面向室內(nèi)環(huán)境的WSN跟蹤關(guān)鍵技術(shù)研究.pdf

1、目前針對面向室內(nèi)跟蹤應(yīng)用的無線傳感器網(wǎng)絡(luò),如何結(jié)合無線傳感器網(wǎng)絡(luò)自身低功耗、低傳輸速率的特點(diǎn)以及室內(nèi)復(fù)雜的信道環(huán)境,有效的提高跟蹤定位精度成為一個迫切需要解決的問題。本文從減少網(wǎng)絡(luò)通信負(fù)載和對復(fù)雜場景下運(yùn)用濾波算法進(jìn)行跟蹤定位處理的角度出發(fā),主要進(jìn)行如下工作:
　　 第一,提出了一種基于最優(yōu)量化策略的多比特量化卡爾曼濾波算法。經(jīng)過最優(yōu)量化器進(jìn)行量化處理的多比特量化卡爾曼濾波算法通過最優(yōu)量化策略盡量保留了有效地觀測信息,同時極大降

2、低無線傳感器網(wǎng)絡(luò)中網(wǎng)絡(luò)通信負(fù)載。首先利用無線傳感器網(wǎng)絡(luò)節(jié)點(diǎn)對待測目標(biāo)觀測信息的相關(guān)性,探討了進(jìn)行觀測信息量化的合理性；其次,探討了采用單一比特量化的卡爾曼濾波算法以及該算法存在的不足；最后針對單比特量化卡爾曼濾波算法的不足,提出了基于多比特量化卡爾曼濾波算法的思路,并設(shè)計了最佳量化閾值估計器。除此以外,采用線性模型的仿真結(jié)果驗(yàn)證了采用最優(yōu)比特量策略的多比特量化卡爾曼濾波算法的一致性。
　　 第二,討論復(fù)雜場景下跟蹤定位的關(guān)鍵技術(shù)

3、。首先提出空間模型分解法對復(fù)雜大規(guī)模全局系統(tǒng)進(jìn)行分解,降低預(yù)測估計計算復(fù)雜度,使其成為適合無線傳感器網(wǎng)絡(luò)計算的分布式子系統(tǒng)。同時針對系統(tǒng)分解帶來的子系統(tǒng)交疊和信息共享問題,提出采用雙向數(shù)據(jù)融合法對觀測數(shù)據(jù)進(jìn)行融合處理。其次,針對待測目標(biāo)非線性的運(yùn)動場景,利用擴(kuò)展卡爾曼濾波方法對待測目標(biāo)的非線性運(yùn)動模型進(jìn)行線性化近似處理,然后再利用量化卡爾曼濾波的思路對線性化后的模型進(jìn)行預(yù)測估計。通過非線性模型的仿真驗(yàn)證了基于量化的擴(kuò)展卡爾曼濾波算法的一