1.基于贝叶斯估计的水下目标追踪方法,其特征在于:该方法包括以下步骤:
步骤1,在水下探测区域,随机部署n个传感器节点,以构建水声传感网络,所述n个传感器节点分别标记为1,2...,n,节点间通过水声通信方式进行信息交互,并根据与周围传感器节点的距离确定邻居集合;
步骤2,根据水下传感器节点的监测信息,设计单节点贝叶斯估计策略,用以判断目标是否存在,如果判定目标存在则进行步骤3,否则继续根据水下传感器节点的监测信息判断目标是否存在,直到确认探测目标存在为止;
所述单节点贝叶斯估计策略,就是设定判断目标存在与否的临界值P,将传感器节点i在k时刻对目标位置的后验概率 与临界值P进行比较,其中 的构建内容如下:
式中 为传感器节点i在k时刻对目标位置的后验概率; 为传感器节点i在1到k时刻对目标位置的观测值;Xk为k时刻目标可能存在的位置; 为传感器节点i在1到k-1时刻对目标位置的历史观测; 为k时刻传感器节点i对目标位置的观测值;
为k时刻传感器节点i在观测 下对目标位置Xk的似然函数; 为传感器节点i在历史观测 下对目标位置Xk的先验概率; 为归一化因子,其作用是确保对Xk求和的结果等于1;
步骤3,在单节点贝叶斯估计基础上,设计一致性贝叶斯估计策略的先验概率及后验概率,以提高目标追踪精度,将其中任一传感器节点i在k-1时刻与邻居传感器交互目标位置的后验概率进行加权平均,把所得目标位置的一致性概率作为传感器节点i在k时刻对目标位置的先验概率,进而结合传感器节点i在k时刻对目标的观测值,可得出传感器节点i在k时刻对目标位置的后验概率;
步骤4,根据任一传感器节点i在k时刻对目标位置的概率信息,通过对目标可能存在位置的概率信息分析,构建目标存在位置的相对熵,用以描述不同传感器节点对目标存在位置估测概率的准确性,若得到的相对熵处于所要求精度范围之内,则进行步骤5;否则返回步骤3,对目标可能存在位置概率进行重新取样计算;
步骤5,计算出不同传感器节点对水下目标估计位置的相对熵后,通过最优化寻找相对熵最小时所对应的位置空间点,该点即为当前目标最有可能存在的位置;构建最优化公式,进而可实现对目标的准确追踪。
2.根据权利要求1所述的基于贝叶斯估计的水下目标追踪方法,其特征在于:在步骤2中,所述用以判断目标是否存在,是指采用如下规则对目标存在性进行判断:(2)式中P为判断目标存在与否的临界值,通过将上述对于目标位置的概率结果与P的比较,如果大于临界值P则表示目标处于探测区域内,可以对目标进行追踪,否则表示在探测区域内不存在目标。
3.根据权利要求1所述的基于贝叶斯估计的水下目标追踪方法,其特征在于:在步骤3中,所述设计一致性贝叶斯估计策略的先验概率及后验概率,其设计步骤如下:在初始k=0时刻,传感器节点i对目标位置的先验概率估计服从均匀分布;从k≥1时刻开始,传感器节点i对目标位置的先验概率,可通过邻居节点k-1时刻对目标存在位置的后验概率与传感器节点i在k-1时刻的后验概率取加权平均值;在得到传感器节点i的先验概率后,结合当前时刻的观测值可得到传感器节点i在时刻k对目标存在位置的后验概率。
4.根据权利要求1所述的基于贝叶斯估计的水下目标追踪方法,其特征在于:在步骤4中,所述构建目标存在位置的相对熵,其构建模型公式为:Di(Pi(xk|Zk)||Xk)=Pi(xk|Zk)(log(Pi(xk|Zk))-log(Pi(xk|Z1:k-1))) (3)其中,Pi(xk|Zk)表示k时刻传感器节点i对目标存在位置xk的后验概率;Pi(xk|Z1:k-1)表示传感器节点i在历史观测 下对目标位置xk的先验概率;Di(Pi(xk|Zk)||Xk)表示传感器节点i在k时刻对水下目标存在的位置的后验概率与先验概率的相对熵;Xk为目标在k时刻可能存在的所有位置集合;xk为Xk中的任一元素。
5.根据权利要求1所述的基于贝叶斯估计的水下目标追踪方法,其特征在于:在步骤5中,所述构建最优化公式为:(4)式中:L(X)表示在k时刻探测区域内传感器节点对目标可能存在位置的后验概率;D(Pi||Xk)表示目标存在位置的相对熵;Pi表示k时刻传感器节点i对目标存在位置的后验概率;P表示Pi的集合;Xk为在k时刻对探测区域内目标所有存在位置的估计。