鬼佬大哥大
  • / 19
  • 下載費用:30 金幣  

基于DS推理的無線傳感器網絡多目標跟蹤數據關聯方法.pdf

關 鍵 詞:
基于 DS 推理 無線 傳感器 網絡 多目標 跟蹤 數據 關聯 方法
  專利查詢網所有資源均是用戶自行上傳分享,僅供網友學習交流,未經上傳用戶書面授權,請勿作他用。
摘要
申請專利號:

CN201110005686.X

申請日:

2011.01.07

公開號:

CN102592038B

公開日:

2015.01.28

當前法律狀態:

授權

有效性:

有權

法律詳情: 授權|||實質審查的生效IPC(主分類):G06F 19/00申請日:20110107|||公開
IPC分類號: G06F19/00(2011.01)I; H04L29/08; H04W84/18(2009.01)I 主分類號: G06F19/00
申請人: 中國科學院計算技術研究所
發明人: 孫榮麗; 王睿; 張磊; 崔莉
地址: 100080 北京市海淀區中關村科學院南路6號
優先權:
專利代理機構: 北京律誠同業知識產權代理有限公司 11006 代理人: 祁建國;梁揮
PDF完整版下載: PDF下載
法律狀態
申請(專利)號:

CN201110005686.X

授權公告號:

102592038B||||||

法律狀態公告日:

2015.01.28|||2012.09.19|||2012.07.18

法律狀態類型:

授權|||實質審查的生效|||公開

摘要

本發明公開了一種基于DS推理的無線傳感器網絡多目標跟蹤數據關聯方法,包括:步驟1,利用前一個無線傳感器網絡節點發送的信息得到關于目標的預測信息,對當前無線傳感器網絡節點所觀測到的不確定信息構建基本信任函數指派模型;步驟2,根據所述基本信任函數指派模型,由證據理論的組合規則組合不同證據得到綜合信息,根據綜合信息實現數據關聯。本發明結合預測信息,對不確定信息構建了簡單地易于在節點上實現的基本信任函數指派模型,實現了對由節點觀測到的不確定信息的表示;根據證據理論的組合規則組合不同證據得到綜合信息,實現數據關聯。由于信息的互補,最終的數據關聯效果很好,關聯精度高。

