改进粒子滤波的无线传感器网络目标跟踪算法.docx

140传感器与微系统(TransducerandMicrosystemTechnologies)2016年第35卷第7期

DOI:10.13873/J.1000-9787(2016)07-0140-03

改进粒子滤波的无线传感器网络目标跟踪算法*

丁婷婷，高美凤

(江南大学轻工过程先进控制教育部重点实验室，江苏无锡214122)

摘要：针对粒子滤波(PF)重采样后造成的粒子枯竭现象的问题，提出了一种基于改进重采样的粒子滤波无线传感器网络目标跟踪算法。该算法避免了残差重采样算法中的残留粒子重采样问题，减少了计算时间；通过产生新的粒子，增加了粒子的多样性，从而改善了粒子枯竭现象。仿真实验结果表明：改进重采样的粒子滤波算法提高了目标跟踪精度，降低了跟踪误差。

关键词：目标跟踪；无线传感器网络；粒子滤波；重采样；粒子枯竭

中图分类号：TP393文献标识码：A文章编号：1000-9787(2016)07-0140-03

TargettrackingalgorithmforWSNsbasedonimprovedparticlefiltering*

DINGTing-ting,GAOMei-feng

(KeyLaboratoryofAdvancedProcessControlforLightIndustry,MinistryofEducation

JiangnanUniversity,Wuxi214122,China)

Abstract:Aimingatparticleimpoverishmentphenomenoncausedbyparticlefilteringresampling,atargettrackingalgorithmforWSNsbasedonimprovedresamplingparticlefilteringispresentedfortheWSNs.Theproposedalgorithmavoidsresidualparticleresamplingproblem,thusreducescalculationtime;byproducingnewparicles,diversityofparticlesisincreased,soparticleimpoverishmentphenomenonisimproved.Simulationexperimentalresultsshowthattheimprovedresamplingparticlefilteringalgorihmimprovestargettrackingprecisionandreducetrackingerror.

Keywords:targettracking;wirelesssensornetworks(WSNs);particlefiltering(PF);resampling;particleim-poverishment

0引言

无线传感器网络(wirelesssensornetworks,WSNs)是由部署在监测区域内的大量成本低、体积小、具有一定通信与计算能力的传感器节点组成，且节点之间通过无线通信的方式形成一个多跳的自组织网络系统。相较于具有很高的可靠性、鲁棒性、精确性，但价格昂贵的复杂检测技术，例如：雷达、通用分组无线业务(GPRS)等，WSNs部署随机，具有自组织性、鲁棒性和隐蔽性，因此WSNs非常适用于目标的定位和跟踪。在WSNs目标跟踪中，常用的跟踪算法有：扩展卡尔曼滤波(EKF)1、无迹卡尔曼滤波(UKF)2、

粒子滤波(PF)3等。卡尔曼滤波算法在非线性系统中难以应用，扩展卡尔曼滤波适用于非线性化程度比较低的应用中，无迹卡尔曼滤波不能应用于非高斯分布系统。而粒子滤波算法利用粒子集来表示概率，所以，可以很好地解决

一些非线性非高斯估计问题。由于目标跟踪中目标的运动是不确定的，其实质是一种非线性问题，因此，粒子滤波广泛应用于目标跟踪。

粒子滤波存在的最大问题是粒子退化，为了避免退化，ArulampalamMS等人4]提出重采样方法，重采样虽然一定程度上缓解了粒子退化现象，但同时会造成粒子枯竭现象。针对粒子枯竭问题，