專(zhuān)利名稱(chēng)：基于ds推理的無(wú)線傳感器網(wǎng)絡(luò)多目標(biāo)跟蹤數(shù)據(jù)關(guān)聯(lián)方法
技術(shù)領(lǐng)域：
本發(fā)明屬于智能信息處理技術(shù)領(lǐng)域，特別是涉及一種基于DS(Dempster-Shafer) 證據(jù)推理的無(wú)線傳感器網(wǎng)絡(luò)多目標(biāo)跟蹤數(shù)據(jù)關(guān)聯(lián)方法。
背景技術(shù)：
隨著傳感器技術(shù)、微機(jī)電技術(shù)、現(xiàn)代網(wǎng)絡(luò)和無(wú)線通信等技術(shù)的進(jìn)步，產(chǎn)生了涉及多學(xué)科高度交叉、知識(shí)高度集成的無(wú)線傳感器網(wǎng)絡(luò)(Wireless Sensor Network，WSN)，其優(yōu)點(diǎn)突出成本低，布設(shè)方便，組網(wǎng)快捷、靈活，不受有線網(wǎng)絡(luò)約束，已經(jīng)廣泛應(yīng)用于軍事國(guó)防、エ 農(nóng)業(yè)控制、環(huán)境檢測(cè)、危險(xiǎn)區(qū)域遠(yuǎn)程控制等領(lǐng)域。無(wú)線傳感器網(wǎng)絡(luò)由于其自組織性、魯棒性及節(jié)點(diǎn)數(shù)量巨大的特點(diǎn)，非常適合于目標(biāo)跟蹤。目前無(wú)線傳感器網(wǎng)絡(luò)的目標(biāo)跟蹤研究主要集中于在不同環(huán)境下的單目標(biāo)跟蹤，如何以較低的能量代價(jià)高效地融合有效的信息，提高觀測(cè)精度和延長(zhǎng)網(wǎng)絡(luò)生存期，并解決多目標(biāo)跟蹤，成為目前研究無(wú)線傳感器網(wǎng)絡(luò)目標(biāo)跟蹤多目標(biāo)跟蹤中需要解決的ー個(gè)核心問(wèn)題是數(shù)據(jù)關(guān)聯(lián)。數(shù)據(jù)關(guān)聯(lián)也即是將觀測(cè)值正確地映射到引起本次觀測(cè)的目標(biāo)，建立觀測(cè)值與目標(biāo)之間的對(duì)應(yīng)關(guān)系。只有正確地解決了數(shù)據(jù)關(guān)聯(lián)問(wèn)題，繼而才能有效地預(yù)測(cè)目標(biāo)的運(yùn)動(dòng)趨勢(shì)，進(jìn)行后續(xù)的目標(biāo)跟蹤任務(wù)。常用的關(guān)聯(lián)方法有最近鄰數(shù)據(jù)關(guān)聯(lián)(Near Neighbor Data Association, NNDA), 概率數(shù)據(jù)關(guān)聯(lián)濾波算法(probability data association filter, PDA)、聯(lián)合概率數(shù)據(jù)關(guān)聯(lián)濾波算法(joint data association，JPDA)、概率多假設(shè)跟蹤(probability multiple hypothesis track,PMHT) ^ ^ ^ ' (Expectation-Maximization,EM)等。NNDA 具有運(yùn)算量小，易于實(shí)現(xiàn)等優(yōu)點(diǎn)，但是環(huán)境局限性較大，僅適用于對(duì)稀疏目標(biāo)環(huán)境的目標(biāo)跟蹤；PDA方法計(jì)算量較小，實(shí)時(shí)性好，有較好的單目標(biāo)跟蹤性能，但在跟蹤多個(gè)目標(biāo)時(shí)會(huì)發(fā)生目標(biāo)的偏移和聚合現(xiàn)象。專(zhuān)利“分布式多目標(biāo)跟蹤的方法和系統(tǒng)”利用視頻信息，采用 EM算法實(shí)現(xiàn)數(shù)據(jù)關(guān)聯(lián)。