吉林大学学报(工学版) ›› 2015, Vol. 45 ›› Issue (2): 658-662.doi: 10.13229/j.cnki.jdxbgxb201502048

• 论文 • 上一篇    下一篇

基于Unscented信息滤波器的分布式目标融合跟踪

杨小军   

  1. 长安大学 信息工程学院， 西安 710064
  • 收稿日期:2013-08-05 出版日期:2015-04-01 发布日期:2015-04-01
  • 作者简介:杨小军(1971)，男，教授，博士.研究方向:统计信号处理，多目标跟踪，非线性滤波，无线传感器网络与多源信息融合.E-mail:xjyang@chd.edu.cn
  • 基金资助:
    国家自然科学基金项目(61473047，60975028)；陕西省科学技术发展研究计划项目(2014K05-26).

Distributed fusion and target tracking based on Unscented information filter

YANG Xiao-jun   

  1. School of Information Engineering, Chang'an University, Xi'an 710064, China
  • Received:2013-08-05 Online:2015-04-01 Published:2015-04-01

RICH HTML

0   

PDF (PC)

335

摘要： 针对无线传感器网络下的非线性运动目标跟踪问题，提出一种基于Unscented信息滤波器的分布式融合跟踪算法。该算法在信息滤波器框架下将Unscented变换与扩展信息滤波器相结合，有效地解决了运动目标和量测的非线性。在网络拓扑结构和通讯带宽的约束下，利用卡尔曼一致性滤波算法对所有传感器节点估计值进行分布式信息融合。仿真结果表明了该算法的有效性和优越性。

关键词: 信息处理技术, 传感器网络, 分布式估计, Unscented变换

Abstract: A distributed tracking and fusion algorithm based on Unscented information filter is proposed for nonlinear target tracking in wireless sensor networks. In this algorithm, the unscented transformation is combined with extended information filter to handle the nonlinearity of the target motion and measurement in the framework of information filtering. The Kalman consensus filter is used as distributed fusion structure to combine the estimate of each local sensor node in the sensor networks with constrained topology and limited bandwidth. The efficiency and the superiority of the proposed algorithm are demonstrated by simulation results.

Key words: information processing technology, sensor networks, distributed estimation, Unscented transformation

中图分类号: 

  • TN911.23
[1] Yao K. Sensor networking: concepts, applications and challenges[J]. Acta Automatica Sinica, 2006, 32(6): 839-845.
[2] Chong C Y, Kumar S P. Sensor networks: evolution, opportunities and challenges[J]. Proceedings of the IEEE, 2003, 91(8): 1247-1256.
[3] Sayeed A, Estrin D, Pottie G, et al. Special issue on self-organizing distributed collaborative sensor networks[J]. IEEE Journal of Selected Areas on Communication, 2005, 23(4): 689-872.
[4] Vercauteren T, Wang X. Decentralized sigma-point information filters for target tracking in collaborative sensor networks[J]. IEEE Transactions on Signal Processing, 2005, 53(8): 2997-3009.
[5] Liu G, Worgotter F, Markelic I. Square-root Sigma-point information filtering[J]. IEEE Transactions on Automatic Control, 2012, 57(11): 2945-2950.

