基于傳感器網(wǎng)絡(luò )的多目標跟蹤和特征管理方法
加入技術(shù)交流群
信息融合能夠降低目標交叉運動(dòng)所產(chǎn)生的不確定性。鑒于香農信息效率的優(yōu)越性，在該試驗中我們運用了該方法來(lái)實(shí)現信息的融合。圖6所示為融合的信任向量，圖7為實(shí)現狀態(tài)估計融合后各傳感器所估算的軌跡。
6 結論
筆者主要對傳感器網(wǎng)絡(luò )下多目標的跟蹤和特征管理方法進(jìn)行了研究。數據關(guān)聯(lián)和多目標跟蹤的問(wèn)題能夠由馬爾科夫鏈蒙特卡洛數據關(guān)聯(lián)算法有效地解決，該算法能夠對數量未知且數量隨時(shí)間變化的多目標進(jìn)行跟蹤。文中還講述了一個(gè)可擴展的分布式多目標跟蹤和身份管理(DMTIM)算法，該算法能夠對多目標進(jìn)行跟蹤，并在分布式傳感器網(wǎng)絡(luò )環(huán)境下能夠有效地管理目標的特征。DMTIM算法由數據關(guān)聯(lián)，多目標跟蹤，特征管理，以及信息融合四部分所組成。DMTIM能夠對某目標特征的本地信息進(jìn)行有效地整合，以降低系統的不確定性，并通過(guò)信息融合來(lái)保持相鄰傳感器的本地一致性。
評論