專(zhuān)利“一種聯(lián)合概率數(shù)據(jù)關(guān)聯(lián)的視頻多目標(biāo)快速跟蹤方法”利用視頻信息，采用基于概率理論的JPDA實(shí)現(xiàn)數(shù)據(jù)關(guān)聯(lián)；中文專(zhuān)利“一種基于地面動(dòng)目標(biāo)指示雷達(dá)系統(tǒng)的多目標(biāo)跟蹤方法”及英文專(zhuān)利“Multi-window/multi-target tracking method ior point source objects,involves assigning unique local frame sum to objects, applying detection algorithms to objects, and producing track files of one of objects”采用概率多假設(shè)跟蹤(PMHT)方法實(shí)現(xiàn)數(shù)據(jù)關(guān)聯(lián)。這兩種方法不僅具有基于概率方法固有的不能表示不確定性信息的缺陷，而且計(jì)算量大，很難在無(wú)線傳感器網(wǎng)絡(luò)中實(shí)現(xiàn)的問(wèn)題。專(zhuān)利“機(jī)動(dòng)多目標(biāo)跟蹤方法”針對(duì)基于概率進(jìn)行數(shù)據(jù)關(guān)聯(lián)計(jì)算量大的缺陷，提出了基于聚矩陣分解的簡(jiǎn)化概率數(shù)據(jù)關(guān)聯(lián)算法，大大減少了計(jì)算量。專(zhuān)利“模糊巨雷粒子濾波的無(wú)線傳感器網(wǎng)絡(luò)多目標(biāo)跟蹤方法”提出了先采用跟蹤門(mén)限算法進(jìn)行粗關(guān)聯(lián)，然后利用FCM進(jìn)行精關(guān)聯(lián)的兩級(jí)關(guān)聯(lián)策略，在一定程度較少了計(jì)算量。由于真實(shí)環(huán)境的復(fù)雜性，各種不可控制、不可預(yù)期的干擾因素的存在，在觀測(cè)過(guò)程中得到的觀測(cè)值往往存在ー些不確定、未知因素。在多目標(biāo)跟蹤系統(tǒng)中常用的如JPDA等基于概率的方法簡(jiǎn)單地將不知道劃分到對(duì)立事件中。相比于傳統(tǒng)的基于概率的關(guān)聯(lián) 方法，證據(jù)理論(Dempster-Shafer Theory, DST)在不確定的表示、觀測(cè)和組合方面有很 大優(yōu)勢(shì)，能夠表示由無(wú)知帶來(lái)的不確定性，利用組合規(guī)則融合多種證據(jù)信息，得到綜合評(píng) 價(jià)指標(biāo)° 英文專(zhuān)利 “Method for distributed data association and multi-target tracking-communicating track information among processing entities which process inputs from single sensor with continuing updating，，提至lj進(jìn)行數(shù)據(jù)關(guān)聯(lián)時(shí) 可以基于證據(jù)理論，但是并沒(méi)有給出具體的利用證據(jù)理論進(jìn)行數(shù)據(jù)關(guān)聯(lián)的方法。

發(fā)明內(nèi)容
本發(fā)明的目的在于提供一種基于DS推理的無(wú)線傳感器網(wǎng)絡(luò)多目標(biāo)跟蹤數(shù)據(jù)關(guān)聯(lián) 方法，用于在無(wú)線傳感器網(wǎng)絡(luò)多目標(biāo)跟蹤應(yīng)用中，針對(duì)無(wú)線傳感器網(wǎng)絡(luò)本身固有的資源限 制，以及由環(huán)境中各種干擾因素引起的觀測(cè)值的不確定現(xiàn)象，利用證據(jù)理論的優(yōu)勢(shì)，實(shí)現(xiàn)對(duì) 不確定信息的適當(dāng)表示、并利用組合規(guī)則組合各種信息，利用組合后的綜合信息進(jìn)行數(shù)據(jù) 關(guān)聯(lián)。