基于扩散卡尔曼滤波算法的目标跟踪估计

程 华 张雪婷 房一泉

(华东理工大学信息科学与工程学院 上海 200237)

0 引 言

以往关于目标跟踪的研究大多专注于采用集中式算法，这些集中式算法常常运行在静态多传感器平台上[1-3]，而集中式卡尔曼(Kalman)滤波在传统的目标跟踪算法中又起到了至关重要的作用。对目标状态估计的性能在很大程度上依赖于所采用的协作跟踪算法。在集中式解决方案中，全部传感器节点将其测量值转发到一个数据融合中心，采用传统的Kalman滤波来得到最佳状态估计，然后又将全局估计值发送回每个传感器节点。显然，这种策略需要消耗大量的能量和通信资源[4]，而且依赖中心节点及与之通信的可靠性；为此，人们又提出了分布式协作跟踪算法，这种策略之所以成为一种很有吸引力的替代方案，是因为它通常需要较少的能量和通信资源，并且还允许并行处理，所以更具鲁棒性。

适用于这种分布式控制问题的算法主要是分散式Kalman滤波算法。文献[5]基于Gossip的分布式Kalman滤波算法，分别结合成对Gossip算法和广播Gossip算法提出了2种具体的基于Gossip的分布式Kalman滤波(Gossip based Distributed Kalman Filter,GDKF)实现算法，即基于成对Gossip的分布式Kalman滤波算法(Pairwise Gossip based Distributed Kalman Filter,PG-DKF)和基于广播Gossip的分布式Kalman滤波算法(Broadcast Gossip based Distributed KalmanFilter,BG-DKF)，同时给出了采用2种分布式Kalman滤波算法进行网络目标跟踪的具体实现步骤。文献[6]采用容积Kalman滤波器来处理分布式摄像机网络中的目标跟踪问题。首先将平方根容积信息滤波器进行扩展，提出了分布式平方根容积信息滤波器，使其能适应大规模网络。……