● 摘要
随着微电子技术、通讯技术及计算技术的发展，无线传感器网（Wireless sensor networks，简称WSN）成为目前的一个研究热点。WSN是由大量廉价、稠密、智能化的微传感器节点通过无线连接组成的复杂网络系统，有着广泛的发展前景及应用价值，如战场环境下的目标跟踪。故本文研究重点在于WSN中的目标跟踪问题，具体研究内容包括WSN目标跟踪中的滤波算法、数据融合以及基于信息驱动的节点选择问题。论文主要研究如下：1． 研究了WSN目标跟踪中三种不同的贝叶斯滤波实现形式，即卡尔曼滤波、栅格法、粒子滤波，并考虑到WSN中跟踪问题的特点，研究了分布式贝叶斯滤波，最后通过仿真，分析比较了不同的滤波算法及系统参数对滤波结果的影响。2． 研究了基于信息驱动的WSN目标跟踪中的节点问题。首先对节点选择问题进行了系统的描述，继而分析现有的简化信息量描述法及基于后验概率的描述法，从理论和仿真试验两个角度比较了各种算法的适用范围、算法复杂度及选择精度。3． 通过深入研究不同的节点选择算法，提出一种新的适用于测角传感器节点的加权距离节点选择法，该方法适用于测角传感器点，仿真结果表明该方法在减少计算量的同时能达到很好的选择精度。4． 基于联合卡尔曼滤波理论，研究了WSN跟踪中的单目标多传感器的数据融合问题。考虑到WSN中节点的密集冗余分布能够对目标提供多角度的观测以提高跟踪精度这一优势，采用联合卡尔曼滤波进行多量测的融合，从而提高了目标的定位精度。