權利要求書

1.一種基于DS推理的無線傳感器網絡多目標跟蹤數據關聯方法,其特征在于,包括:步驟1,利用前一個無線傳感器網絡節點發送的信息得到關于目標的預測信息,對當前無線傳感器網絡節點所觀測到的不確定信息構建基本信任函數指派模型;步驟2,根據所述基本信任函數指派模型,由證據理論的組合規則組合不同證據得到綜合信息,根據綜合信息實現數據關聯。2.根據權利要求1所述的數據關聯方法,其特征在于,所述步驟1中,包括:為第i種不確定信息建立屬于目標j的信任指派函數;建立第i種不確定信息的不確定信息函數;對為第i種不確定信息建立的信任指派函數以及不確定信息函數進行歸一化處理;其中,i=1,2...M,j=1,2...N,M為不確定信息的個數,N為待識別目標的個數。3.根據權利要求2所述的數據關聯方法,其特征在于,所述為第i種不確定信息建立屬于目標j的信任指派函數采用如下公式:j,k=1,2...N其中,Htk表示在t時刻的第k組觀測中第i種不確定信息,第i種不確定信息標記為H;Hmin為待識別目標引起的不確定信息H的最小值;Hmax為待識別目標引起的不確定信息H的最大值;MminH為待識別目標引起的不確定信息H的最小信任指派值;MmaxH為待識別目標引起的不確定信息H的最大信任指派值;?為t時刻第i種不確定信息H屬于目標j的預測值;Mj(Htk)為t時刻第k組觀測值中第i種不確定信息H屬于目標j的信任值。4.根據權利要求3所述的數據關聯方法,其特征在于,所述建立第i種不確定信息的不確定信息函數采用如下公式:其中,為t時刻第k組觀測中第i種不確定信息H的不確定信息函數的值;5.根據權利要求4所述的數據關聯方法,其特征在于,所述對第i種不確定信息H所構建的信任指派函數以及不確定信息函數進行歸一化處理采用如下公式:j=1,2..N。6.根據權利要求1-5任一所述的數據關聯方法,其特征在于,所述步驟2中,還包括:實現多組證據組合的步驟:對于一組觀測值O(H1,H2...HM),根據所構建的基本信任函數指派模型,得到M組證據,構成證據集P,記為P={A1,A2,A3...AM},任選其中未組合的兩組不同的證據Ai,Aj(i≠j),按照證據理論中的兩組證據組合規則進行組合得到新的證據,記為Ai′,并以Ai′替換Ai,Aj,作為證據集P中的一個元素,直至證據集P中只有一個元素,完成M組不同證據的證據組合。7.根據權利要求6所述的數據關聯方法,其特征在于,還包括:根據證據組合后得到的綜合信息,選取其中信任值最大的一項作為引起本?組觀測值的對象,從而實現數據關聯。8.根據權利要求6所述的數據關聯方法,其特征在于,當所述不確定信息包括響應強度、響應時間時,所述步驟1具體包括:建立屬于某目標的響應強度信任指派函數、響應時間信任指派函數;建立響應強度的不確定信息函數、響應時間的不確定信息函數;對所述響應強度信任指派函數、所述響應時間信任指派函數、所述響應強度的不確定信息函數、所述響應時間的不確定信息函數進行歸一化處理。9.根據權利要求8所述的數據關聯方法,其特征在于,建立所述響應強度信任指派函數采用以下公式:i,j=1,2...N其中,Smin為目標所引起的響應強度的最小值;Smax為目標所引起的響應強度的最大值;為目標所引起的響應強度的最小信任指派值;為目標所引起的響應強度的最大信任指派值;為由目標i引起的響應強度的預測值;代表一系列距離無線傳感器網絡節點較遠的目標的信任指派函數;代表一系列距離無線傳感器網絡節點較近的目標的信任指派函數;建立所述響應時間信任指派函數采用以下公式:i,j=1,2...N其中,Tmin為目標所引起的響應時間的最小值;Tmax為目標所引起的響應時間的最大值;為目標所引起的響應時間的最小信任指派;?為目標所引起的響應時間的最大信任指派;為由目標i引起的響應強度的預測值;代表一系列速度較快的目標的信任指派函數;代表一系列速度較慢的目標的信任指派函數。10.根據權利要求9所述的數據關聯方法,其特征在于,建立所述響應強度的不確定信息函數采用以下公式:其中,代表一系列距離無線傳感器網絡節點較遠的目標的不確定信息函數;代表一系列距離無線傳感器網絡節點較近的目標的不確定信息函數;建立所述響應時間的不確定信息函數采用以下公式:i,j=1,2..N其中,代表一系列速度較快的目標的不確定信息函數;代表一系列速度較慢的目標的不確定信息函數。11.根據權利要求10所述的數據關聯方法,其特征在于,所述對所述響應強度信任指派函數、所述響應強度的不確定信息函數進行歸一化處理采用如下公式:?i,j=1,2...N。所述對所述響應時間信任指派函數、所述響應時間的不確定信息函數進行歸一化處理采用如下公式:i,j=1,2...N。12.根據權利要11所述的數據關聯方法,其特征在于,所述步驟2中,還包括:步驟21,以響應強度信息和響應時間信息作為證據,利用證據理論的證據組合規則,采用以下公式:i,j=1,2...N其中,t時刻無線傳感器網絡節點儲存了N組觀測值,?是指第j組觀測值,?是指第j組觀測值是由第i個目標引起的信任值;步驟22,對第j組觀測值?j=1,2...N,比較?i=1,2...N,選取其中最大的一項k作為引起第j組觀測的目標,實現將第j組觀測關聯到目標k,假定?k,i,j=1,2...N且k≠i。?

說明書

基于DS推理的無線傳感器網絡多目標跟蹤數據關聯方法

技術領域

本發明屬于智能信息處理技術領域,特別是涉及一種基于DS
(Dempster-Shafer)證據推理的無線傳感器網絡多目標跟蹤數據關聯方法。

背景技術

隨著傳感器技術、微機電技術、現代網絡和無線通信等技術的進步,產生
了涉及多學科高度交叉、知識高度集成的無線傳感器網絡(Wireless?Sensor?
Network,WSN),其優點突出:成本低,布設方便,組網快捷、靈活,不受
有線網絡約束,已經廣泛應用于軍事國防、工農業控制、環境檢測、危險區域
遠程控制等領域。無線傳感器網絡由于其自組織性、魯棒性及節點數量巨大的
特點,非常適合于目標跟蹤。目前無線傳感器網絡的目標跟蹤研究主要集中于
在不同環境下的單目標跟蹤,如何以較低的能量代價高效地融合有效的信息,
提高觀測精度和延長網絡生存期,并解決多目標跟蹤,成為目前研究無線傳感
器網絡目標跟蹤的熱點。