為了實(shí)現(xiàn)上述目的，本發(fā)明提供一種基于DS推理的無(wú)線傳感器網(wǎng)絡(luò)多目標(biāo)跟蹤 數(shù)據(jù)關(guān)聯(lián)方法，其特征在于，包括步驟1，利用前一個(gè)無(wú)線傳感器網(wǎng)絡(luò)節(jié)點(diǎn)發(fā)送的信息得到關(guān)于目標(biāo)的預(yù)測(cè)信息，對(duì) 當(dāng)前無(wú)線傳感器網(wǎng)絡(luò)節(jié)點(diǎn)所觀測(cè)到的不確定信息構(gòu)建基本信任函數(shù)指派模型；步驟2，根據(jù)所述基本信任函數(shù)指派模型，由證據(jù)理論的組合規(guī)則組合不同證據(jù)得 到綜合信息，根據(jù)綜合信息實(shí)現(xiàn)數(shù)據(jù)關(guān)聯(lián)。所述的數(shù)據(jù)關(guān)聯(lián)方法，其中，所述步驟1中，包括為第i種不確定信息建立屬于目標(biāo)j的信任指派函數(shù)；建立第i種不確定信息的不確定信息函數(shù)；對(duì)為第i種不確定信息建立的信任指派函數(shù)以及不確定信息函數(shù)進(jìn)行歸一化處 理；其中，i = 1,2. . .M, j = 1,2. . .N,M為不確定信息的個(gè)數(shù),N為待識(shí)別目標(biāo)的個(gè)數(shù)。所述的數(shù)據(jù)關(guān)聯(lián)方法，其中，所述為第i種不確定信息建立屬于目標(biāo)j的信任指派函數(shù)采用如下公式
權(quán)利要求
1.一種基于DS推理的無(wú)線傳感器網(wǎng)絡(luò)多目標(biāo)跟蹤數(shù)據(jù)關(guān)聯(lián)方法，其特征在干，包括 步驟1，利用前一個(gè)無(wú)線傳感器網(wǎng)絡(luò)節(jié)點(diǎn)發(fā)送的信息得到關(guān)于目標(biāo)的預(yù)測(cè)信息，對(duì)當(dāng)前無(wú)線傳感器網(wǎng)絡(luò)節(jié)點(diǎn)所觀測(cè)到的不確定信息構(gòu)建基本信任函數(shù)指派模型；步驟2，根據(jù)所述基本信任函數(shù)指派模型，由證據(jù)理論的組合規(guī)則組合不同證據(jù)得到綜合信息，根據(jù)綜合信息實(shí)現(xiàn)數(shù)據(jù)關(guān)聯(lián)。
2.根據(jù)權(quán)利要求1所述的數(shù)據(jù)關(guān)聯(lián)方法，其特征在干， 所述步驟1中，包括為第i種不確定信息建立屬于目標(biāo)j的信任指派函數(shù)； 建立第i種不確定信息的不確定信息函數(shù)；對(duì)為第i種不確定信息建立的信任指派函數(shù)以及不確定信息函數(shù)進(jìn)行歸一化處理； 其中，i = 1,2...M, j = 1，2... N，M為不確定信息的個(gè)數(shù)，N為待識(shí)別目標(biāo)的個(gè)數(shù)。
3.根據(jù)權(quán)利要求2所述的數(shù)據(jù)關(guān)聯(lián)方法，其特征在干，所述為第i種不確定信息建立屬于目標(biāo)j的信任指派函數(shù)采用如下公式
4.根據(jù)權(quán)利要求3所述的數(shù)據(jù)關(guān)聯(lián)方法，其特征在干，所述建立第i種不確定信息的不確定信息函數(shù)采用如下公式
5.根據(jù)權(quán)利要求4所述的數(shù)據(jù)關(guān)聯(lián)方法，其特征在干，所述對(duì)第i種不確定信息H所構(gòu)建的信任指派函數(shù)以及不確定信息函數(shù)進(jìn)行歸ー化處理采用如下公式
6.根據(jù)權(quán)利要求1-5任一所述的數(shù)據(jù)關(guān)聯(lián)方法，其特征在干， 所述步驟2中，還包括實(shí)現(xiàn)多組證據(jù)組合的步驟對(duì)于一組觀測(cè)值0 (H” H2. . . Hm)，根據(jù)所構(gòu)建的基本信任函數(shù)指派模型，得到M組證據(jù)， 構(gòu)成證據(jù)集P，記為P = IAijA2jA3. . . AJ，任選其中未組合的兩組不同的證據(jù)ApAj. (i Φ j)， 按照證據(jù)理論中的兩組證據(jù)組合規(guī)則進(jìn)行組合得到新的證據(jù)，記為Ai'，并以Ai'替換Ai, Aj,作為證據(jù)集P中的ー個(gè)元素，直至證據(jù)集P中只有ー個(gè)元素，完成M組不同證據(jù)的證據(jù)組合。
