具有量化的传感器网络机动目标状态估计算法.pdfVIP

2025-02兵工自动化

·55·

44(2)OrdnanceIndustryAutomation

doi:10.7690/bgzdh.2025.02.011

具有量化的传感器网络机动目标状态估计算法

何文韬，陈欣，王威振

(南京航空航天大学自动化学院，南京210016)

摘要：针对传感器网络(sensornetwork，SN)对机动目标的状态估计问题，提出一种交互式多模型量化无迹卡尔

曼滤波(interactingmultiplemodelquantization-basedunscentedKalmanfilter，IMM-QUKF)算法。为节省通信带宽，

传感器的测量数据经过概率量化后发送给远程局部估计器；考虑量化机制引入的误差，设计改进的无迹卡尔曼滤波

算法，并与交互式多模型算法结合得到局部估计。数值仿真验证结果表明：该算法对于机动目标具有较好的跟踪效果。

关键词：传感器网络；状态估计；交互式多模型；无迹卡尔曼滤波；概率量化

中图分类号：TP212文献标志码：A

ManeuveringTargetStateEstimationAlgorithmwith

QuantizationforSensorNetwork

HeWentao,ChenXin,WangWeizhen

(CollegeofAutomationEngineering,NanjingUniversityofAeronauticsandAstronautics,Nanjing210016,China)

Abstract:Toestimatethestateofamaneuveringtargetinsensornetworks,aninteractingmultiplemodelquantized

unscentedKalmanfilter(IMM-QUKF)algorithmisproposed.Inordertosavethecommunicationbandwidth,the

measurementdataofsensorsaresenttotheremotelocalestimatorafterprobabilityquantization.Consideringtheerror

introducedbythequantizationmechanism,animprovedunscentedKalmanfilteralgorithmisdesignedandcombined

withtheinteractingmultiplemodelalgorithmtoobtainthelocalestimation.Numericalsimulationresultsshowthatthe

algorithmhasgoodtrackingeffectformaneuveringtarget.

Keywords:sensornetwork;stateestimation;interactingmultiplemodel;unscentedKalmanfilter;probabilisticquantization

0引言文献[12]研究了具有概率量化和动态事件触发机制