多目標跟蹤中需要解決的一個核心問題是數據關聯。數據關聯也即是將觀
測值正確地映射到引起本次觀測的目標,建立觀測值與目標之間的對應關系。
只有正確地解決了數據關聯問題,繼而才能有效地預測目標的運動趨勢,進行
后續的目標跟蹤任務。

常用的關聯方法有最近鄰數據關聯(Near?Neighbor?Data?Association,
NNDA),概率數據關聯濾波算法(probability?data?association?filter,PDA)、
聯合概率數據關聯濾波算法(joint?data?association,JPDA)、概率多假設跟蹤
(probability?multiple?hypothesis?track,PMHT)方法、最大期望方法
(Expectation-Maximization,EM)等。NNDA具有運算量小,易于實現等優
點,但是環境局限性較大,僅適用于對稀疏目標環境的目標跟蹤;PDA方法
計算量較小,實時性好,有較好的單目標跟蹤性能,但在跟蹤多個目標時會發
生目標的偏移和聚合現象。專利“分布式多目標跟蹤的方法和系統”利用視頻
信息,采用EM算法實現數據關聯。專利“一種聯合概率數據關聯的視頻多目
標快速跟蹤方法”利用視頻信息,采用基于概率理論的JPDA實現數據關聯;
中文專利“一種基于地面動目標指示雷達系統的多目標跟蹤方法”及英文專利
“Multi-window/multi-target?tracking?method?for?point?source?objects,involves?
assigning?unique?local?frame?sum?to?objects,applying?detection?algorithms?to?
objects,and?producing?track?files?of?one?of?objects”采用概率多假設跟蹤(PMHT)
方法實現數據關聯。這兩種方法不僅具有基于概率方法固有的不能表示不確定
性信息的缺陷,而且計算量大,很難在無線傳感器網絡中實現的問題。專利“機
動多目標跟蹤方法”針對基于概率進行數據關聯計算量大的缺陷,提出了基于
聚矩陣分解的簡化概率數據關聯算法,大大減少了計算量。專利“模糊巨雷粒
子濾波的無線傳感器網絡多目標跟蹤方法”提出了先采用跟蹤門限算法進行粗
關聯,然后利用FCM進行精關聯的兩級關聯策略,在一定程度較少了計算量。

由于真實環境的復雜性,各種不可控制、不可預期的干擾因素的存在,在
觀測過程中得到的觀測值往往存在一些不確定、未知因素。在多目標跟蹤系統
中常用的如JPDA等基于概率的方法簡單地將不知道劃分到對立事件中。相比
于傳統的基于概率的關聯方法,證據理論(Dempster-Shafer?Theory,DST)在
不確定的表示、觀測和組合方面有很大優勢,能夠表示由無知帶來的不確定性,
利用組合規則融合多種證據信息,得到綜合評價指標。英文專利“Method?for?
distributed?data?association?and?multi-target?tracking-communicating?track?
information?among?processing?entities?which?process?inputs?from?single?sensor?
with?continuing?updating”提到進行數據關聯時可以基于證據理論,但是并沒有
給出具體的利用證據理論進行數據關聯的方法。

發明內容

本發明的目的在于提供一種基于DS推理的無線傳感器網絡多目標跟蹤數
據關聯方法,用于在無線傳感器網絡多目標跟蹤應用中,針對無線傳感器網絡
本身固有的資源限制,以及由環境中各種干擾因素引起的觀測值的不確定現
象,利用證據理論的優勢,實現對不確定信息的適當表示、并利用組合規則組
合各種信息,利用組合后的綜合信息進行數據關聯。

為了實現上述目的,本發明提供一種基于DS推理的無線傳感器網絡多目
標跟蹤數據關聯方法,其特征在于,包括:

步驟1,利用前一個無線傳感器網絡節點發送的信息得到關于目標的預測
信息,對當前無線傳感器網絡節點所觀測到的不確定信息構建基本信任函數指
派模型;

步驟2,根據所述基本信任函數指派模型,由證據理論的組合規則組合不
同證據得到綜合信息,根據綜合信息實現數據關聯。

所述的數據關聯方法,其中,

所述步驟1中,包括:

