分布式Zigbee多節(jié)點(diǎn)傳感器數(shù)據(jù)融合軌跡關(guān)聯(lián)

作者：時(shí)間：2011-08-31 來(lái)源：網(wǎng)絡(luò)

加入技術(shù)交流群
- 掃碼加入
  和技術(shù)大咖面對(duì)面交流
  海量資料庫(kù)查詢(xún)

這樣一來(lái)，一個(gè)可能的劃分是把集合Z劃分成兩個(gè)與目標(biāo)互聯(lián)的測(cè)量子集Zt和沒(méi)有與其他目標(biāo)互聯(lián)的虛擬測(cè)量子集Zf，表示為γ={Zt，Zf}，其中，Zt={Zj1j2j3}，ji=1，2，3，…，ni，i=1，2，3；Zf={Ziji}，ji=1，2，3，…，ni，i=1，2，3；γ={Zt，Zf}表示集合Z劃分成子集Zt，Zf的可能，把集合分成測(cè)量子集和虛擬測(cè)量子集；在靜態(tài)傳感器測(cè)量數(shù)據(jù)互聯(lián)中，對(duì)一個(gè)位置進(jìn)行全面測(cè)量估計(jì)至少需要兩個(gè)傳感器；否則就是認(rèn)為虛擬測(cè)量子集。因此，測(cè)量集合Z的最佳關(guān)聯(lián)劃分是把Z劃分為來(lái)源于目標(biāo)的測(cè)量子集Zt和虛警子集Zf，這時(shí)只需求解γ與γ0的最大聯(lián)合似然函數(shù)比，即

真實(shí)目標(biāo)位置ωt近似于極大化廣義似然比的極大似然估算值

，所以式(4)中的ωt可用

代替，該估算值可從3個(gè)傳感器測(cè)量獲得，即

2 近似測(cè)量
近似測(cè)量算法采用節(jié)點(diǎn)狀態(tài)估算推導(dǎo)形成，節(jié)點(diǎn)狀態(tài)估算算法為

式中，

為局部節(jié)點(diǎn)s用于更新第i個(gè)局部軌跡的近似測(cè)量；Ksis(k)是局部節(jié)點(diǎn)s的第is個(gè)局部軌跡的濾波增益。根據(jù)式(6)求解

有

式中，

(k)是Ksij(k)的逆陣或偽逆陣。局部節(jié)點(diǎn)僅向融合中心傳送狀態(tài)估計(jì)值，不傳送近似測(cè)量值，通過(guò)式(7)可以在融合中心獲得局部Zigbee節(jié)點(diǎn)的近似測(cè)量值。近似測(cè)量構(gòu)造要求信息融合中心已知軌跡狀態(tài)值

(k|k-1)、狀態(tài)估計(jì)值

(k|k)。增益矩陣Ksij(k)和測(cè)量矩陣Hs(k)之所以可作為近似測(cè)量，是因?yàn)闃?gòu)造的結(jié)果可能不是實(shí)際測(cè)量值，這取決于局部節(jié)點(diǎn)使用的數(shù)據(jù)關(guān)聯(lián)算法。當(dāng)局部節(jié)點(diǎn)使用最近鄰域互聯(lián)算法時(shí)，所構(gòu)成的測(cè)量值是局部近似算法中使用的實(shí)際測(cè)量值；但當(dāng)局部節(jié)點(diǎn)使用聯(lián)合概率數(shù)據(jù)為互聯(lián)算法(JPDA)或混合歸并(MR)算法時(shí)，重新構(gòu)成的算法結(jié)果不產(chǎn)生實(shí)際測(cè)量值；因而原測(cè)量值需要加權(quán)平均。N≥3時(shí)多節(jié)點(diǎn)分配方法適用于各節(jié)點(diǎn)公共監(jiān)視區(qū)的軌跡關(guān)聯(lián)校驗(yàn)。對(duì)各局部節(jié)點(diǎn)間的局部公共區(qū)則要利用N=2時(shí)的各種軌跡關(guān)聯(lián)算法或使用二維分配模型求解。

3 結(jié)束語(yǔ)
在多數(shù)目標(biāo)跟蹤的應(yīng)用中，獲得大量精確的傳感器數(shù)據(jù)較困難。例如：Zigbee無(wú)線車(chē)輛門(mén)禁控制系統(tǒng)中，只能每幾秒鐘測(cè)量一次小區(qū)門(mén)前內(nèi)外機(jī)動(dòng)車(chē)的位置，當(dāng)獲取的信息不足時(shí)，所采用的模型的精度就顯得尤為重要。原因有二：第一如果控制系統(tǒng)對(duì)目標(biāo)狀態(tài)的采集頻率高于Zigbee傳感器的頻率，那么就要用到跟蹤器對(duì)位置的預(yù)測(cè)值，不同的模型對(duì)這個(gè)預(yù)測(cè)值的質(zhì)量影響很大；第二是為了優(yōu)化Zigbee傳感器的性能，必須最大限度地利用來(lái)自傳感器的有限數(shù)據(jù)，在多數(shù)近似測(cè)量算法中，只能通過(guò)開(kāi)發(fā)一些精度的實(shí)用模型來(lái)實(shí)現(xiàn)。上述節(jié)點(diǎn)狀態(tài)估算算法有效地改善了Zigbee傳感器的性能，提高了跟蹤精度。