基于传感器网络的多目标跟踪和特征管理方法
信息融合能够降低目标交叉运动所产生的不确定性。鉴于香农信息效率的优越性，在该试验中我们运用了该方法来实现信息的融合。图6所示为融合的信任向量，图7为实现状态估计融合后各传感器所估算的轨迹。
6 结论
笔者主要对传感器网络下多目标的跟踪和特征管理方法进行了研究。数据关联和多目标跟踪的问题能够由马尔科夫链蒙特卡洛数据关联算法有效地解决，该算法能够对数量未知且数量随时间变化的多目标进行跟踪。文中还讲述了一个可扩展的分布式多目标跟踪和身份管理(DMTIM)算法，该算法能够对多目标进行跟踪，并在分布式传感器网络环境下能够有效地管理目标的特征。DMTIM算法由数据关联，多目标跟踪，特征管理，以及信息融合四部分所组成。DMTIM能够对某目标特征的本地信息进行有效地整合，以降低系统的不确定性，并通过信息融合来保持相邻传感器的本地一致性。
加入微信
获取电子行业最新资讯
搜索微信公众号：EEPW
或用微信扫描左侧二维码