為第i種不確定信息建立屬于目標j的信任指派函數;

建立第i種不確定信息的不確定信息函數;

對為第i種不確定信息建立的信任指派函數以及不確定信息函數進行歸一
化處理;

其中,i=1,2...M,j=1,2...N,M為不確定信息的個數,N為待識別目標的
個數。

所述的數據關聯方法,其中,

所述為第i種不確定信息建立屬于目標j的信任指派函數采用如下公式:

j,k=1,2...N

其中,

Htk表示在t時刻的第k組觀測中第i種不確定信息,第i種不確定信息標
記為H;

Hmin為待識別目標引起的不確定信息H的最小值;

Hmax為待識別目標引起的不確定信息H的最大值;

MminH為待識別目標引起的不確定信息H的最小信任指派值;

MmaxH為待識別目標引起的不確定信息H的最大信任指派值;

為t時刻第i種不確定信息H屬于目標j的預測值;

Mj(Htk)為t時刻第k組觀測值中第i種不確定信息H屬于目標j的信任值。
所述的數據關聯方法,其中,

所述建立第i種不確定信息的不確定信息函數采用如下公式:

M undef ( H t k ) = M min H + M max H - M min H H - H min ( H t k - H min ) H t k H M undef ( H t k ) = M min H + M max H - M min H H - H max ( H t k - H max ) H t k > H ]]>

其中,

為t時刻第k組觀測中第i種不確定信息H的不確定信息函
數的值;

H = H min + H max 2 . ]]>

所述的數據關聯方法,其中,

所述對第i種不確定信息H所構建的信任指派函數以及不確定信息函數進
行歸一化處理采用如下公式:

M j ( H t k ) = M j ( H t k ) Σ n = 1 n = N M n ( H t k ) + M undef ( H t k ) ]]>

j=1,2..N。

M undef ( H t k ) = M undef ( H t k ) Σ n = 1 n = N M n ( H t k ) + M undef ( H t k ) ]]>

所述的數據關聯方法,其中,

所述步驟2中,還包括:實現多組證據組合的步驟:

對于一組觀測值O(H1,H2...HM),根據所構建的基本信任函數指派模型,得
到M組證據,構成證據集P,記為P={A1,A2,A3...AM},任選其中未組合的兩組
不同的證據Ai,Aj(i≠j),按照證據理論中的兩組證據組合規則進行組合得到新
的證據,記為Ai′,并以Ai′替換Ai,Aj,作為證據集P中的一個元素,直至證
據集P中只有一個元素,完成M組不同證據的證據組合。

所述的數據關聯方法,其中,

根據證據組合后得到的綜合信息,選取其中信任值最大的一項作為引起本
組觀測值的對象,從而實現數據關聯。

所述的數據關聯方法,其中,

當所述不確定信息包括響應強度、響應時間時,所述步驟1具體包括:

建立屬于某目標的響應強度信任指派函數、響應時間信任指派函數;

建立響應強度的不確定信息函數、響應時間的不確定信息函數;

對所述響應強度信任指派函數、所述響應時間信任指派函數、所述響應強
度的不確定信息函數、所述響應時間的不確定信息函數進行歸一化處理。

所述的數據關聯方法,其中,

建立所述響應強度信任指派函數采用以下公式:

M i ( S t j ) = M min S + M max S - M min S S ^ t i - S min ( S t j - S min ) S t j S ^ t i M i ( S t j ) = M min S + M max S - M min S S ^ t i - S max ( S t j - S max ) S t j > S ^ t i ]]>i,j=1,2...N

其中,

Smin為目標所引起的響應強度的最小值;

Smax為目標所引起的響應強度的最大值;

為目標所引起的響應強度的最小信任指派值;

為目標所引起的響應強度的最大信任指派值;

為由目標i引起的響應強度的預測值;

代表一系列距離無線傳感器網絡節點較遠的目標的信任指
派函數;

代表一系列距離無線傳感器網絡節點較近的目標的信任指
派函數;

建立所述響應時間信任指派函數采用以下公式:

i,j=1,2...N

其中,

Tmin為目標所引起的響應時間的最小值;

Tmax為目標所引起的響應時間的最大值;

為目標所引起的響應時間的最小信任指派;

為目標所引起的響應時間的最大信任指派;

為由目標i引起的響應強度的預測值;

代表一系列速度較快的目標的信任指派函數;

