题目：无线传感器网络中目标跟踪问题的研究

随着无线通信、集成电路、传感器及微机电系统（MEMS）等技术的飞速发展，无线传感器网（简称WSN）成为目前的一个研究热点。它由部署在监测区域内大量的廉价微型传感器节点组成，网络中节点通过无线通信方式形成一个多跳的自组织网络系统。WSN在军事、医疗以及环境等各方面有着广泛的发展前景及应用价值。本文研究的重点是WSN中的目标跟踪问题，包括目标跟踪算法、WSN单目标跟踪节点选择问题以及WSN多目标跟踪数据关联问题。论文主要研究内容包括：1． 研究了贝叶斯滤波算法及其三种实现形式，即卡尔曼滤波、栅格法滤波和粒子滤波。同时，结合WSN跟踪问题的特点，研究了分布式贝叶斯滤波。通过仿真，分别分析比较了不同的滤波算法在高斯线性模型和非高斯非线性模型下的性能。2． 针对WSN中单目标跟踪提出了一种新的适用于测角传感器网络的节点选择法。该方法利用目标预测状态与量测模型定义信息收益函数，选择信息收益大的节点参与跟踪。通过理论分析和仿真实验，从算法的适用范围、算法复杂度以及选择精度等几个方面，将新算法与一些经典算法（如最近邻法、马氏距离法和熵值法等）进行了比较。结果表明新算法在简化计算量的同时能达到很好的选择精度。3． 研究了WSN多目标跟踪中的数据关联问题。着重讨论了联合概率数据关联算法，并将其与粒子滤波算法相结合，使之成为能适用于非线性和非高斯模型的滤波器。通过仿真分析了该算法的性能。