ターゲット追跡の最終的な目標は、エラーが最小のターゲットの場所を特定することであり、ワイヤレスセンサーネットワークでこの目標を達成するには、測位技術、ターゲット検出技術、推定技術、省エネルギー技術などの多くの関連技術のサポートが必要です。ターゲットトラッキングの問題を解決するには多くの方法があり、アルゴリズムの観点からは、トップダウンアルゴリズムとボトムアップアルゴリズムの2つのカテゴリに分類できます。トップダウンターゲットトラッキングアルゴリズムの中核となる考え方は、最初に追跡対象のターゲットを適切にモデル化することです。追跡の目的を達成するためのモデルから始めて、状態空間法は典型的なトップダウン法です。いわゆるボトムアップ方式とは、実際の問題から始めて、目標の追跡を実現するために得られたデータから始めて、既存の理論的枠組みがないことを意味します。効果の観点からは、2つの方法の追跡効果は特に明白ではありませんが、トップダウン法は厳密な理論的枠組みを持ち、研究に便利であるため、この記事ではこの方法を主に検討します。
ワイヤレスセンサーネットワークでは、ワイヤレスセンサーネットワークが特定の検出領域に配置された後、ネットワークが最初に初期化され、ネットワーク内のすべてのノードを特定してから、対象のターゲットを追跡できます。
ターゲットの追跡と検出の問題の説明
無線センサーネットワークでのターゲットの追跡と検出の問題では、ターゲットの移動プロセス、つまり状態遷移方程式は、通常、1次の
マルコフ状態方程式で記述できます。
式では、xkは時間xk -1でのターゲット状態ベクトルを表します。これには、一般にターゲットの位置、速度、加速度などの情報が含まれます。f（xk -1）は、xk -1からxkへのターゲット状態の状態伝達関数（線形）を表しますまたは非線形）; wkはプロセスノイズベクトルを表します。同様に、時間の観測方程式の一般的な形：
式では、zkはノードから時刻xkに取得された観測ベクトルを表し、h（xk）は観測関数（線形または非線形）を表し、vkは観測ノイズを表します。プロセスノイズと観測ノイズはどちらも不明であり、平均がゼロのガウスホワイトノイズである必要はありませんが、それらの確率密度は一般的に知られています。これらの2つのモデルでターゲット追跡によって解決される問題は、ターゲットの以前の状態と取得された観測シーケンスに従って、ターゲットの現在の状態量を解決することです。
粒子フィルターアルゴリズム
粒子フィルターアルゴリズムの出現は半世紀以上続き、1940年代にMetropolisらによって提案されたモンテカルロ法に遡ることができます。MC法は、1970年代に非線形フィルタリングの問題を解決するために最初に使用されました。当時、逐次重要度サンプリング法が使用されていました。提案された分布からサンプリングされた重み付きサンプルのセットを使用して、ターゲットの状態分布を概算しました。この方法には、サンプルの重みの劣化という深刻な問題があり、その実用化は非常に限られています。 ; 1993年、Gordonらはリサンプリングの概念を提案し[6]、サンプルの重量劣化の問題を効果的に解決するためにモンテカルロ重要度サンプリングプロセスにリサンプリングを導入し、モンテカルロ積分ベースの粒子を開きましたフィルタリングアルゴリズムの研究ブーム。20年以上の研究開発の結果、粒子フィルターアルゴリズムは非常に成熟し、非線形および非ガウスシステムの推定問題に対する最も重要なソリューションの1つになりました。これらは、自律ナビゲーション、ロボットビジョン、およびターゲットトラッキングで広く使用されています。に。
ターゲット状態の初期分布はp（x0）と呼ばれ、k -1での事後確率密度分布はp（xk -1 z1：k -1）= {xi k -1、wi k -1} Nです。 i = 1、重要度のサンプリングとリサンプリングと組み合わせて、時間kでのターゲット状態ベクトルxkを推定する一般的な粒子フィルターアルゴリズムの特定のステップは次のとおりです。
- （1）初期化：k = 0、p（x0）からN個の初期粒子{x0i、i = 1、2、...、N}をランダムに選択し、各粒子の初期重みを1 / Nに設定します。
- （2）提案分布に従って粒子を更新します（通常、SISアルゴリズムを使用します。つまり、事前確率密度関数を提案分布として使用します）。
- （3）時間kでの観測値zkを取得した後、次の式に従って各粒子の重量を計算します
- （4）リサンプリングプロセスでは、まず式に従って有効粒子数を計算し、リサンプリングアルゴリズム（多項式リサンプリングなど）を実行します。それ以外の場合は、直接手順（5）に進みます。
- （5）モンテカルロ積分に従って、時間kでのターゲット状態の推定値を取得します。
- （6）k = k + 1とし、k + 1での観測値を取得して、最後まで手順（2）に進みます。
シミュレーション結果
ドキュメントのダウンロード：リンク：https
://pan.baidu.com/s/1IOwb2cOw3A2tvlTboVa88g抽出コード：p7a1
プログラムのダウンロード：リンク：https
://pan.baidu.com/s/1XA42i4oYesMWayf5ts3fWA抽出コード：juo7
解码密码获取：http://suo.im/6f8jTP 备用http://t.cn/AiTjdQZq