代表一系列速度較慢的目標的信任指派函數。

所述的數據關聯方法,其中,

建立所述響應強度的不確定信息函數采用以下公式:

M undef ( S t j ) = M min S + M max S - M min S S - S min ( S t j - S min ) S t j S M undef ( S t j ) = M min S + M max S - M min S S - S max ( S t j - S max ) S t j > S ]]>

其中,

S = S min + S max 2 ; ]]>

代表一系列距離無線傳感器網絡節點較遠的目標的不確
定信息函數;

代表一系列距離無線傳感器網絡節點較近的目標的不確
定信息函數;

建立所述響應時間的不確定信息函數采用以下公式:

M undef ( T t j ) = M min T + M max T - M min T T - T min ( T t j - T min ) T t j T M undef ( T t j ) = M min T + M max T - M min T T - T max ( T t j - T max ) T t j > T ]]>i,j=1,2N

其中,

T = T min + T max 2 ; ]]>

代表一系列速度較快的目標的不確定信息函數;
代表一系列速度較慢的目標的不確定信息函數。

所述的數據關聯方法,其中,

所述對所述響應強度信任指派函數、所述響應強度的不確定信息函數進行
歸一化處理采用如下公式:

M i ( S t j ) = M i ( S t j ) Σ k = 1 k = N M k ( S t j ) + M undef ( S t j ) M undef ( S t j ) = M undef ( S t j ) Σ k = 1 k = N M k ( S t j ) + M undef ( S t j ) ]]>i,j=1,2...N。

所述對所述響應時間信任指派函數、所述響應時間的不確定信息函數進行
歸一化處理采用如下公式:

M i ( T t j ) = M i ( T t j ) Σ k = 1 k = N M k ( T t j ) + M undef ( T t j ) M undef ( T t j ) = M undef ( T t j ) Σ k = 1 k = N M k ( T t j ) + M undef ( T t j ) ]]>i,j=1,2...N。

所述的數據關聯方法,其中,

所述步驟2中,還包括:

步驟21,以響應強度信息和響應時間信息作為證據,利用證據理論的證
據組合規則,采用以下公式:

M i ( O t j ) = M i ( S t j ) * M i ( T t j ) + M undef ( S t j ) * M i ( T t j ) + M undef ( T t j ) * M i ( S t j ) ]]>i,j=1,2...N

其中,

t時刻無線傳感器網絡節點儲存了N組觀測值,是指第j組觀測值,
是指第j組觀測值是由第i個目標引起的信任值;

步驟22,對第j組觀測值j=1,2...N,比較i=1,2...N,
選取其中最大的一項k作為引起第j組觀測的目標,實現將第j組觀測關聯到
目標k,假定k,i,j=1,2...N?且k≠i。

與現有技術相比,本發明的有益技術效果在于:

傳統的基于概率理論的數據關聯方法,只能簡單地將未知劃分到對立事
件,而本發明利用證據理論能夠表示由未知帶來的不確定性。本發明結合卡
爾曼濾波得到的預測信息,對不確定信息構建了簡單地易于在節點上實現的基
本信任函數指派模型,實現了對不確定信息的表示;根據證據理論的組合規則
組合不同證據得到綜合信息,實現數據關聯。由于信息的互補,最終的數據關
聯效果很好,關聯精度高。

附圖說明

圖1是本發明的無線傳感器網絡多目標跟蹤數據關聯方法流程圖;

圖2是實驗場景示意圖;

圖3是本發明的響應強度S和響應時間T示意圖;

圖4是本發明的響應強度信息的信任指派模型;

圖5是本發明的響應時間信息的信任指派模型;

圖6是本發明的一實施例的無線傳感器網絡多目標跟蹤數據關聯方法流
程圖。

具體實施方式

以下結合附圖和具體實施例對本發明進行詳細描述,但不作為對本發明的
限定。

本發明結合預測信息,對不確定信息構建了簡單地易于在無線傳感器網絡
節點(以下簡稱傳感器節點)上實現的基本信任函數指派模型,實現對不確定
信息的表示;根據證據理論的組合規則組合不同證據得到綜合信息,實現數據
關聯。如圖1所示,描述了無線傳感器網絡多目標跟蹤數據關聯方法流程圖,
該方法包括:

步驟1,利用前一個無線傳感器網絡節點發送的信息得到關于目標的預測
信息,對當前無線傳感器網絡節點所觀測到的不確定信息構建基本信任函數指
派模型;

