无线传感器网络(wireless sensor network,WSN)由多个微传感器节点组成,定位技术是无线传感器网络技术的重要应用之一。目前,许多定位算法在视距(line of sight,LOS)环境下定位精度较高,但在非视距(non line of sight,NLOS)环境下的定位精度较差。为了解决这一问题,提出一种改进的基于到达时间的最大熵模糊概率数据关联算法。采用分组的思想将N个测量值分为L组,每组通过交互式多模型(interactive multi model,IMM)算法获得相应的移动节点位置估计、模型概率和协方差矩阵。然后将得到的L个位置估计,通过验证门进行非视距检测,丢弃被非视距误差污染的位置估计,利用相应的关联概率对正确的位置估计进行加权得到最终的位置估计。仿真和实验结果表明,与现有方法相比,该算法可以减轻非视距误差的影响,实现更高的定位精度。
针对杂波环境下联合概率数据关联算法(joint probabilistic data association,JPDA)计算复杂度较高、实时性较差等问题,提出一种基于最大熵模糊聚类的JPDA算法。基于目标轨迹和量测之间的关联规则,采用最大熵模糊聚类算法实现量测与目标的初步数据关联,分析了公共量测对目标跟踪的影响,并引入了公共量测影响系数来修正关联概率,最后使用卡尔曼滤波算法对目标的状态估计进行预测,从而更新各个目标的状态。仿真结果表明,所提算法有效解决了在密集杂波环境中JPDA算法组合爆炸问题,极大缩短计算时间,提高了算法的实时性。