[6] Noori M, Ardakani M. Energy efficiency of universal decentralized estimation in random sensor networks[J]. IEEE Transactions on Wireless Communications, 2011, 10(12):4023-4028.
[7] Gustafsson F, Hendeby G. Some relations between extended and unscented Kalman filters[J]. IEEE Transactions on Signal Processing, 2012, 60(2):545-555.
[8] 石勇, 韩崇昭. 自适应UKF算法在目标跟踪中的应用[J]. 自动化学报, 2011, 38(6):431-437.
Shi Yong,Han Chong-zhao. Adaptive UKF method with applications to target tracking[J]. Acta Automatica Sinica, 2011, 38(6):431-437.
[9] Lee D J. Nonlinear estimation and multiple sensor fusion using unscented information filtering[J]. IEEE Signal Processing Letters, 2008, 15:861-864.
[10] Khan U A, Moura J M F. Distributing the Kalman filter for large-scale systems[J]. IEEE Transactions on Signal Processing, 2008, 56(10):4919-4935.
[11] Cattivelli F S, Sayed A H. Diffusion strategies for distributed Kalman filtering and smoothing[J]. IEEE Transactions on Automatic Control, 2010, 55(9):2069-2084.
[12] Olfati-Saber R. Kalman-consensus filter: Optimality, stability and performance[C]∥Proceedings of IEEE Conference on Decision and Control. Shanghai: IEEE, 2009: 7036-7042.
[13] Olfati-Saber R, Fax R, Murray R. Consensus and cooperation in networked multi-agent systems[J]. Proceedings of the IEEE, 2007, 95(1):215-233.
[14] 王帅, 杨文, 侍洪波. 带丢包一致性滤波算法研究[J]. 自动化学报, 2010, 36(12):1689-1696.
Wang Shuai,Yang Wen,Shi Hong-bo. Consensus-based filtering algorithm with packet-dropping[J]. Acta Automatica Sinica, 2010, 36(12):1689-1696.
[15] 王林, 张国忠, 朱华勇, 等. 面向移动传感器网络的自适应一致性融合估计方法[J]. 上海交通大学学报, 2011, 45(3):121-129.
Wang Lin, Zhang Guo-zhong, Zhu Hua-yong, et al. Adaptive consensus fusion estimation for mobile sensor networks[J]. Journal of Shanghai Jiaotong University, 2011, 45(3):121-129.
[1] 苏寒松,代志涛,刘高华,张倩芳. 结合吸收Markov链和流行排序的显著性区域检测[J]. 吉林大学学报(工学版), 2018, 48(6): 1887-1894.
[2] 徐岩,孙美双. 基于卷积神经网络的水下图像增强方法[J]. 吉林大学学报(工学版), 2018, 48(6): 1895-1903.
[3] 黄勇,杨德运,乔赛,慕振国. 高分辨合成孔径雷达图像的耦合传统恒虚警目标检测[J]. 吉林大学学报(工学版), 2018, 48(6): 1904-1909.
[4] 李居朋,张祖成,李墨羽,缪德芳. 基于Kalman滤波的电容屏触控轨迹平滑算法[J]. 吉林大学学报(工学版), 2018, 48(6): 1910-1916.
[5] 应欢,刘松华,唐博文,韩丽芳,周亮. 基于自适应释放策略的低开销确定性重放方法[J]. 吉林大学学报(工学版), 2018, 48(6): 1917-1924.
[6] 陆智俊,钟超,吴敬玉. 星载合成孔径雷达图像小特征的准确分割方法[J]. 吉林大学学报(工学版), 2018, 48(6): 1925-1930.
[7] 刘仲民,王阳,李战明,胡文瑾. 基于简单线性迭代聚类和快速最近邻区域合并的图像分割算法[J]. 吉林大学学报(工学版), 2018, 48(6): 1931-1937.
[8] 单泽彪,刘小松,史红伟,王春阳,石要武. 动态压缩感知波达方向跟踪算法[J]. 吉林大学学报(工学版), 2018, 48(6): 1938-1944.
[9] 董颖, 崔梦瑶, 吴昊, 王雨后. 基于能量预测的分簇可充电无线传感器网络充电调度[J]. 吉林大学学报(工学版), 2018, 48(4): 1265-1273.
[10] 姚海洋, 王海燕, 张之琛, 申晓红. 双Duffing振子逆向联合信号检测模型[J]. 吉林大学学报(工学版), 2018, 48(4): 1282-1290.
[11] 全薇, 郝晓明, 孙雅东, 柏葆华, 王禹亭. 基于实际眼结构的个性化投影式头盔物镜研制[J]. 吉林大学学报(工学版), 2018, 48(4): 1291-1297.
[12] 陈绵书, 苏越, 桑爱军, 李培鹏. 基于空间矢量模型的图像分类方法[J]. 吉林大学学报(工学版), 2018, 48(3): 943-951.
[13] 陈涛, 崔岳寒, 郭立民. 适用于单快拍的多重信号分类改进算法[J]. 吉林大学学报(工学版), 2018, 48(3): 952-956.
[14] 孟广伟, 李荣佳, 王欣, 周立明, 顾帅. 压电双材料界面裂纹的强度因子分析[J]. 吉林大学学报(工学版), 2018, 48(2): 500-506.
[15] 刘洲洲, 彭寒. 基于节点可靠度的无线传感器网络拓扑控制算法[J]. 吉林大学学报(工学版), 2018, 48(2): 571-577.
Viewed
Full text


Abstract

Cited
  Shared   
  Discussed   
No Suggested Reading articles found!
版权所有 © 《吉林大学学报(工学版)》编辑部
地址：长春市人民大街5988号　电话：+86-431-85095297　传真：+86-431-85094074　E-mail: xbgxb@jlu.edu.cn
本系统由北京玛格泰克科技发展有限公司设计开发