步驟2,根據所述基本信任函數指派模型,由證據理論的組合規則組合不
同證據得到綜合信息,根據綜合信息實現數據關聯。

進一步地,步驟1中,包括:

為第i種不確定信息建立屬于目標j的信任指派函數;

建立第i種不確定信息的不確定信息函數;

對為第i種不確定信息建立的信任指派函數以及不確定信息函數進行歸一
化處理;

其中,i=1,2...M,j=1,2...N,M為不確定信息的個數,N為待識別目標的
個數。

進一步地,采用如下公式為第i種不確定信息建立屬于目標j的信任指派
函數:

j,k=1,2...N

其中,

Htk表示在t時刻的第k組觀測中第i種不確定信息,第i種不確定信息標
記為H;

Hmin為待識別目標引起的不確定信息H的最小值;

Hmax為待識別目標引起的不確定信息H的最大值;

MminH為待識別目標引起的不確定信息H的最小信任指派值;

MmaxH為待識別目標引起的不確定信息H的最大信任指派值;

為t時刻第i種不確定信息H屬于目標j的預測值;

Mj(Htk)為t時刻第k組觀測值中第i種不確定信息H屬于目標j的信任值。
進一步地,采用如下公式建立第i種不確定信息的不確定信息函數:

M undef ( H t k ) = M min H + M max H - M min H H - H min ( H t k - H min ) H t k H M undef ( H t k ) = M min H + M max H - M min H H - H max ( H t k - H max ) H t k > H ]]>

其中,

為t時刻第k組觀測中第i種不確定信息H的不確定信息函
數的值;

H = H min + H max 2 . ]]>

進一步地,采用如下公式對第i種不確定信息H所構建的信任指派函數以
及不確定信息函數進行歸一化處理:

M j ( H t k ) = M j ( H t k ) Σ n = 1 n = N M n ( H t k ) + M undef ( H t k ) ]]>

j=1,2..N。

M undef ( H t k ) = M undef ( H t k ) Σ n = 1 n = N M n ( H t k ) + M undef ( H t k ) ]]>

所述步驟2中,還包括:實現多組證據組合的步驟:

對于某一組觀測值O(H1,H2...HM),根據所構建的基本信任函數指派模型,
得到M組證據,構成證據集P,記為P={A1,A2,A3...AM},任選其中未組合的兩
組不同的證據Ai,Aj(i≠j),按照證據理論中的兩組證據組合規則進行組合得到
新的證據,記為Ai′,并以Ai′替換Ai,Aj,作為證據集P中的一個元素,直至
證據集P中只有一個元素,完成M組不同證據的證據組合。

所述數據關聯方法中,還包括:

根據證據組合后得到的綜合信息,選取其中信任值最大的一項作為引起本
組觀測值的對象,即將本組觀測值關聯到信任值最大的一項來實現數據關聯。

下面將以無線傳感器網絡的一個典型應用場景智能交通系統中的車輛跟
蹤為實施例,說明本發明的具體實施步驟。

真實的道路場景如圖2所示。由于智能交通系統處理的對象是動態流動
的車流,由傳感器節點得到的觀測數據必須正確關聯到真實對應的車輛,才能
實現車輛運動趨勢的預測,進而實現目標跟蹤。因此數據關聯是其中要解決的
核心問題。由于證據理論在不確定性的表示、組合方面的優勢,擬采用證據理
論實現數據關聯。考慮到無線傳感器網絡自身的局限性,如計算、存儲資源有
限,在跟蹤問題中,采用卡爾曼濾波預測目標運動趨勢。因為卡爾曼濾波只是
根據前一次的估計值和當前的觀測值,用狀態方程和遞推方法進行估計的。所
需的數據存儲量較小,便于進行實時處理,適合于在計算、存儲能力有限的傳
感器節點上實現。

