分布式Zigbee多节点传感器数据融合轨迹关联
这样一来,一个可能的划分是把集合Z划分成两个与目标互联的测量子集Zt和没有与其他目标互联的虚拟测量子集Zf,表示为γ={Zt,Zf},其中,Zt={Zj1j2j3},ji=1,2,3,…,ni,i=1,2,3;Zf={Ziji},ji=1,2,3,…,ni,i=1,2,3;γ={Zt,Zf}表示集合Z划分成子集Zt,Zf的可能,把集合分成测量子集和虚拟测量子集;在静态传感器测量数据互联中,对一个位置进行全面测量估计至少需要两个传感器;否则就是认为虚拟测量子集。因此,测量集合Z的最佳关联划分是把Z划分为来源于目标的测量子集Zt和虚警子集Zf,这时只需求解γ与γ0的最大联合似然函数比,即

真实目标位置ωt近似于极大化广义似然比的极大似然估算值



2 近似测量
近似测量算法采用节点状态估算推导形成,节点状态估算算法为

式中,



式中,



3 结束语
在多数目标跟踪的应用中,获得大量精确的传感器数据较困难。例如:Zigbee无线车辆门禁控制系统中,只能每几秒钟测量一次小区门前内外机动车的位置,当获取的信息不足时,所采用的模型的精度就显得尤为重要。原因有二:第一如果控制系统对目标状态的采集频率高于Zigbee传感器的频率,那么就要用到跟踪器对位置的预测值,不同的模型对这个预测值的质量影响很大;第二是为了优化Zigbee传感器的性能,必须最大限度地利用来自传感器的有限数据,在多数近似测量算法中,只能通过开发一些精度的实用模型来实现。上述节点状态估算算法有效地改善了Zigbee传感器的性能,提高了跟踪精度。本文引用地址:https://www.eepw.com.cn/article/155824.htm
评论