为了提高多传感器下运动目标跟踪的精度和实时性，提出了一种基于多传感器融合的移动目标跟踪算法。先，使用几个传感器来收集和合并运动目标信息，然后使用混合高斯算法对运动目标的背景进行建模，并使用平均偏移算法跟踪移动目标。
后通过仿真测试算法的性能。试结果表明，该算法能够实时准确地跟踪运动目标，提高目标的跟踪精度。感器融合;追求移动目标;获取信息;模拟移动目标的背景中图分类号：TN911.6？ 34; TP391文件代码：A文章ID：1004？ 373X（2017）03？ 0043？ 04基于家庭的目标跟踪算法张庆1，夏天1，范一飞1，刘涛2多传感器融合（1。家电网信息通信有限公司，上海市电力公司，上海200122 ，中国南京银石软件有限公司，南京210037）摘要：为了提高多传感器条件下跟踪运动物体的精度和实时性，提出了一种跟踪算法提出了基于多个传感器融合的运动物体。合实验用于跟踪运动目标，仿真跟踪运动目标的算法，以及模拟实验来测试该算法的性能。明该算法能够对运动物体进行准确，实时，动态的跟踪，提高目标的跟踪精度。
键词：传感器融合;跟踪移动目标;获取信息;移动目标的背景建模随着技术的不断发展，传感器越来越多地用于移动目标的检测和跟踪。跟踪移动目标时获取信息依赖于传感器，并且多传感器可以根据跟踪算法收集更多信息并估计移动目标的方向和速度，因此用户非常重视跟踪目标[1]。前移动目标的追求主要包括基于时频分析，回波分析，统计信号分析的目标检测和跟踪算法[2？如图3所示，其构建运动目标的回波模式并组合适当的信号处理技术以实现运动目标的参数。计和后续估计达到了一些搜索结果。些研究人员提出了一种基于自相关匹配率波检测的移动目标跟踪算法[4]。波信号模式用于模拟水下移动目标回波，最大似然检测算法用于检测目标信息并执行目标跟踪。响大大破坏了算法，运动目标的检测性能差，跟踪误差很重要。
用传感器网络进行移动目标跟踪的隐藏和实时特征是研究的主要方面，特别是多传感器融合移动目标跟踪问题。了提高多传感器下运动目标跟踪的精度和实时性，提出了一种基于多传感器融合的移动目标跟踪算法。先，使用几个传感器来收集和合并关于移动目标的信息，然后使用混合高斯算法来模拟移动目标的背景，以及平均移位算法。踪运动目标。验结果表明该算法能够准确地定位运动。标的实时动态跟踪提高了目标跟踪的准确性。
传感器网络上运动目标跟踪方程的运动目标信息设计的获取和融合多维传感器阵列模型用于收集和合并运动目标上的信息。响的均匀背景运动的目标描述如下：[x（k 1）= A（k）x（k） （k）w（k）]（1）[zi（ k）= Hi（k）x（k） ui（k），i = 1，2，…，N]（2）其中：[x（k）Rn×1]是信息矩阵移动目标的回声; [A（k）Rn×n]是移动目标值传递矩阵的回波幅度;背景中的干扰噪声[w（k）]是白高斯噪声，具有平均零和方差[Q（k）]; [Γ（k）]是非平稳信号控制矩阵; [zi（k）Rp×1]对应于由第i传感器获取的移动目标回波测量信息; [Hi（k）pRp×n]是移动目标的脉冲响应测量矩阵;过程干扰噪声[ui（k）Rp×1]是高斯白噪声，其均值为零，方差为[Di（k）]。设在跟踪过程的噪声[w（k）]和移动目标的[ui（k）]之间存在自相关，并且目标的回波信号与信号的信号相结合。感器的脉冲获得对运动目标的信息采样的多传感器网络模型的描述。：[E {W（K）UTI（K）} =铋（K）中，i = 1，2，…，NE {UI（k）的UTJ（K）} = Dij中（K），I，J = 1，2，… N，且i≠j]（3）在混响背景的干扰下，移动目标[x（0）]的混响包络的初始状态为[ x0]，方差是[P0，]混合包络包络的概率分布独立于[w（k）]和[ui（k），] [i = 1，2，… 。N]。设所收集的移动目标信息是一组宽的平稳随机信号，并且根据自适应量化融合方法执行传感器信息的融合以构建目标跟踪系统方程。描述如下：[B（k）= E [w（k）VT（k）] = E [w（k）VT（k）] [L-1（k）] T = B1（k）B2（ k）… BN（k）]（4）使用具有最低平均成本的判定准则获得目标跟踪的量化噪声[w（k）]和[V（k）]运动。
