魏 颖，郭 鲁

(沈阳工学院 信息与控制学院，辽宁 抚顺 113122)

0 引言

无线传感器网(WSN,wireless sensor network)是21世纪最重要的前沿技术之一，目标跟踪是无线传感器网络的一个主要研究领域，如交通监测，捕捉战争状态等。例如，将一个测试目标放置在布置传感器的地点内，它运动时，通过传感器测量，然后反馈到跟踪系统，以此接近预估目标的位置[1]。粒子滤波(PF,particle filter) 是一种蒙特卡罗算法，它是基于递推计算的序列算法，不受非线性等因素的限制，适用于所有的测量模型以及状态转换模型，基本思想是在当前系统状态分布中随机抽取一些加权的粒子，通过计算对系统的下一个状态进行更新和估计，所以在无线传感器的目标跟踪中，上述方法比较适合，但不足之处是存在粒子群出现退化现象[2]。如何对多个传感器的测量值进行有效的处理，以实现对目标的精确跟踪。粒子滤波算法在多次迭代后会退化，即只有少数粒子具有较大的权重，而大多数粒子的权重很小，几乎为零，这会消耗大量的时间。这些时间消耗是在大多数权重小的粒子上，这些粒子对系统状态的评估几乎没有影响。这类问题通常下列的方法解决：首先是改善意义重大函数，其次是对粒子重新采样。粒子回收是处理粒子衰变的重要手段。粒子累积分布、系统采样和节余采样是常用的重采样算法。以上的方法主要改善粒子退化效率来解决粒子降解的问题。在新的取样之后，多次选择重要性高的粒子，因此，粒子的多样性已经失去了一些，即所谓的粒子缺失。……