一种分解式模糊聚类粒子滤波的WSN多目标跟踪方法.pdfVIP

第 10卷 第 l0期 2010年4月 科 学 技 术 与 工 程 Vo1．10 No．10 Apr．2010 I671—1815(2010)10—2312-05 ScienceTechnologyandEngineering @ 2010 Sci．Tech．Engng． 一 种分解式模糊聚类粒子滤波的 WSN多 目标跟踪方法 刘 美 高欢萍 刘 林 (茂名学院计算机与电子信息学院 ，茂名 525000；太原理工大学信息工程学院 ，太原030024) 摘 要 针对无线传感器网络环境下的多目标跟踪时近相距和轨迹交叉 目标容易出现 目标丢失和跟踪混淆的问题，提出一 种分解式模糊聚类粒子滤波(DFCM--RPF)的多目标跟踪方法。把多传感器数据融合和多 目标跟踪 问题分解为单传感器数 据融合和单 目标跟踪问题，先对传感器节点量测用基于跟踪门限算法去除杂波，在各传感器节点的观测空间分别建立模糊聚 类算法进行数据关联并最优融合，然后用正则化粒子滤波预测 目标状态。仿真表明，DFCM--RPF算法与原FCM多 目标跟踪 方法相比，航迹关联正确率由85％提高到100％，目标预测位置的RMSE由4．4377m下降到1．3073nl，DFCM--RPF算法体 现了较好的跟踪性能，并集数据关联、数据融合和 目标跟踪于一体，大大降低WSN多 目标跟踪问题的复杂性和计算量。 关键词 无线传感器网络(WSN) 多目标跟踪 粒子滤波 模糊聚类 中图法分类号 TN914．5； 文献标志码 A 基于无线传感器网络 (WSN)的多 目标跟踪是 对于多 目标跟踪，尤其是近相距和轨迹交叉的 目 多 目标跟踪的一个重要研究方 向。WSN具有节点 标，在密集杂波干扰环境 中，众多的回波与 目标航 成本低、体积小、无线通信、网络随机部署、良好的 迹之间具有极大的不确定性，要么多个 回波位于同 自组织、鲁棒性和隐蔽性等突出优点，在多 目标跟 一 跟踪门内，要么单个回波位于多个跟踪门的交集 踪领域中有广阔的应用前景。但 WSN却存在节点 内，并且与 目标预测状态最接近的回波并非必定是 的计算、能量、存贮、通信等资源受限的特点，这使 目标 回波，因此很容易使多 目标跟踪出现混淆、误 得传统多 目标跟踪较成熟的研究成果不能直接应 跟、漏跟和振荡等现象，给多 目标跟踪增添困难。 用在WSN系统中，基于WSN的多 目标跟踪技术是 目前，在传统的 目标跟踪算法中，较典型的算法 21世纪的一项挑战性研究课题 Il2]。 有最近邻 (NN)方法、概率数据关联 (PDA)方法、联合 在WSN 目标跟踪中，数据融合作为核心部分起 概率数据关联 (JPDA)方法和多假设多 目标跟踪 两方面作用：一是减少数据通信量，降低能耗，延长 (MHT)算法等-3]。其中，NN法在实际应用中常常发 网络寿命；二是通过融合得到被跟踪 目标的正确航 生误跟和丢失 目标的现象；PDA、JPDA和MHT方法 迹。数据融合问题可以描述为关联和估计这两个 计算复杂，在一些隋况下运算量甚至出现组合爆炸的 最优化问题，其中的数据关联就是将候选 回波与 已 现象，均不适合资源有限的无线传感器网络。近年 知 目标轨迹相比较并确定正确的观测／轨迹配对。 来，人们应用模式识别理论中的模糊和聚类理论 进行数据关联的研究。文献[5]提出了基于模糊均值 聚类FCM(fuzzyC．mealis)算法，能比较有效地避免 2010年1月 14日收到 广东省自然科学基金项 目(9151052101000013)、 茂名市重点科技计划项 目资助 WSN多 目标跟踪的误跟、振荡、漏跟和重复跟踪问