罗宏等 蓝 耿 聂良刚* 粟光旺 伍一坤

1(广西财经学院 广西 南宁 530003)2(广西大学 广西 南宁 530001)

0 引 言

目标定位与跟踪是无线传感器网络(WSN)的基础研究领域之一[1]。要实现WSN中准确的目标定位和跟踪，需要提高目标初始位置的精度和动态实时目标的测距精度。

国内外学者围绕WSN中实时目标的准确跟踪进行了大量的研究。文献[2]将接收信号强度指示器(Received Signal Strength Indicator, RSSI)测量融合到递归贝叶斯框架滤波器中，研究了初始位置的滤波方法，但是该方法具有局部性，无法提高全局精确度；文献[3]和文献[4]采用全局滤波法对WSN中目标的初始位置进行了精确估计，但该方法没有考虑目标的实时动态性。文献[5]基于卡尔曼滤波(Kalman Filter, KF)研究了动态目标定位和跟踪过程中噪声的数量和分布以及测量对应用的影响，但是所利用的噪声与实际情况有较大的偏差，对实际应用难以做出有效评估。文献[6]提出了一种基于无迹卡尔曼滤波(Unscented Kalman Filter, UKF)的定位和跟踪算法，该算法利用人体步行的动态模型来跟踪目标的位置和速度，需要大量的传感器，增加了传感器的复杂度和成本。文献[7]采用单传感器基于距离感知法对WSN中目标的距离进行了测量，但实验结果表明其测量结果误差较大。文献[8]和文献[9]避免了文献[7]的缺点，采用多传感器基于泛函距离对动态目标的距离和位置进行了测量，但其实验结果依然与理论之间存在较大误差。文献[10]采用神经网络法对WSN中的二维动态目标进行了高精度定位和跟踪，但其计算耗时较长，具有一定的时滞性。……