基于接收信号能量指示测量的目标跟踪方法 【技术领域】
本发明涉及的是一种网络技术领域的方法，具体是一种基于接收信号能量指示(ReceiveSignal Strength Indicator，RSSI)测量的目标跟踪方法。
背景技术
无线传感器网络被认为是二十一世纪最重要的新兴技术之一。随着无线通信技术、传感器技术、微机电系统技术、集成电路技术、分布式信息处理技术等技术的发展，使得大量廉价、智能的传感器设备通过无线通信组成无线传感器网络成为可能。从当前的无线传感器网络发展趋势来看，对运动目标的定位技术具有更为广泛的应用价值。如军事侦察、空中交通管制、路面监控、工业制造等方面。对无线传感器网络定位的研究目前主要集中于静止目标的定位研究，而实际应用中的待监测目标多为运动目标，因此如何有效的对运动目标，尤其是机动目标进行相对精确的定位依然是一个有待深入研究的课题。
目前无线传感器网络定位中常常采用超声波定位法和GPS定位法以达到对目标的定位。近年来，RSSI定位方法开始应用在无线传感器网络中。现有技术存在以下缺点。RSSI技术多局限在对静止无线传感器节点的定位，对于移动目标的定位尚未应用。通过RSSI技术测量到的数据，多用传统的三边测量方法进行处理，此种方法精度不高。
经过对现有技术的检索发现，以2007年8月IEEE computer society举办的第十届欧洲微型数字系统设计会议中Abdalkarim Awad发表的题为Adaptive Distance Estimation andLocalization in WSN using RSSI Measures(无线传感器网络中的基于接收信号能量指示测量的自适应距离估计与定位方法)的会议论文。该文献记载了将RSSI技术引入到无线传感器网络定位中，但是仅仅是用于对静止的节点定位。而且在定位过程中，对于非线性的定位系统，运用的是传统三边测量方法，所以导致定位精度不高。
【发明内容】
本发明的目的在于克服现有技术中的不足，提出一种基于接收信号能量指示测量的目标跟踪方法，将RSSI测量和UKF(Unscented Kalman Filter无轨迹卡尔曼滤波器)方法引入到无线传感器网络对运动目标的跟踪中，获得了比传统的三边定位测量法更为精确的定位跟踪。
本发明是通过以下技术方案实现的，本发明包括如下步骤：
步骤一、首个无线传感器节点作为协调器节点开始建立网络，协调器节点确定网络标示与无线信道，其余无线传感器节点扫描检测已存在的无线信道与网络标示并向协调器节点发送加入网络请求，待收到来自协调器节点的加入答复后以路由器形式或终端设备形式加入网络并建立无线通道；
步骤二、所有无线传感器节点从协调器节点处获得各自的网络地址与地理坐标，任一无线传感器节点主动与网络外的待测运动目标节点建立状态方程和无线通道并接收数据包；
步骤三、传感器节点解析数据包获得待测运动目标节点与该无线传感器节点之间的能量损耗值，然后将能量损耗值转换为径向距离并将该无线传感器节点的地理坐标与径向距离发送至协调器节点；
步骤四、协调器节点接收到多个无线传感器节点发送的包含有地理坐标与径向距离数据包后，选择奇数个采样点并赋予所述每个采样点权重，每一个采样点进行状态检测与协方差检测；根据所有状态检测与协方差检测结合采样点权重进一步得到状态交互协方差和测量协方差并通过代入无轨迹卡尔曼滤波器公式进行状态更新与检测，得到待测运动目标的在该时刻的坐标值与速度值。
所述的代入无轨迹卡尔曼滤波器公式进行状态更新与检测是指：已知状态量的均值X和协方差P，选择一组采样点集合并赋予每个采样点权重，通过对采样点集和进行非线性变换来近似非线性函数的概率密度分布。
所述的采样点的选择规律如下：
