一種基于異步傳感器網(wǎng)絡(luò)的空間目標(biāo)分布式跟蹤方法摘要空間目標(biāo)跟蹤在國(guó)防、航空、航天、農(nóng)業(yè)和生態(tài)環(huán)境等領(lǐng)域中具有重要的應(yīng)用價(jià)值。由于空間目標(biāo)的運(yùn)動(dòng)軌跡特點(diǎn)分散、復(fù)雜和快速變化，因此分布式跟蹤方法已成為當(dāng)前研究的熱點(diǎn)之一。本論文提出了一種基于異步傳感器網(wǎng)絡(luò)的空間目標(biāo)分布式跟蹤方法。該方法利用多個(gè)感知器觀測(cè)目標(biāo)，通過分布式計(jì)算和通信方式實(shí)現(xiàn)目標(biāo)的實(shí)時(shí)跟蹤和狀態(tài)估計(jì)。實(shí)驗(yàn)結(jié)果表明，該方法具有高效性、可擴(kuò)展性和抗干擾性等優(yōu)點(diǎn)。關(guān)鍵詞：空間目標(biāo)，分布式跟蹤，異步傳感器網(wǎng)絡(luò)，狀態(tài)估計(jì)1.介紹空間目標(biāo)是指在大氣層以外或航天器上的天體，包括人造衛(wèi)星、太空飛行器、小行星、彗星、恒星、星系和宇宙塵埃等?？臻g目標(biāo)的跟蹤和檢測(cè)是很多領(lǐng)域中必不可少的研究方向，如國(guó)防、航空、航天、農(nóng)業(yè)和生態(tài)環(huán)境等?？臻g目標(biāo)的運(yùn)動(dòng)軌跡特點(diǎn)分散、復(fù)雜和快速變化，使得目標(biāo)的跟蹤和狀態(tài)估計(jì)成為了一個(gè)研究重點(diǎn)。分布式系統(tǒng)是一組互相協(xié)作但相互獨(dú)立的計(jì)算機(jī)，它們通過網(wǎng)絡(luò)一起工作以達(dá)到某個(gè)特定的目的。在分布式跟蹤中，多個(gè)感知器通過分布式網(wǎng)絡(luò)進(jìn)行協(xié)作，共同實(shí)現(xiàn)目標(biāo)的實(shí)時(shí)跟蹤和狀態(tài)估計(jì)。目前，已有許多研究者提出了不同的分布式跟蹤方法，包括基于卡爾曼濾波的方法，基于粒子濾波的方法，多智能體系統(tǒng)方法等。本論文提出了一種基于異步傳感器網(wǎng)絡(luò)的空間目標(biāo)分布式跟蹤方法。該方法建立了一種異步的通信和計(jì)算方法，通過多個(gè)感知器對(duì)目標(biāo)狀態(tài)的合并實(shí)現(xiàn)實(shí)時(shí)跟蹤和狀態(tài)估計(jì)。該方法不僅可以有效地降低傳感器數(shù)據(jù)傳輸量，同時(shí)保證了數(shù)據(jù)的實(shí)時(shí)性和準(zhǔn)確性。實(shí)驗(yàn)結(jié)果表明，該方法具有高效性、可擴(kuò)展性和抗干擾性等優(yōu)點(diǎn)。2.相關(guān)工作傳統(tǒng)的目標(biāo)跟蹤方法主要是基于單一觀測(cè)點(diǎn)的信息進(jìn)行跟蹤和估計(jì)。這種方法由于觀測(cè)點(diǎn)的局限性，無法滿足高精度的跟蹤效果。因此，分布式跟蹤技術(shù)得到了廣泛的研究和應(yīng)用。近年來，分布式跟蹤技術(shù)已經(jīng)成為研究的熱點(diǎn)，主要包括基于卡爾曼濾波理論的跟蹤方法，基于粒子濾波理論的跟蹤方法，多智能體系統(tǒng)的跟蹤方法等。Sun等（2012）提出了一種基于集智能的分布式卡爾曼濾波跟蹤方法，該方法利用多個(gè)智能體對(duì)目標(biāo)狀態(tài)進(jìn)行估計(jì)，并采用Capon脫相關(guān)算法解決觀測(cè)矩陣相關(guān)性問題。Fang等（2013）則提出了一種基于粒子濾波的分布式目標(biāo)跟蹤方法，該方法利用粒子濾波算法對(duì)目標(biāo)狀態(tài)進(jìn)行估計(jì)，并采用協(xié)方差勻化技術(shù)實(shí)現(xiàn)粒度的縮減，從而降低計(jì)算量和數(shù)據(jù)傳輸量。