本發明以現有的交通平臺能得到響應強度和響應時間信息,所以只是分別
對這兩種信息進行建模和組合。實際上,如果能得到更多的信息,那么就可以
組合更多的證據。

由圖2所示的傳感器節點可以獲得兩種信息:響應強度S和響應時間T(如
圖3所示)。響應強度是指車輛經過時引起傳感器節點響應的峰值,響應時間T
是指傳感器節點監測到車輛的持續期,即監測到車輛到來與車輛離開的時間
差。響應強度與車輛和傳感器節點之間的距離有關,距離近響應強度大,距離
遠響應強度小。但是響應強度還受車輛的鐵磁性物質含量影響,不同車輛的鐵
磁性物質含量不同,僅利用響應強度進行數據關聯會引起一定的不確定性。響
應時間與速度有關系,速度大對應的響應時間短,速度小對應的響應時間長。
但是響應時間還受車身長度、車輛鐵磁性物質含量影響,不同車輛的車身長度、
鐵磁性物質含量等不同,僅利用響應時間進行數據關聯也會引起一定的不確定
性。如果采用證據理論表示響應強度和響應時間信息,以響應強度和響應時間
作為證據,按照組合規則組合這兩類證據,根據組合結果進行數據關聯就能降
低由單類信息進行關聯時所引起的不確定性,提高關聯精度。

由大量統計可以得到車輛所引起的響應強度/響應時間的最小值/最大值,
儲存到布設的傳感器節點中,記為其中
記響應強度/響應時間信息的較大/較小的信任指派
M=(MminS,MmaxS,MminT,MmaxT),其值可以視情況進行適當調整。數據關聯的執行
流程如圖6所示,具體操作步驟如下:

步驟1、在時刻t傳感器節點接收到前一時刻(t-1)發送的后驗估計
i=1,2...N和估計誤差的協方差Pt-1,根據卡爾曼濾波理論,執行
時間更新推算當前狀態變量i=1,2...N,誤差協方差估計的值作為
該傳感器節點當前時刻的先驗估計;

步驟2、在某一時刻,傳感器節點儲存了N組觀測值j=1,2...N;

步驟3、建立基本信任指派函數。由于卡爾曼濾波是以最小均方誤差為估
計的最佳準則,保證了預測值是可信的,所以可以為預測值指派較大的信任值。
利用統計信息M=(MminS,MmaxS,MminT,MmaxT)和預測信
息i=1,2...N,為第j組觀測j=1,2...N建立信任指派函數
模型:

(a)對第j組觀測值中的建立屬于目標i的響應強度信任指派函數由
(Smin,MminS)、(Smax,MminS)來確定:

M i ( S t j ) = M min S + M max S - M min S S ^ t i - S min ( S t j - S min ) S t j S ^ t i M i ( S t j ) = M min S + M max S - M min S S ^ t i - S max ( S t j - S max ) S t j > S ^ t i ]]>i,j=1,2...N?(1)

其中,

Smin為目標所引起的響應強度的最小值;

Smax為目標所引起的響應強度的最大值;

為目標所引起的響應強度的最小信任指派值;

為目標所引起的響應強度的最大信任指派值;

為由目標i引起的響應強度的預測值;

代表一系列距離無線傳感器網絡節點較遠的目標的信任指
派函數;

代表一系列距離無線傳感器網絡節點較近的目標的信任指
派函數。

如圖4中所示,其中代表一系列距離傳感器節點較遠的車輛的信任
指派函數,代表一系列距離傳感器節點較近的車輛的信任指派函數;

(b)建立響應強度的不確定信息函數。當車輛距離傳感器節點較近時,引
起的響應強度較大,當車輛距離傳感器節點較遠時,引起的響應強度較小,所
以當響應強度較大/較小時,由圖(a),響應的距離傳感器節點較近/較遠的車
輛會獲得較高的信任值;然而當此時的響應強度St處于附近時,各種車輛的
鐵磁性物質含量及各種干擾因素的影響不可忽視,也即響應強度信息中的不確
定性增加,因此根據(Smin,MminS)、(Smax,MminS)建立不確定信息函數
如下:

M undef ( S t j ) = M min S + M max S - M min S S - S min ( S t j - S min ) S t j S M undef ( S t j ) = M min S + M max S - M min S S - S max ( S t j - S max ) S t j > S - - - ( 2 ) ]]>

其中,

S = S min + S max 2 ; ]]>

代表一系列距離無線傳感器網絡節點較遠的目標的不確
定信息函數;

代表一系列距離無線傳感器網絡節點較近的目標的不確
定信息函數。

如圖4中所示;

(c)對第j組觀測值中的建立屬于目標i的響應時間信任指派函數,由
(Tmin,MminT)、(Tmax,MminT)來確定:

M i ( T t j ) = M min T + M max T - M min T T ^ t i - T min ( T t j - T min ) T t j T ^ t i M i ( T t j ) = M min T + M max T - M min T T ^ t i - T max ( T t j - T max ) T t j > T ^ t i ]]>i,j=1,2...N(3)

