题目：无线传感器网络中目标跟踪算法的研究

无线传感器网络(Wireless Sensor Network, WSN)是由大量具有无线通信与计算量能力的微小传感器节点构成的自组织分布式网络系统。由于WSN具有节点部署密集、自组织性强、数据分布式处理和节点间协同工作、节点体积小、单个节点成本低等的特点，因此相对于传统的多传感器跟踪系统（如雷达），WSN用于目标跟踪具有明显的优势。但同时也带来一些挑战，如系统模型非线性带来的非线性滤波问题、有限的节点能量带来的节点选择问题等。基于这些挑战，本文对WSN中的目标跟踪问题展开研究，具体研究内容包括目标跟踪中的非线性滤波算法、单节点和多节点选择问题。论文主要的研究内容如下：1、 针对粒子滤波算法在WSN中的应用展开研究，讨论了粒子滤波存在的问题以及解决途径，分析比较了几种常见的粒子滤波算法：扩展卡尔曼粒子滤波、迭代扩展卡尔曼粒子滤波、无味粒子滤波。2、 通过分析WSN中目标跟踪系统的特点，提出一种修正坐标转换卡尔曼粒子滤波算法，仿真结果表明该算法计算量较小，而且在跟踪稳定性、目标定位精度上都能达到很好的效果。3、 通过研究节点选择算法，针对单节点选择问题，提出基于卡尔曼滤波的加权距离节点选择算法，该算法给出了信息量的显式表达式，所以可以快速地选择信息量大的节点参与跟踪；针对多节点选择问题，提出一种适用于混合传感器网络的广义多节点选择算法，仿真结果表明该算法能够达到很好的选择精度和目标定位精度。