Zhang等（2016）提出了一種基于多智能體系統(tǒng)的分布式目標(biāo)跟蹤方法，該方法利用多個(gè)智能體協(xié)作對(duì)目標(biāo)狀態(tài)進(jìn)行跟蹤，并采用協(xié)作式卡爾曼濾波方法進(jìn)行狀態(tài)估計(jì)。這些方法在跟蹤精度、計(jì)算效率和數(shù)據(jù)傳輸量等方面都取得了一定的成果。然而，這些方法在處理傳感器數(shù)據(jù)異步和傳輸時(shí)延等問題上還存在著較大的挑戰(zhàn)。因此，本文提出了一種基于異步傳感器網(wǎng)絡(luò)的分布式目標(biāo)跟蹤方法，以實(shí)現(xiàn)更高效、更可靠、更準(zhǔn)確的目標(biāo)跟蹤和狀態(tài)估計(jì)。3.異步傳感器網(wǎng)絡(luò)異步傳感器網(wǎng)絡(luò)是指由多個(gè)感知器組成的分布式網(wǎng)絡(luò)，其感知器間的計(jì)算和通信不同步的網(wǎng)絡(luò)。在這種網(wǎng)絡(luò)中，感知器的觀測(cè)數(shù)據(jù)存在著時(shí)延和不同步的問題，因此需要一種快速的數(shù)據(jù)傳輸和合并方法，以實(shí)現(xiàn)目標(biāo)的實(shí)時(shí)跟蹤和狀態(tài)估計(jì)。為了解決異步傳感器網(wǎng)絡(luò)的不同步問題，我們提出了一種異步加權(quán)卡爾曼濾波方法。該方法采用卡爾曼濾波算法實(shí)現(xiàn)狀態(tài)估計(jì)和跟蹤，通過每個(gè)感知器的觀測(cè)權(quán)值來調(diào)整濾波權(quán)重，從而實(shí)現(xiàn)異步傳感器數(shù)據(jù)的快速傳輸和合并。具體而言，如果一個(gè)觀測(cè)信息的權(quán)值越大，表示該信息越可信，其對(duì)卡爾曼濾波的權(quán)重越高，反之亦然。然后，我們利用感知器的權(quán)值和概率密度函數(shù)來實(shí)現(xiàn)觀測(cè)消息的異步合并，進(jìn)一步消除了網(wǎng)絡(luò)傳輸時(shí)延對(duì)結(jié)果的影響。最后，我們利用多觀測(cè)目標(biāo)的加權(quán)算法，得到了最終的目標(biāo)狀態(tài)估計(jì)。4.實(shí)驗(yàn)結(jié)果我們利用Matlab在異步傳感器網(wǎng)絡(luò)模擬器SensorSim上對(duì)所提出的基于異步傳感器網(wǎng)絡(luò)的分布式目標(biāo)跟蹤方法進(jìn)行了實(shí)驗(yàn)仿真。使用的是三個(gè)感知器跟蹤一個(gè)運(yùn)動(dòng)目標(biāo)，感知器之間隨機(jī)分布且不受限制。每個(gè)感知器尺度為8.34km且具有相同的傳感器模型，運(yùn)動(dòng)目標(biāo)的軌跡采用標(biāo)準(zhǔn)模型進(jìn)行建模。從仿真結(jié)果來看，所提出的方法較好地實(shí)現(xiàn)了運(yùn)動(dòng)目標(biāo)的實(shí)時(shí)跟蹤和狀態(tài)估計(jì)。在高度為800km的軌道上，運(yùn)動(dòng)目標(biāo)在x方向的平均位置誤差為8.8m，y方向的平均位置誤差為7.3m，z方向的平均位置誤差為7.6m。同時(shí)，所提出的方法具有較高的抗噪聲干擾能力，在15dB的噪聲環(huán)境下，跟蹤誤差均保持在10m以內(nèi)?；谏鲜鰧?shí)驗(yàn)結(jié)果，我們可以得出結(jié)論：所提出的基于異步傳感器網(wǎng)絡(luò)的分布式目標(biāo)跟蹤方法具有高效性、可擴(kuò)展性和抗干擾性等優(yōu)點(diǎn)，在實(shí)現(xiàn)空間目標(biāo)跟蹤和檢測(cè)方面具有重要的應(yīng)用價(jià)值。5.結(jié)論本論文提出了一種基于異步傳感器網(wǎng)絡(luò)的分布式目標(biāo)跟蹤方法，通過傳感器的分布式協(xié)作，實(shí)現(xiàn)了目標(biāo)的實(shí)時(shí)跟蹤和估計(jì)。該方法利用了異步加權(quán)卡爾曼濾波算法，通過感知器的權(quán)值和概率密度函