基于改进加权质心和UKF的移动目标定位算法

doi:10.13229/j.cnki.jdxbgxb201604048

吉林大学学报(工学版) ›› 2016, Vol. 46 ›› Issue (4): 1354-1359.doi: 10.13229/j.cnki.jdxbgxb201604048

基于改进加权质心和UKF的移动目标定位算法

许杰^{1, 2}, 戚大伟³

1.黑龙江八一农垦大学信息技术学院,黑龙江大庆163319;
2.东北林业大学工程技术学院, 哈尔滨 150040;
3.东北林业大学理学院, 哈尔滨 150040

收稿日期:2014-12-15 出版日期:2016-07-20 发布日期:2016-07-20
作者简介:许杰(1973),男,副教授,博士.研究方向:数字图像处理及农业(林业)信息化.E-mail:byndxj@163.com
基金资助:
国家自然科学基金项目(31170518); 黑龙江省科技攻关项目(GC01KC156); 黑龙江省教育厅科研项目(12531445)

Moving target localization based on improved weighted centroid and UKF algorithm

XU Jie^{1, 2}, QI Da-wei³

1.College of Information Technology, Heilongjiang Bayi Agricultural University, Daqing 163319,China;
2.College of Engineering and Technology, Northeast Forestry University, Harbin 150040,China;
3.College of Science, Northeast Forestry University, Harbin 150040,China

Received:2014-12-15 Online:2016-07-20 Published:2016-07-20

摘要/Abstract

摘要： 为了解决传统算法对于移动目标定位误差较大的问题,提出了一种基于接受信号强度指示(RSSI)的改进加权质心定位算法,并结合一种改进的UKF算法对RSSI进行有效滤波。针对传统质心定位算法只能静态设置权重的缺陷,提出利用定位误差对距离进行修正,有效提高了算法的定位精度。对于标准UKF算法,在采样过程中采用改进最小偏度策略,引入调节因子,保证了预测方差矩阵的半正定性,并且在滤波更新过程中采用衰减记忆滤波方法,有效抑制了滤波发散,提高了滤波精度。仿真实验结果证明了本文算法的正确性和有效性。

关键词: 信息处理技术, 移动目标定位, 加权质心算法, 无迹卡尔曼滤波

Abstract: Using traditional localization algorithms the location error is high for moving target. To solve this problem, an improved weighted centroid localization algorithm based on Received Signal Strength Intensity (RSSI) is proposed, and an improved Unscented Kalman Filter (UFK) algorithm is combined for RSSI filtering. For the defect that traditional centroid localization algorithm can only statically set the weights, in this improved algorithm, the localization error is used to correct the distance, which can effectively improves the localization accuracy. For the standard UKF algorithm, the minimum skewness strategy is used in the sampling process, and the adjustment factors are introduced to ensure the positive semidefinite of the prediction covariance matrix; simultaneously, the fading memory filtering method is used in filter updating process, which effectively inhibits the filter divergence and improves the filtering accuracy. Simulation results prove the correctness and effectiveness of the proposed algorithm.

Key words: information processing, moving target localization, weighted centroid algorithm, unscented Kalman filter(UKF)

中图分类号:

TN911

许杰, 戚大伟. 基于改进加权质心和UKF的移动目标定位算法[J]. 吉林大学学报(工学版), 2016, 46(4): 1354-1359.

XU Jie, QI Da-wei. Moving target localization based on improved weighted centroid and UKF algorithm[J]. 吉林大学学报(工学版), 2016, 46(4): 1354-1359.

参考文献

[1] 张锐恒, 庄毅, 赵振宇,等. 基于MCB的传感网移动目标定位算法[J]. 计算机科学, 2012, 39(8): 34-37.
Zhang Rui-heng, Zhuang Yi, Zhao Zhen-yu, et al. Mobile object localization algorithm for sensor networks based on MCB[J]. Comput Science, 2012, 39(8): 34-37.
[2] 郭力, 昂海松, 郑祥明. 基于单目视觉的微型飞行器移动目标定位方法[J]. 系统工程与电子技术, 2012, 34(5): 996-1000.
Guo Li, Ang Hai-song, Zheng Xiang-ming. Moving target geolocation for micro air vehicles based on monocular vision[J]. Systems Engineering and Electronics, 2012, 34(5): 996-1000.
[3] 张云洲, 付文艳, 项姝. 室内环境下基于IMM-EKF算法的移动目标定位[J]. 计算机研究与发展, 2014, 51(11): 2408-2415.
Zhang Yun-zhou, Fu Wen-yan, Xiang Shu, et al. IMM-EKF algorithm-based indoor moving target localization[J]. Journal of Computer Research and Development, 2014, 51(11): 2408-2415.
[4] 何艳丽. 无线传感器网络质心定位算法研究[J]. 计算机仿真, 2011, 28(5): 163-166.
He Yan-li. Research on centroid localization algorithm for wireless sensor networks based RSSI[J]. Computer Simulation, 2011, 28(5): 163-166.
[5] 吴曦德,方杰,杨世杰. 基于GPSO-DVHop的传感器节点定位方法[J]. 计算机工程与应用, 2013, 49(22): 95-99.
Wu Xi-de, Fang Jie, Yang Shi-jie. Wireless sensor network localization based on GPSO-DVHop algorithm[J]. Computer Engineering and Applications, 2013, 49(22): 95-99.
[6] 葛文涛, 陈俊杰. 基于三边定位的WSN锚节点加权补偿算法[J]. 测控技术, 2010, 29(9): 92-95.
Ge Wen-tao, Chen Jun-jie. Weighted compensated algorithm of WSN anchor node based on trilateration localization[J]. Measurement and Control Technology, 2010, 29(9): 92-95.
[7] 王君, 高晓光. 多雷达站组合三角定位算法研究[J]. 系统工程与电子技术, 2008, 30(11): 2216-2219.
Wang Jun, Gao Xiao-guang. Study on triangular locating algorithm for muli-radar station combination[J]. Systems Engineering and Electronics, 2008, 30(11): 2216-2219.
[8] 刘运杰, 金明录, 崔承毅. 基于RSSI的无线传感器网络修正加权质心定位算法[J]. 传感技术学报, 2010, 23(5): 717-721.
Liu Yun-jie, Jin Ming-lu, Cui Cheng-yi. Modified weighted centroid localization algorithm based on RSSI for WSN[J]. Chinese Journal of Sensors and Actuators, 2010, 23(5): 717-721.

相关文章 15

[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]	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.
[10]	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.
[11]	田彦涛, 张宇, 王晓玉, 陈华. 基于平方根无迹卡尔曼滤波算法的电动汽车质心侧偏角估计[J]. 吉林大学学报(工学版), 2018, 48(3): 845-852.
[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]	林金花, 王延杰, 孙宏海. 改进的自适应特征细分方法及其对Catmull-Clark曲面的实时绘制[J]. 吉林大学学报(工学版), 2018, 48(2): 625-632.

Metrics

Viewed

Full text

Abstract

Cited

Shared

Discussed

基于改进加权质心和UKF的移动目标定位算法

Moving target localization based on improved weighted centroid and UKF algorithm

RICH HTML

PDF (PC)

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

Metrics

本文评价

推荐阅读 10