2.793

2018影响因子

(CJCR)

  • 中文核心
  • EI
  • 中国科技核心
  • Scopus
  • CSCD
  • 英国科学文摘

留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

基于量化新息的容积粒子滤波融合目标跟踪算法

徐小良 汤显峰 葛泉波 管冰蕾

徐小良, 汤显峰, 葛泉波, 管冰蕾. 基于量化新息的容积粒子滤波融合目标跟踪算法. 自动化学报, 2014, 40(9): 1867-1874. doi: 10.3724/SP.J.1004.2014.01867
引用本文: 徐小良, 汤显峰, 葛泉波, 管冰蕾. 基于量化新息的容积粒子滤波融合目标跟踪算法. 自动化学报, 2014, 40(9): 1867-1874. doi: 10.3724/SP.J.1004.2014.01867
XU Xiao-Liang, TANG Xian-Feng, GE Quan-Bo, GUAN Bing-Lei. Target Tracking Algorithm Based on Cubature Particle Filtering Fusion with Quantized Innovation. ACTA AUTOMATICA SINICA, 2014, 40(9): 1867-1874. doi: 10.3724/SP.J.1004.2014.01867
Citation: XU Xiao-Liang, TANG Xian-Feng, GE Quan-Bo, GUAN Bing-Lei. Target Tracking Algorithm Based on Cubature Particle Filtering Fusion with Quantized Innovation. ACTA AUTOMATICA SINICA, 2014, 40(9): 1867-1874. doi: 10.3724/SP.J.1004.2014.01867

基于量化新息的容积粒子滤波融合目标跟踪算法


DOI: 10.3724/SP.J.1004.2014.01867
详细信息
    作者简介:

    徐小良 杭州电子科技大学计算机学院教授.主要研究方向为无线传感器网络和目标跟踪.E-mail:xxl@hdu.edu.cn

    通讯作者: 汤显峰 浙江大学教育学院工程师.主要研究方向为信息融合和传感器网络.本文通信作者.E-mail:txf1213@zju.edu.cn
  • 基金项目:

    国家自然科学基金(601403218,61172133,61273075),浙江省自然科学基金(LQ14F030001),高等学校访问学者专业发展项目(FX2013157)资助

Target Tracking Algorithm Based on Cubature Particle Filtering Fusion with Quantized Innovation

More Information
  • Fund Project:

    Supported by National Natural Science Foundation of China (601403218, 61172133, 61273075), Natural Science Foundation of Zhejiang Province (LQ14F030001), and Visiting Scholar Development Program for Higher Education Institutions of China (FX2013157)

