1.一种基于扩展卡尔曼滤波的WSN机动目标跟踪方法,其特征在于,包括以下具体步骤:S1:利用传感器网络获取机动目标的数据;
S2:进行蛇种群的初始化,利用立方混沌Cubic映射使初始化使蛇种群均匀分布在搜索空间内,设定最大迭代次数、食物和温度触发阈值;
S3:确定目标函数,根据扩展卡尔曼滤波算法过程,确定适应度函数,后按扩展卡尔曼滤波的步骤对机动目标的参数进行估计,将噪声协方差矩阵参数作为优化算法个体的位置,寻优生成协方差为Q值和R值的随机噪声,并加入到ISO算法的观测值和估计值中;
S4:蛇算法模块改进,迭代输出最佳位置;
所述S3中,扩展卡尔曼滤波的算法公式如下:
P
P
所述S3中,扩展卡尔曼滤波算法的具体步骤如下:
S31:根据系统的运动模型和观测模型,建立状态转移方程和观测方程;
S32:基于扩展卡尔曼滤波算法公式,通过预测公式(3)至公式(6),利用状态转移方程和上一时刻的状态估计值,预测当前时刻的状态估计值和协方差矩阵;
S33:通过更新公式(7)至公式(9),利用观测方程和当前时刻的观测值,校正预测的状态估计值和协方差矩阵,得到最终的状态估计值和协方差矩阵;
所述S4中,蛇算法模块改进的具体步骤如下:
S41:将种群分为雄性与雌性两组,设置适应度函数,并计算相应的适应度,找当前最佳雌雄个体,将当前时刻的观测值和估计值作为ISO算法的适应度函数,在每次重复后得到新的滤波参数,根据适应度函数计算出来的适应度值来判断此次迭代产生的滤波参数的准确性;
S42:根据公式定义环境温度temp和食物数量D;
S43:根据食物量D的大小决定个体处于只寻找食物或战斗和交配;
S44:根据模式随机数判断进入战斗模式和交配模式,更新战斗模式的位置,分别替换战斗模式下的Am,将最佳个体替换成当前个体,更新位置,如果卵孵化,选出最差个体进行替换;
S45:处理更新后的位置,更新个体历史最佳值,判断其是否达到迭代次数,不满足则进入下一轮迭代,满足则结束迭代输出最佳位置;
所述S41中,适应度函数如下:
所述S42中,环境温度和食物数量的定义公式如下:
2.根据权利要求1所述的一种基于扩展卡尔曼滤波的WSN机动目标跟踪方法,其特征在于,所述S1中,利用传感器收集数据的具体操作如下:针对WSN区域内跟踪问题,假设传感器网络中传感器都为同一型号,传感器通过测距功能获取当前采样时刻传感器到目标轨迹的距离和噪声信息。
3.根据权利要求1所述的一种基于扩展卡尔曼滤波的WSN机动目标跟踪方法,其特征在于,所述S2中,蛇种群的初始化是基于公式