A0=X‾W0=λ(n+λ)i=0Ai=X‾+((n+λ)P)iWi=λ2(n+λ)i=1,...,nAi=X‾-((n+λ)P)iWi=λ2(n+λ)i=n+1,...,2n]]> 其中：X为状态量(坐标值与速度值)的均值X，P为状态量的协方差，采样点集合中采样点的个数为2n+1个，n为状态向量维数，采样点为Ai，对应的权值为Wi，λ为一尺度函数。通常取n+λ＝3。
上述步骤二到步骤四以随时间递增循环进行。
与现有技术相比，本发明具有如下有益效果：UKF方法对目标的位置和速度上的跟踪精度高于EKF方法和三边定位方法，跟踪精度最高；对于实际WSN系统，RSSI为一种常用的测距手段。因此将UKF和RSSI测量技术结合起来，在实际WSN系统中具有良好的实用前景；因此，本专利在军事、环境监测、医疗卫生、工业自动化、公共安全等领域的无线传感器网络目标跟踪中有广泛的应用前景。
【附图说明】
图1为本发明中的RSSI测量技术的原理图；
图2为实施例对匀速运动目标的跟踪效果图。
图3为实施例对匀速运动目标在X方向的距离滤波误差图。
图4为实施例对匀速运动目标在Y方向的距离滤波误差图。
图5为实施例对匀速运动目标在X方向的速度滤波误差图。
图6为实施例对匀速运动目标在Y方向的速度滤波误差图。
图7为实施例对匀加速运动目标的跟踪效果图。
图8为实施例对匀加速运动目标在X方向的距离滤波误差图。
图9为实施例对匀加速运动目标在Y方向的距离滤波误差图。
图10为实施例对匀加速运动目标在X方向的速度滤波误差图。
图11为实施例对匀加速运动目标在Y方向的速度滤波误差图。
【具体实施方式】
下面对本发明的实施例作详细说明，本实施例在以本发明技术方案为前提下进行实施，给出了详细的实施方式和具体的操作过程，但本发明的保护范围不限于下述的实施例。
本实施例的应用包括：网络分布区域为半径为50m的圆形区域；100个传感器随机均匀分布在半径为50m的圆形区域内；一个外来目标在该区域内运动；
设定目标在二维平面内运动，探测区域为以(0，0)为圆心，50m为半径的圆形区域。过程噪声和量测噪声，均为高斯白噪声。其中过程噪声的均值为0，方差为0.3m；量测噪声的均值为0，方差为1.5m。采样时间为1s。
初始值为：匀速运动X0＝[-30，-30，1，1]T；匀加速运动X0＝[-30，0，1，1]T；
步骤100、首个无线传感器节点作为协调器节点开始建立网络，协调器节点确定网络标示与无线信道，其余无线传感器节点扫描检测已存在的无线信道与网络标示并向协调器节点发送加入网络请求，待收到来自协调器节点的加入答复后以路由器形式或终端设备形式加入网络并建立无线通道；
步骤200、所有无线传感器节点从协调器节点处获得各自的网络地址与地理坐标，任一无线传感器节点主动与网络外的待测运动目标节点建立状态方程和无线通道并接收数据包；
步骤300、传感器节点解析数据包获得待测运动目标节点与该无线传感器节点之间的能量损耗值，然后将能量损耗值转换为径向距离并将该无线传感器节点的地理坐标与径向距离发送至协调器节点；
对于一个进入到无线传感器区域内的外部运动目标，其状态方程为：
X(k+1)＝φX(k)+Lωk (公式一)
由于采用三边定位方法，传感器节点对运动目标的距离量测方程为：
Z1=(X1-X)2+(Y1-Y)2+v]]> Z2=(X2-X)2+(Y2-Y)2+v]]> Z3=(X3-X)2+(Y3-Y)2+v]]>(公式二)
1、当目标做匀速运动，其参数分别：
X=[x,x·,y,y·]T,]]>φ=1100010000110001,]]>L=0.501000.501,]]>ωk＝[ωx，ωy]T；
2、当目标做匀加速运动，其参数分别：
X=[x,x·,x··]T[y,y·,y··]T,]]>φ=110.5011001,]]>L＝
T，ωk＝ωxωy；
其中X为运动目标的状态量。X中x，y为目标坐标值。为目标分别在x，y方向的速度值。为目标分别在x，y方向的加速度值。Zn为传感器节点测量到自身距离目标的量测距离。ωk与v分别为过程噪声与量测噪声，均为高斯白噪声。