  • 摘要: 针对现有非线性网络化目标跟踪融合算法存在的精度低和实用性差等不足,以一类带有噪声相关的非线性网络化目标跟踪系统为对象,研究基于测量新息量化策略和容积粒子滤波(Cubature particle filter,CPF)的目标跟踪融合算法. 首先,利用状态方程恒等变换和矩阵相似变换理论解除过程噪声与测量噪声以及测量噪声之间的相关性;其次,各个传感器节点采用自适应策略量化局部测量新息并将其发送到融合中心(Fusion center,FC);随后,在集中式融合框架下采用容积粒子滤波器设计基于测量值扩维的量化融合跟踪算法,进而给出相应的顺序滤波量化融合算法,上述算法可有效解决因自适应量化引起的非高斯问题;最后,通过两个计算机仿真实验验证了所提出跟踪算法的有效性.
  • [1] Hadjidj A, Souil M, Bouabdallah A, Challal Y, Owen H. Wireless sensor networks for rehabilitation applications: challenges and opportunities. Journal of Network and Computer Applications, 2013, 36(1): 1-15
    [2] Yang Xiao-Jun. Channel aware target localization in multi-hop wireless sensor networks. Acta Automatica Sinica, 2013, 39(7): 1110-1116(杨小军. 多跳无线传感器网络下信道感知的目标定位方法. 自动化学报, 2013, 39(7): 1110-1116)
    [3] Yang Xiao-Jun, Xing Ke-Yi. Channel fault tolerant target tracking in multi-hop wireless sensor networks based on particle filtering. Acta Automatica Sinica, 2011, 37(4): 440-448 (杨小军, 邢科义. 无线多跳传感器网络下基于粒子滤波的信道容错的目标跟踪方法. 自动化学报, 2011, 37(4): 440-448)
    [4] Tu Zhi-Liang, Wang Qiang, Shen Yi. A distributed simultaneous optimization algorithm for tracking and monitoring of moving target in mobile sensor networks. Acta Automatica Sinica, 2012, 38(3): 452-461(涂志亮, 王强, 沈毅. 移动传感器网络中目标跟踪与监测的同步优化. 自动化学报, 2012, 38(3): 452-461)
    [5] Masazade E, Niu R, Varshney P K. Dynamic bit allocation for object tracking in wireless sensor networks. IEEE Transactions on Signal Processing, 2012, 60(10): 5048-5063
    [6] Zhou Y, Li J, Wang D. Target tracking in wireless sensor networks using adaptive measurement quantization. Science China Information Sciences, 2012, 55(4): 827-838
    [7] Xu J, Li J X, Xu S. Data fusion for target tracking in wireless sensor networks using quantized innovations and Kalman filtering. Science China Information Sciences, 2012, 55(3): 530-544
    [8] Xu Xiao-Liang, Zhang Hao, Tang Xian-Feng. Micro-EKF fusion algorithm for multi-sensor systems with correlated noise. Journal of Tsinghua University (Science and Technology), 2012, 52(9): 1199-1204(徐小良, 张浩, 汤显峰. 噪声相关多传感器系统的微观EKF融合算法. 清华大学学报(自然科学版), 2012, 52(9): 1199-1204)
    [9] Luo Z Q. Universal decentralized estimation in a bandwidth constrained sensor network. IEEE Transactions on Information Theory, 2005, 51(6): 2210-2219
    [10] You K, Xie L, Sun S, Xiao W. Quantized filtering of linear stochastic systems. Transactions of the Institute of Measurement and Control, 2011, 33(6): 683-698
    [11] Wen C L, Ge Q B, Tang X F. Kalman filtering in a bandwidth constrained sensor network. Chinese Journal of Electronics, 2009, 18(4): 713-718
    [12] Xu T L, Ge Q B, Feng X L, Wen C L. Strong tracking filter with bandwidth constraint for sensor networks. In: Proceedings of the 8th IEEE International Conference on Control & Automation. Xiamen, China: IEEE Computer Society, 2010. 596-601
    [13] Xu X L, Ge Q B. Networked strong tracking filters with noise correlations and bits quantization. In: Proceedings of the 3rd International Conference on Artificial Intelligence and Computational Intelligence. Heidelberg, Germany: Springer Verlag, 2011. 183-192
    [14] Peng L, Huang X, He L. Research on the target tracking algorithm for wireless sensor network based on improved particle filter. Journal of Convergence Information Technology, 2012, 7(11): 11-19
    [15] Savic V, Zazo S. Cooperative localization in mobile networks using nonparametric variants of belief propagation. Ad Hoc Networks, 2013, 11(1): 138-150
    [16] Sukhavasi R T, Hassibi B. The Kalman-like particle filter: optimal estimation with quantized innovations/measurements. IEEE Transactions on Signal Processing, 2013, 61(1): 131-136
    [17] Arasaratnam I, Haykin S. Cubature Kalman filters. IEEE Transactions on Automatic Control, 2009, 54(6): 1254-1269
    [18] Sun F, Tang L J. Improved particle filter algorithm for INS/GPS integrated navigation system. In: Proceedings of the 2011 IEEE International Conference on Mechatronics and Automation. Beijing, China: IEEE Computer Society, 2011. 2392-2396
    [19] Tang X F, Guan B L, Ge Q B, Xu X L. Nonlinear fusion using quantized measurements and cubature particle filter. In: Proceedings of the 25th Chinese Control and Decision Conference. NJ: IEEE Computer Society, 2013: 3692-3697
    [20] Jin Xue-Bo, Sun You-Xian. Optimal state estimation for data fusion with correlated measurement noise. Journal of Zhejiang University (Engineering Science), 2003, 37(1): 60-64(金学波, 孙优贤. 相关测量噪声的多传感器最优融合状态估计. 浙江大学学报(工学版), 2003, 37(1): 60-64)
    [21] Anderson B, Moore J. Optimal Filtering. Englewood Cliffs, NJ: Prentice-Hall, 1979.
    [22] Han Chong-Zhao, Zhu Hong-Yan, Duan Zhan-Sheng. Multi-Source Information Fusion. Beijing: Tsinghua University Press, 2006(韩崇昭, 朱洪艳, 段战胜. 多源信息融合. 北京: 清华大学出版社, 2006.)
  • [1] 游康勇, 杨立山, 郭文彬. 无线传感器网络下基于压缩感知的多目标分层贪婪匹配定位[J]. 自动化学报, 2019, 45(3): 480-489. doi: 10.16383/j.aas.2018.c170237
    [2] 郑婷婷, 杨旭升, 张文安, 俞立. 一种高斯渐进滤波框架下的目标跟踪方法[J]. 自动化学报, 2018, 44(12): 2250-2258. doi: 10.16383/j.aas.2018.c170421
    [3] 罗旭, 柴利, 杨君. 无线传感器网络下静态水体中的近岸污染源定位[J]. 自动化学报, 2014, 40(5): 849-861. doi: 10.3724/SP.J.1004.2014.00849
    [4] 杨小军. 多跳无线传感器网络下信道感知的目标定位方法[J]. 自动化学报, 2013, 39(7): 1110-1116. doi: 10.3724/SP.J.1004.2013.01110
    [5] 刘韬. 基于梯度的无线传感器网络能耗分析及能量空洞避免机制[J]. 自动化学报, 2012, 38(8): 1353-1361. doi: 10.3724/SP.J.1004.2012.01353
    [6] 彭宇, 罗清华, 王丹, 彭喜元. 基于区间数聚类的无线传感器网络定位方法[J]. 自动化学报, 2012, 38(7): 1190-1199. doi: 10.3724/SP.J.1004.2012.01190
    [7] 牛建军, 邓志东, 李超. 无线传感器网络分布式调度方法研究[J]. 自动化学报, 2011, 37(5): 517-528. doi: 10.3724/SP.J.1004.2011.00517
    [8] 洪榛, 俞立, 张贵军. 无线传感器网络自适应分布式聚簇路由协议[J]. 自动化学报, 2011, 37(10): 1197-1205. doi: 10.3724/SP.J.1004.2011.01197
    [9] 杨小军, 邢科义. 无线多跳传感器网络下基于粒子滤波的信道容错的目标跟踪方法[J]. 自动化学报, 2011, 37(4): 440-448. doi: 10.3724/SP.J.1004.2011.00440
    [10] 向敏, 石为人. 基于数据关联性的无线传感器网络簇内数据管理算法[J]. 自动化学报, 2010, 36(9): 1343-1350. doi: 10.3724/SP.J.1004.2010.01343
    [11] 牛建军, 邓志东. 基于马尔可夫链的无线传感器网络分布式调度方法[J]. 自动化学报, 2010, 36(5): 685-695. doi: 10.3724/SP.J.1004.2010.00685
    [12] 石为人, 唐云建, 王燕霞. 基于拥塞控制的无线传感器网络数据汇集树生成算法[J]. 自动化学报, 2010, 36(6): 823-828. doi: 10.3724/SP.J.1004.2010.00823
    [13] 古连华, 程良伦, ZHU Quan-Min. Aμ-MAC: 一种自适应的无线传感器网络MAC协议[J]. 自动化学报, 2010, 36(1): 54-59. doi: 10.3724/SP.J.1004.2010.00054
    [14] 石为人, 袁久银, 雷璐宁. 无线传感器网络覆盖控制算法研究[J]. 自动化学报, 2009, 35(5): 540-545. doi: 10.3724/SP.J.1004.2009.00540
    [15] 王玉茹, 刘家锋, 刘国军, 唐降龙, 刘鹏. 基于多区域联合粒子滤波的人体运动跟踪[J]. 自动化学报, 2009, 35(11): 1387-1393. doi: 10.3724/SP.J.1004.2009.01387
    [16] 陈嘉鸿, 韩九强, 席震东, 张新曼. 一般相关噪声下多传感器平滑融合算法[J]. 自动化学报, 2009, 35(5): 491-497. doi: 10.3724/SP.J.1004.2009.00491
    [17] 贾杰, 陈剑, 常桂然, 闻英友. 无线传感器网络中覆盖集的高效选取[J]. 自动化学报, 2008, 34(9): 1158-1162. doi: 10.3724/SP.J.1004.2008.01157
    [18] 杜军朝, 刘惠, 陈平, 武波. 无线传感器网络中基于链路层服务的最可靠路由路径建立算法[J]. 自动化学报, 2007, 33(12): 1269-1275. doi: 10.1360/aas-007-1269
    [19] 王睿, 梁彦, 潘泉, 程咏梅. 无线传感器网络信息感知中的自组织算法[J]. 自动化学报, 2006, 32(5): 829-833.
    [20] 史忠科. Kalman滤波新结构及其在目标跟踪中的应用[J]. 自动化学报, 1994, 20(5): 605-609.
  • 加载中
计量
  • 文章访问数:  1279
  • HTML全文浏览量:  41
  • PDF下载量:  1217
  • 被引次数: 0
出版历程
  • 收稿日期:  2013-06-21
  • 修回日期:  2014-03-28
  • 刊出日期:  2014-09-20