据多传感器网络模型和移动目标跟踪系统方程的上述结构，执行移动目标的信息采样和数据融合。传感器信息融合合并运动目标的采样特征信息。量化阈值恒定时，自适应滤波器用于盲目地将运动目标的测量值与量化噪声分开[ 5？如图7所示，多个传感器接收包括加扰和回波信号作为输入信号，使用用于噪声抑制的自适应滤波器，使用盲分离目标信号作为期望信号，进入控制系统。标检测和跟踪，合并和处理信息，以及对跟踪目标进行噪声消除滤波处理结构如图1所示。声消除处理后自适应时，多传感器网络用于信息融合，相干自适应累加器用于检测运动目标的回波包络，描述如下：[mi（k）= zi（k） qi （k）= Hi（k）x（k） ui（k） qi（k）：= Hi（k）x（k） vi（k）]（5）其中频域中的扩展失真[气（K）]的方差满足：[RIQ（K）= E [气（k）的QTI（K）]≤{DIAGΔ2i（K，1）4，Δ2i（K，2）4，…，Δ2i （K ，p）4}：= Riq（k）]（6）其中：[Δi（k，r）]表示第[i]个传感器节点在[k]时间获取移动目标的量化步长。用于信息融合的理想矩形包络中，可以使用矢量量化分解，并且取向信息的融合结果是：[E {w（k）vTi（k）} = Bi（k ）E {VI（k）的VII（K）} =河犬（K）=二（K） RIQ（k）的 11，c（k）≤1]（12）其中高斯过程复数[c（k）= tr [N（k）] tr [C（k）]，和：[N（k）= V0（k）-R（k）-H（k）Q（k-1） HT（k）C（k）=Φ（k-1）P（k-1k-1）T（k-1）HT（k）H（k）]（13）积分高斯相关积分检测输出移动目标的底部是：[V0（K）=γ（1）γT（1）中，k =1ρV0（K-1） γ（k）的γT（k）的1 ρ，K> 1]（ 14）[γ（K）= M（K） – H（K）×（KK-1）]（15）其中：[γ（K）]和[X（KK-1）]的残留物的预测值分别通过理想滤波器由移动目标的合并信息产生的测量和复制相关位置信息。; [ρ]是局部平稳因子; [β]是通道的衰落因子。过重建时频分布[8？ 12]在相当可信的情况下，在运动目标的背景下获得多传感器网络融合跟踪系统，对数据进行分段，并获得每个数据段的跟踪误差协方差矩阵。
[Pkk，]计算递归公式为：[x（kk-1）=（k-1）x（k-1k-1） J（k-1）M（k-1）]（ 16）[P（kk-1）=λ（k）（k-1）P（k-1k-1）T（k-1） Q（k-1）]（17）[K（k）= P（KK -1）HT（k）的[H（k）的P（KK-1）HT（K） R（K）] – 1]（18）[X（KK）= X（KK-1） K（k）[M（k）-H（k）x（kk-1）]（19）[P（kk）= [IK（k）H（k）] P（kk-1）]（20） [I]表示顺序[n]的酉矩阵。动目标的背景由每个数据段中高斯噪声背景中的合并跟踪问题建模，并且跟踪优化基于此。移算法和跟踪优化在基于多传感器融合的运动目标跟踪过程中，平均偏移很容易产生，中偏移抑制算法用于误差补偿。[K-1]时，聚变靶的传感器被估计为[Y（K-1K-1）]的对应的信息矩阵是[YK-1K-1]来估计[k的光谱通过抑制平均偏移来获得平均偏移量的数据和量化信息[M（k）]。并跟踪的误差补偿公式为：[Y（kk-1）= {IF（k-1）[F（k-1） Q-1（k-1）] -1 }×F（K-1）（21）[Y（KK）= Y（KK-1） ET（k）的R-1（k）的H（K）]（22）[Y（KK-1）= X-1（k）{IF（k-1）[F（k-1） Q-1（k-1）] -1}×[Φ-1（k-1）] T [y（k- 1K-1） I（K-1）]]（23）[Y（KK）= Y（KK-1） ET（k）的R -1（k）的M（K）]（24）其中：[ F（K-1）=Λ-1（k）的[-1（K-1）] TY（K-1K-1）-1（K-1）I（K-1）= Y（K-1K 1）-1（k-1）J（k-1）M（k-1）]（25）检测段数据[k 1]中是否存在回波信号，执行更新合并信息并跟踪移动目标对合并进行总体估算。