无迹卡尔曼滤波算法在目标跟踪中的研究

无迹卡尔曼滤波(UKF)是重要的非线性滤波方法。无迹卡尔曼滤波方法是通过一组代表着均值和方差分布的采样点来对非线性系统进行非线性计算,在不对非线性方程线性近似的条件下,达到线性卡尔曼滤波器的滤波性能。文中在机动目标选定运动模型和滤波算法的基础上,对机动目标的运动作了仿真实验。从仿真分析中可以看出,无迹卡尔曼滤波在跟踪方面有很高的精度,与传统的扩展卡尔曼滤波算法相比较,无迹卡尔曼滤波算法有较小的跟踪误差。     

无线传感器网络目标跟踪中的分散传感器选择

本文考虑在分散的目标跟踪系统中的传感器资源管理问题。由于频率,能量和带宽的限制,对于任何时刻的融合中心选择的传感器是有上限的。本文的传感器网络结构是分散的,没有中央融合中心(CFC),每一个融合中心(FC)只跟邻近FC通信,每个FC决定在每一个采样时刻哪个传感器被选择,从而实现在这种限制下跟踪性能优化。     

基于CPCRLB和一致性算法的分散式传感器管理

针对无线传感器网络中的目标跟踪问题,基于条件后验克拉美—罗下界（CPCRLB）提出一种分散式传感器节点管理方法．基于一致性策略给出一种CPCRLB的分布式迭代算法,并且基于分布式粒子滤波器给出该算法的数值逼近实现．对层次结构的无线传感器网络,将CPCRLB作为传感器管理的准则,基于平均一致性给出一种迭代的局部搜索算法,实现了无线传感器网络下观测节点的分散式在线选择．仿真结果表明了基于CPCRLB的分散式传感器管理方法在目标跟踪精度方面的有效性．     

无线传感器网络下基于量化数据的目标跟踪方法

针对无线传感器网络的目标跟踪问题,研究了基于量化数据的粒子滤波问题。文中分析了辅助粒子滤波以及费用参考粒子滤波的跟踪性能,经过多次仿真实验结果表明,辅助粒子滤波器具有更好的估计性能。