其中,

Tmin為目標所引起的響應時間的最小值;

Tmax為目標所引起的響應時間的最大值;

為目標所引起的響應時間的最小信任指派;

為目標所引起的響應時間的最大信任指派;

為由目標i引起的響應強度的預測值;

代表一系列速度較快的目標的信任指派函數;

代表一系列速度較慢的目標的信任指派函數。

如圖5所示,其中代表一系列速度較快的車輛的信任指派函數,
代表一系列速度較慢的車輛的信任指派函數;

(d)建立響應時間的不確定信息函數。當車速較快時,引起的響應時間較
長,當車速較慢時,引起的響應時間較短,所以當響應時間較長/較短時,由
0,速度較快/較慢的車輛會獲得較高的信任值;然而當此時的響應時間Tt處于
附近時,各種車輛的鐵磁性物質含量及各種干擾因素的影響不可忽視,也即響
應時間信息中的不確定性增加,因此根據(Tmin,MminT)、(Tmax,MminT)建
立不確定信息函數如下:

M undef ( T t j ) = M min T + M max T - M min T T - T min ( T t j - T min ) T t j T M undef ( T t j ) = M min T + M max T - M min T T - T max ( T t j - T max ) T t j > T ]]>i,j=1,2N???????(4)

其中,

T = T min + T max 2 ; ]]>

代表一系列速度較快的目標的不確定信息函數;

代表一系列速度較慢的目標的不確定信息函數。

如圖5中所示;

(e)對由a、b得到的指派值進行歸一化操作。

M i ( S t j ) = M i ( S t j ) Σ k = 1 k = N M k ( S t j ) + M undef ( S t j ) M undef ( S t j ) = M undef ( S t j ) Σ k = 1 k = N M k ( S t j ) + M undef ( S t j ) ]]>i,j=1,2...N????(5)

(f)對由c、d得到的指派值進行歸一化操作。

M i ( T t j ) = M i ( T t j ) Σ k = 1 k = N M k ( T t j ) + M undef ( T t j ) M undef ( T t j ) = M undef ( T t j ) Σ k = 1 k = N M k ( T t j ) + M undef ( T t j ) ]]>i,j=1,2...N????(6)

步驟4、以響應強度信息和響應時間信息作為證據,利用證據理論的證據
組合規則得到綜合信息。有

M i ( O t j ) = M i ( S t j ) * M i ( T t j ) + M undef ( S t j ) * M i ( T t j ) + M undef ( T t j ) * M i ( S t j ) ]]>i,j=1,2...N????(7)

步驟5、關聯準則。對第j組觀測值j=1,2...N,比較
i=1,2...N,選取其中最大的一項k(假定k,i,j=1,2...N且k≠i)
作為引起第j組觀測的車輛,即將第j組觀測關聯到第k輛車;

步驟6、由卡爾曼濾波理論,執行狀態更新,利用新的觀測變量
j=1,2...N結合關聯的車輛構造改進的后驗估計
并更新誤差協方差Pk,將i=1,2...N和Pk,傳遞給下一個時刻(t+1)的傳
感器節點。

本發明是在無線傳感器網絡多目標跟蹤應用中,針對無線傳感器網絡本身
固有的資源限制,以及由環境中各種干擾因素引起的觀測值的不確定現象,利
用證據理論的優勢,實現對不確定信息的適當表示、并利用組合規則組合各種
信息,利用組合后的綜合信息進行數據關聯,解決了無線傳感器網絡中多目標
跟蹤中關鍵的數據關聯問題。

當然,本發明還可有其它多種實施例,在不背離本發明精神及其實質的情
況下,熟悉本領域的技術人員當可根據本發明做出各種相應的改變和變形,但
這些相應的改變和變形都應屬于本發明所附的權利要求的保護范圍。

關于本文
本文標題:基于DS推理的無線傳感器網絡多目標跟蹤數據關聯方法.pdf
鏈接地址:http://www.wwszu.club/p-6420900.html
關于我們 - 網站聲明 - 網站地圖 - 資源地圖 - 友情鏈接 - 網站客服 - 聯系我們

[email protected] 2017-2018 zhuanlichaxun.net網站版權所有
經營許可證編號:粵ICP備17046363號-1 
 


收起
展開
鬼佬大哥大