)适用于跟踪目标机动程度较髙的环境,综合K]—IMMPDAF的长处得到新的算法:相互作用多模型概率数据关联算法()适用于复杂电磁波环境中目标机动较高的情况下的跟踪问题,从而成为研究

4、的热点。本文首先对PDAF和MMF进行探讨,在—此基础上介绍了多传感器相互作用多模型概率数据关系算法(IMMPDAF),并对该算法进行改进,,提高了数据关联的成功概率,大大降低了求解概率数据关联的难度,同时计算量大幅度减小因此目标跟踪的精度得到进一步的提高。1基本问题概率数据关联模型=c+v=l^...xk+lFk)x(k)/k()(O)/zk+l=k=l2()HOc)x(k)+w(k),,/...其中,x(k)表示k时刻的状态微量,z(k)表示k时刻的观测微量,F(k)表示状态转移矩阵,H(k)表示量测矩阵,vOc)和w(k)是零均值相互独立的白色高斯过程噪声。vOc)和w(k)分别具

5、有已知方差收稿日期20--130608:-作者简介:计算机网络。:熊伟程(1978)州黔西人,责州师范学院数学与计算机科学学院讲师,硕士研究生。研究方向,男,贵??89''Evkv=

6、()x(k)(k)]=E+kHkx(kEw([)]f()])=HkExk()[()]■设Xkvc,即E=0:()与fl)正交[x(k)v(k)]则进而得到量测的协方差为'Sk=--EzkEzkzkEzk)()([([()])(()[()])]''=H

7、cPkkkxkvc—kxk^kO)HHEE)((RElH()()O)]()[()]E()]''+kk—kk-fRkE^x(kHE/ExHW())()]^()][()]()=HkkPH()()其中k=xk-xkxk—xPEEE()[()(()))(()(OO))]表示状态估计的协方差。2一相互作用多模型概率数据关联算法(IMMPDAF)的基本思想图1算法的思想八i1---()相互作:clklicl用以Xfl)和/iO)为基础,计算与模型j相匹配的滤波器的混合初始条件。由全概率公式和贝叶斯法则得:?90?2"1k-1--P&-1k=P(xMkliZc(k)Mi()/)^(kl),j()

8、M(

9、k),)=ljk_1---=Px(k11z/ik1k-1()Mj(k))ij(I)￡,L/=jl"1'1—-=-M其中烊丨j(k1

10、kl)P

11、()}{)

12、}/Cj=ik-l/ii()PqCj其中是预测的模型i的概率,=Mi-Pkl(Mk)

13、))pij((k-1k是模型开头概率,表示时刻模型i到时刻模型j的跳转概率。AOjk_1--xklkl=E