7.根據(jù)權(quán)利要求6所述的數(shù)據(jù)關(guān)聯(lián)方法，其特征在于，還包括根據(jù)證據(jù)組合后得到的綜合信息，選取其中信任值最大的一項(xiàng)作為引起本組觀測(cè)值的對(duì)象，從而實(shí)現(xiàn)數(shù)據(jù)關(guān)聯(lián)。
8.根據(jù)權(quán)利要求6所述的數(shù)據(jù)關(guān)聯(lián)方法，其特征在干，當(dāng)所述不確定信息包括響應(yīng)強(qiáng)度、響應(yīng)時(shí)間時(shí)，所述步驟1具體包括 建立屬于某目標(biāo)的響應(yīng)強(qiáng)度信任指派函數(shù)、響應(yīng)時(shí)間信任指派函數(shù)； 建立響應(yīng)強(qiáng)度的不確定信息函數(shù)、響應(yīng)時(shí)間的不確定信息函數(shù)； 對(duì)所述響應(yīng)強(qiáng)度信任指派函數(shù)、所述響應(yīng)時(shí)間信任指派函數(shù)、所述響應(yīng)強(qiáng)度的不確定信息函數(shù)、所述響應(yīng)時(shí)間的不確定信息函數(shù)進(jìn)行歸一化處理。
9.根據(jù)權(quán)利要求8所述的數(shù)據(jù)關(guān)聯(lián)方法，其特征在干， 建立所述響應(yīng)強(qiáng)度信任指派函數(shù)采用以下公式
10.根據(jù)權(quán)利要求9所述的數(shù)據(jù)關(guān)聯(lián)方法，其特征在干， 建立所述響應(yīng)強(qiáng)度的不確定信息函數(shù)采用以下公式
11.根據(jù)權(quán)利要求10所述的數(shù)據(jù)關(guān)聯(lián)方法，其特征在干，所述對(duì)所述響應(yīng)強(qiáng)度信任指派函數(shù)、所述響應(yīng)強(qiáng)度的不確定信息函數(shù)進(jìn)行歸一化處理采用如下公式
全文摘要
本發(fā)明公開(kāi)了一種基于DS推理的無(wú)線傳感器網(wǎng)絡(luò)多目標(biāo)跟蹤數(shù)據(jù)關(guān)聯(lián)方法，包括步驟1，利用前一個(gè)無(wú)線傳感器網(wǎng)絡(luò)節(jié)點(diǎn)發(fā)送的信息得到關(guān)于目標(biāo)的預(yù)測(cè)信息，對(duì)當(dāng)前無(wú)線傳感器網(wǎng)絡(luò)節(jié)點(diǎn)所觀測(cè)到的不確定信息構(gòu)建基本信任函數(shù)指派模型；步驟2，根據(jù)所述基本信任函數(shù)指派模型，由證據(jù)理論的組合規(guī)則組合不同證據(jù)得到綜合信息，根據(jù)綜合信息實(shí)現(xiàn)數(shù)據(jù)關(guān)聯(lián)。本發(fā)明結(jié)合預(yù)測(cè)信息，對(duì)不確定信息構(gòu)建了簡(jiǎn)單地易于在節(jié)點(diǎn)上實(shí)現(xiàn)的基本信任函數(shù)指派模型，實(shí)現(xiàn)了對(duì)由節(jié)點(diǎn)觀測(cè)到的不確定信息的表示；根據(jù)證據(jù)理論的組合規(guī)則組合不同證據(jù)得到綜合信息，實(shí)現(xiàn)數(shù)據(jù)關(guān)聯(lián)。由于信息的互補(bǔ)，最終的數(shù)據(jù)關(guān)聯(lián)效果很好，關(guān)聯(lián)精度高。
文檔編號(hào)H04L29/08GK102592038SQ20111000568
公開(kāi)日2012年7月18日 申請(qǐng)日期2011年1月7日 優(yōu)先權(quán)日2011年1月7日
發(fā)明者孫榮麗, 崔莉, 張磊, 王睿 申請(qǐng)人:中國(guó)科學(xué)院計(jì)算技術(shù)研究所