施监测的具体步骤如下：]。感器的定量测量[j1≤j≤N]，信号频谱的估计，平均偏移的抑制的执行以及移动目标的跟踪位置的获得更新如下：[Y（J，KK）= Y（J-1，KK） HTJ（K）R-1D（k）的MJ（K）Y（j，KK）= Y（J-1，KK） HTJ（ K）R-1D（k）的器Hj（K）]（26）其中：[Y（0，KK）= Y（KK-1）] [Y（0，KK）= Y（KK-1）]。过将多传感器用于数据采集局部，获得运动目标方位信息的融合中心的信息矩阵：[y（kk）= y（N，恒温阀芯kk）Y（ KK）= Y（N，KK）]（27）在这个阶段，的运动目标的速度信息的估计的结果是：[YKK = Y（N，KK）= YKK-1 J = 1NHTj（k）R-1j（k）Mj（k）= ykk-1 HT（k）R-1（k）M（k）]（28）信息状态向量估计的组合获得用于目标跟踪移动量化迭代操作者融合：[的Ykk = Y（N，KK）=的Ykk-1 J = 1 NHTj（K）R-1D（k）的器Hj（K）= Ykk- 1 HT（K）R-1（k）的H（K）]（29）当多传感器采样数据是局部固定，则有：[YKK Ykkxkk = = P-1（KK）×（KK）= Ykkx（KK-1） ET（k）的R -1（k）的M（k）的-H（K）= 1-XKK的Ykk-1 HT（K）R-1（k）的H（k）的xkk- 1 HT（K）R-1（k）的H（k）的H（k）的-H（K）= 1-XKK YKK-1 HT（K）R -1（k）的M（k）的（30） ]总之，平均偏移量算法用于跟踪移动目标，这改善了误差补偿能力并允许准确预测移动目标的方位角信息和速度信息。善了跟踪性能。果的经验和分析为了测试本文开发的移动目标跟踪算法的性能，进行了仿真实验，并在Matlab 7.0仿真平台上进行了仿真测试。标的动态运动方程可以描述如下：[x（k）= 1101x（k-1） 121w（k-1）]（31）其中：运动方向信息矢量目标的选择为[x（k）= x（k）x（k），]海面混响的干扰是[Q（k）= 0.25]，数量为信息融合的迭代步骤是1024步。动目标的运动参数由12个传感器节点测量，传感器测量方程为：[zi（k）= 10x（k） ui（k），i = 1，2，3] （32）目标的设定状态是初始移动[X0 = 10 T，] [P0] [1000.1，]标准化的终止频率样本有关以下特性的信息：[F21 = 0， 45，] [f22 = 0.05]。法的运动目标（表示为A1）和比较方法（表示为B1）的跟踪轨迹的频谱分析结果如图4所示。图2中直观地看出，该算法的移动目标的跟踪轨迹清晰，抗干扰性能高，跟踪精度高。量分析其性能。法，运动目标的位置和速度参数作为测试指标。3显示。3显示所提出的算法用于跟踪移动目标，并且位置和速度参数与目标状态之间的拟合更高，表明性能更好。两个参数的绝对误差用作比较测试指标，并获得误差分析的结果。4显示。
于误差的平均值，在目标跟踪过程中估计目标方位角和速度信息的均方误差在表1中获得。
1比较意味着两个目标跟踪算法[评价指标]均方误差均方误差算法比较方位角/米2.382 6.092速度/（米/秒）1.102 3.322]从图4和表的结果1，可以看出算法跟踪运动目标，目标方位角和速度信息的准确估计更好，误差更小，表明算法可以实时准确地跟踪运动目标，提高目标的跟踪精度。传感器网络用于提取和收集关于目标参数的信息，恒温阀芯以及估计移动目标的方位角和速度以跟踪移动目标。文提出了一种基于多传感器融合的移动目标跟踪算法：进行移动目标信息的获取和融合：采用高斯混合算法对信号模型进行建模。动目标的背景模型，中移算法用于跟踪移动目标。究结果表明，该算法用于跟踪水面舰艇目标：运动目标的位置和速度参数精度高，误差小，跟踪动态，实现了准确的目标，性能优于传统方法。
本文转载自
恒温阀芯 https://www.wisdom-thermostats.com