分布式傳感器網(wǎng)絡(luò )環(huán)境的多目標跟蹤和特征管理設計

近來(lái)傳感器技術(shù)和無(wú)線(xiàn)通信技術(shù)的發(fā)展導致了一個(gè)新概念的誕生一傳感器網(wǎng)絡(luò )，即一個(gè)由本地傳感器節點(diǎn)所組成的具有感知、處理和通信能力的一種廣泛應用的網(wǎng)絡(luò )。為了更深入地挖掘傳感器網(wǎng)絡(luò )所具有的能力，筆者提出了一種可擴展分布式的多目標跟蹤和特征管理方法，該方法能夠通過(guò)一個(gè)傳感器網(wǎng)絡(luò )對多個(gè)目標實(shí)現跟蹤和特征管理。

傳統的多目標跟蹤方法，如MHT跟蹤器，不適用于傳感器網(wǎng)絡(luò )。而現有基于傳感器網(wǎng)絡(luò )的算法僅基于如下情況：所跟蹤目標的數量已知不變，并且它們的運動(dòng)軌跡對于本地傳感器已知。而在本文中，筆者放寬了以上假設，形成對于分布式多目標的跟蹤和特征管理算法DMTIM。文中在實(shí)現數據關(guān)聯(lián)和多目標跟蹤運用了馬爾科夫鏈蒙特卡羅數據關(guān)聯(lián)MCMCDA的方法，實(shí)時(shí)對未知數量的多目標進(jìn)行跟蹤。MCMCDA方法能夠獨立地對軌跡進(jìn)行起始和終止，并能夠跟蹤未知數量的多目標。每個(gè)傳感器能夠運用MCMCDA有效地跟蹤一組未知數量的目標，并且能夠對目標的特征進(jìn)行分布式地管理。

本文結構如下：分布式多目標的跟蹤與特征管理算法概述;多目標跟蹤問(wèn)題及其概率模型;DMTIM關(guān)鍵算法敘述：馬爾科夫鏈蒙特卡羅數據關(guān)聯(lián)算法;DMTIM組成部分介紹，包括數據關(guān)聯(lián)、多目標跟蹤、特征管理和信息融合;DMTIM算法仿真試驗及評估。

1 分布式多目標跟蹤和特征管理

文中研究重點(diǎn)是傳感器網(wǎng)絡(luò )中多目標的跟蹤和特征管理方法。每個(gè)傳感器擁有自己的觀(guān)測區域，且擁有與其鄰近傳感器通信的能力。如圖1所示一個(gè)簡(jiǎn)單的二傳感器的系統，大圓圈代表傳感器的觀(guān)測區域。每個(gè)傳感器能夠對多目標進(jìn)行跟蹤并在觀(guān)測區域內管理目標特征。該問(wèn)題的難點(diǎn)在于觀(guān)測區域內目標的數量會(huì )隨時(shí)間而變化，因此我們必須尋求一種可擴展的，在相鄰傳感器中具有本地一致性的方法。

筆者提出的可擴展的分布式多目標跟蹤與特征管理DMTIM算法能對未知數量且數量隨時(shí)變化的機動(dòng)目標進(jìn)行跟蹤，對其特征進(jìn)行有效的管理。并能夠在一個(gè)分布式的傳感器網(wǎng)絡(luò )中進(jìn)行實(shí)現。對于每一個(gè)傳感器，DMTIM中的多目標跟蹤算法負責估算如下量：目標的數量，觀(guān)測區域內所有目標的運動(dòng)軌跡，以及在特征管理算法中將用到的混合矩陣和本地信息。然后，相鄰的傳感器通過(guò)相互通信對本地狀態(tài)估算值和信任矩陣進(jìn)行交換。同時(shí)，通過(guò)信息融合實(shí)現了本地一致性，進(jìn)而實(shí)現全局一致性。

本文的剩余部分對DMTIM的算法模塊進(jìn)行了詳細描述并且還對多目標跟蹤問(wèn)題，以及馬爾科夫鏈蒙特卡洛數據關(guān)聯(lián)進(jìn)行了描述。

2 多目標跟蹤

基于每個(gè)傳感器視野范圍內的目標數量會(huì )隨時(shí)間不斷變化，本章提出的DMTIM多目標跟蹤適應于此類(lèi)多目標數量不確定的情況。

2.1 問(wèn)題模式

設T∈Z+為傳感器觀(guān)測持續的時(shí)間，K為該時(shí)間內觀(guān)測范圍R中所出現的目標數量。在某時(shí)間段

Y的集合，且ω∈Ω，有如下參數：

分離的過(guò)程如圖2所示，其中K為軌跡數量，|Tk|為T(mén)k的基數，當沒(méi)有軌跡互擾的情況下認為T(mén)k為一個(gè)正確的軌跡。假設一條軌跡至少包含兩個(gè)觀(guān)測值，因為不能由一個(gè)單一的觀(guān)察值確定一條軌跡。于是再假設e(t-1)為時(shí)刻t-1之后目標的數量，z(t)為時(shí)刻t消失的目標的數量，c(t)=e(t-1)-z(t)為時(shí)刻t-1到t未消失的數量。設a(t)為時(shí)刻t新出現的目標，d(t)為時(shí)刻t的實(shí)際目標，g(t)=c(t)+a(t)-d(t)為未識別的目標。最后，設f(t)=n(t)-d(t)為錯誤報警數量，有：

其中P(ω|Y)是Y的相似概率。

本文采用了最大后驗MAP算法解決多目標跟蹤問(wèn)題。該算法對觀(guān)測目標進(jìn)行分割，并根據分割對目標狀態(tài)進(jìn)行估算。