基于量化新息的容积粒子滤波融合目标跟踪算法

doi: 10.3724/SP.J.1004.2014.01867
    作者简介:

    徐小良 杭州电子科技大学计算机学院教授.主要研究方向为无线传感器网络和目标跟踪.E-mail:xxl@hdu.edu.cn

    通讯作者: 汤显峰 浙江大学教育学院工程师.主要研究方向为信息融合和传感器网络.本文通信作者.E-mail:txf1213@zju.edu.cn
基金项目:

国家自然科学基金(601403218,61172133,61273075),浙江省自然科学基金(LQ14F030001),高等学校访问学者专业发展项目(FX2013157)资助

摘要: 针对现有非线性网络化目标跟踪融合算法存在的精度低和实用性差等不足,以一类带有噪声相关的非线性网络化目标跟踪系统为对象,研究基于测量新息量化策略和容积粒子滤波(Cubature particle filter,CPF)的目标跟踪融合算法. 首先,利用状态方程恒等变换和矩阵相似变换理论解除过程噪声与测量噪声以及测量噪声之间的相关性;其次,各个传感器节点采用自适应策略量化局部测量新息并将其发送到融合中心(Fusion center,FC);随后,在集中式融合框架下采用容积粒子滤波器设计基于测量值扩维的量化融合跟踪算法,进而给出相应的顺序滤波量化融合算法,上述算法可有效解决因自适应量化引起的非高斯问题;最后,通过两个计算机仿真实验验证了所提出跟踪算法的有效性.

English Abstract

参考文献 (22)

目录

    /

    返回文章
    返回