基于傳感器網(wǎng)絡(luò )的多目標跟蹤和特征管理方法

摘要：針對傳感器網(wǎng)絡(luò )下多目標跟蹤時(shí)目標數量不斷變化這一復雜情況，文中對多目標的跟蹤和特征管理方法進(jìn)行了研究。該方法由數據關(guān)聯(lián)、多目標跟蹤、特征管理，和信息融合所組成。其中未知數量多目標的跟蹤和數據關(guān)聯(lián)通過(guò)馬爾科夫蒙特卡羅數據關(guān)聯(lián)實(shí)現。通過(guò)信息融合來(lái)整合本地信息，獲取所有相鄰傳感器的本地一致性，最終實(shí)現特征管理。試驗證明，本方法能夠在分布式的傳感器網(wǎng)絡(luò )環(huán)境下對多目標進(jìn)行準確有效地跟蹤和特征管理。
關(guān)鍵詞：傳感器網(wǎng)絡(luò )；多目標跟蹤；特征管理；數據關(guān)聯(lián)；信息融合

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。

隨機出現在R范圍內，直到在時(shí)間點(diǎn)時(shí)消失。對于每個(gè)時(shí)間點(diǎn)，目標保持其存在的概率為1-pz，消失的慨率為pz。對于每一個(gè)時(shí)間點(diǎn)，在R范圍內所出現目標的數量都具有一個(gè)位置分布，該位置分布包含參數λbV，其中λb表示單位時(shí)間單位范圍內的出現率，V表示觀(guān)測范圍R的大小。并特定每個(gè)新目標的初始位置都在R范圍內。
設為目標k的離散時(shí)間運動(dòng)，其中nx是狀態(tài)變化的維度。并設為時(shí)刻t目標k的狀態(tài)。目標t的運動(dòng)服從公式(1)：

其中屬于白噪聲過(guò)程，包含在了目標非直線(xiàn)運動(dòng)模型。并運用一個(gè)探測概率pd來(lái)計算目標狀態(tài)的噪聲。目標不被發(fā)現并被視為跟蹤丟失的慨率為1-pd。本文設定了錯誤報警，其數量也遵循含有參數λfV的位置分布，其中λf是單位觀(guān)測范圍單位時(shí)間內的錯誤報警率。設n(t)為時(shí)間點(diǎn)t觀(guān)測點(diǎn)的數量，該數量包括了噪聲觀(guān)測和錯誤報警。設為時(shí)間點(diǎn)t的第j個(gè)觀(guān)測值，其中ny是每一個(gè)觀(guān)測向量的維度。每個(gè)被測物體都會(huì )在該采樣時(shí)間產(chǎn)生一個(gè)特定的觀(guān)測值，如公式(2)所示，其中為觀(guān)測值模型。

其中是白噪聲過(guò)程，u(t)足錯誤報警的隨機過(guò)程。目標是觀(guān)測目標類(lèi)型或屬性信息，狀態(tài)變量可以擴展到包括目標類(lèi)型的信息。因此多目標識別的問(wèn)題即是從觀(guān)測值中計算出，其中k=1，…，K。
2．2 多目標跟蹤方法
設為時(shí)間t的所有值，Y={y(t)：1≤f≤T}為時(shí)間t=1到t=T的所有計算值。設Ω為所有Y的集合，且ω∈Ω，有如下參數：