步骤401，已知状态向量维数n＝4，选择2n+1＝9个si gma采样点并进行无轨迹变换。
计算9个sigma采样点Ai和相对应的权值Wi：
A0=X‾W0=λ(n+λ)i=0Ai=X‾+((n+λ)P)iWi=λ2(n+λ)i=1,...,nAi=X‾-((n+λ)P)iWi=λ2(n+λ)i=n+1,...,2n]]> (公式三)
其中，X为状态量(坐标值与速度值)的均值X，P为状态量的协方差。采样点个数为2n+1个，n＝4，，采样点为Ai，对应的权值为Wi，λ为一尺度函数。通常取n+λ＝3。
步骤402，通过得到的sigma采样点和相对应的权重进行UKF滤波。
对所有sigma采样点Ai的一步检测为：
ξi(k+1|k)＝φAi (公式四)
状态一步检测为：
X^(k+1|k)=Σi=09Wiξi(k+1|k)]]>(公式五)
协方差的一步检测为：
P(k+1|k)=Σi=09Wi[ξi(k+1|k)-X^(k+1|k)][ξi(k+1|k)-X^(k+1|k)]T+Q(k)]]>(公式六)
量测sigma采样一步检测：
ζi(k+1|k)=h(k+1,Ai(k+1|k))]]>(公式七)
其中h为量测方程。
检测量测：
Z^(k+1|k)=Σi=09Wiφζi(k+1|k)]]>(公式八)
测量和状态交互协方差：
Pxz=Σi=09Wi[ξi(k+1|k)-X^(k+1|k)][ζi(k+1|k)-X^(k+1|k)]T]]>(公式九)
测量协方差：
Pzz=Σi=09Wi[ζi(k+1|k)-X^(k+1|k)][ζi(k+1|k)-X^(k+1|k)]T]]>(公式十)
新息协方差为：
S(k+1)＝Pzz+R(k+1) (公式十一)
滤波增益为：
K(k+1)＝PxzS-1(k+1) (公式十二)
新息为：
v(k+1)=Z(k+1)-Z^(k+1|k)]]>(公式十三)
状态更新方程：
X(k+1|k+1)=X^(k+1|k)+K(k+1)v(k+1)]]>(公式十四)
协方差更新方差：
P(k+1|k+1)＝P(k+1|k)-K(k+1)S(k+1)KT(k+1) (公式十五)
至此，得到X(k+1|k+1)，即K+1时刻运动目标的坐标值与速度值。随着时刻k增长，上述步骤401与402不断的循环，不断得到运动目标在时刻k的坐标值与速度值
本实施例基于RSSI测量技术的UKF滤波对匀速运动目标的跟踪结果如图2所示，图3图4分别为X，Y方向的距离滤波误差图。图5图6分别为X，Y方向的速度滤波误差图。对匀加速运动目标的跟踪结果如图7所示，图8图9分别为X，Y方向的距离滤波误差图。图10图11分别为X，Y方向的速度滤波误差图。
从图2、3、4、5、6可以看出，对匀速运动目标的跟踪结果，基于RSSI测量技术的UKF方法，在距离与速度上的滤波误差均小于传统的三边定位和EKF方法。从图7、8、9、10、11可以看出，对匀加速运动目标的跟踪结果，基于RSSI测量技术的UKF方法，在距离与速度上的滤波误差均小于传统的三边定位和EKF方法。具有较高的滤波精度。
本实施例的检测精度如下表所示：
目标匀速运动 三边定位法(方差) EKF(方差) UKF(方差)
X方向的滤波误差 0.5117 0.2318 0.0239
Y方向的滤波误差 0.6126 0.2680 0.0255
Vx滤波误差 0.0446 0.000018884
Vy滤波误差 0.0512 0.000012020
目标变速运动 三边定位法(均值) EKF(均值) UKF(均值)
X方向的滤波误差 0.0264 0.0139 0.0290
Y方向的滤波误差 -0.0350 -0.0581 -0.0563
Vx滤波误差 0.0185 0.0012
目标匀速运动 三边定位法(方差) EKF(方差) UKF(方差)
Vy滤波误差 -0.0457 -0.0026