高级搜索

一种基于异步传感器网络的空间目标分布式跟踪方法

黄静琪 胡琛 孙山鹏 高翔 何兵

引用本文: 黄静琪, 胡琛, 孙山鹏, 高翔, 何兵. 一种基于异步传感器网络的空间目标分布式跟踪方法[J]. 电子与信息学报, 2020, 42(5): 1132-1139. doi: 10.11999/JEIT190460 shu
Citation:  Jingqi HUANG, Chen HU, Shanpeng SUN, Xiang GAO, Bing HE. A Distributed Space Target Tracking Algorithm Based on Asynchronous Multi-sensor Networks[J]. Journal of Electronics and Information Technology, 2020, 42(5): 1132-1139. doi: 10.11999/JEIT190460 shu

一种基于异步传感器网络的空间目标分布式跟踪方法

    作者简介: 黄静琪: 女,1987年生,助理研究员,研究方向为航天器精密轨道确定、实时轨道计算、分布式滤波;
    胡琛: 男,1988年生,博士,讲师,研究方向为分布式滤波、多智能体系统、机器学习;
    孙山鹏: 男,1987年生,工程师,研究方向为航天器测控总体技术、航天器实时轨道计算;
    高翔: 男,1987年生,工程师,研究方向为航天器测控总体技术、航天器实时轨道计算;
    何兵: 男,1983年生,副教授,研究方向为信息融合、飞行动力学及控制
    通讯作者: 黄静琪,hjingqi@sina.cn
摘要: 为解决传感器网络在空间目标分布式跟踪过程中的异步采样及通信延迟问题,该文提出一种异步分布式信息滤波算法(ADIF)。首先,局部传感器与相邻节点之间以一定的拓扑结构传递带采样时标的局部状态信息和量测信息,然后将收到的异步信息按时间排序,使用ADIF算法进行计算,分别对目标状态进行估计。该方法实现简单,传感器间通信的次数少,支持网络拓扑的实时变化,适用于空间目标监测中的多目标跟踪问题。该文分别对空间单目标、多目标跟踪进行了仿真,结果表明算法可以有效解决异步传感器滤波问题,分布式滤波精度一致逼近于集中式结果。

English

    1. [1]

      JIA Bin, XIN Ming, PHAM K, et al. Multiple sensor estimation using a high-degree cubature information filter[C]. SPIE 8739, Sensors and Systems for Space Applications VI, Baltimore, USA, 2013: 87390T. doi: 10.1117/12.2015546.

    2. [2]

      LIU Song, SHEN-TU Han, CHEN Huajie, et al. Asynchronous multi-sensor fusion multi-target tracking method[C]. The 14th IEEE International Conference on Control and Automation, Anchorage, USA, 2018: 459–463.

    3. [3]

      KAMAL A T, FARRELL J A, and ROY-CHOWDHURY A K. Information weighted consensus[C]. The 51st IEEE Conference on Decision and Control (CDC), Maui, USA, 2012: 2732–2737.

    4. [4]

      汪晗, 成昂轩, 王坤, 等. 无线传感器网络分布式迭代定位误差控制算法[J]. 电子与信息学报, 2018, 40(1): 72–78. doi: 10.11999/JEIT170344
      WANG Han, CHENG Angxuan, WANG Kun, et al. Error control algorithm of distributed localization in wireless sensor networks[J]. Journal of Electronics &Information Technology, 2018, 40(1): 72–78. doi: 10.11999/JEIT170344

    5. [5]

      CHEN Bo, HU Guoqiang, HO D W C, et al. Distributed Kalman filtering for time-varying discrete sequential systems[J]. Automatica, 2019, 99: 228–236. doi: 10.1016/j.automatica.2018.10.025

    6. [6]

      BATTISTELLI G, CHISCI L, and SELVI D. A distributed Kalman filter with event-triggered communication and guaranteed stability[J]. Automatica, 2018, 93: 75–82. doi: 10.1016/j.automatica.2018.03.005

    7. [7]

      OLFATI-SABER R. Distributed Kalman filtering for sensor networks[C]. The 46th IEEE Conference on Decision and Control, New Orleans, USA, 2007: 5492–5498.

    8. [8]

      OLFATI-SABER R. Kalman-Consensus Filter: Optimality, stability, and performance[C]. The 48th IEEE Conference on Decision and Control, Shanghai, China, 2009: 7036–7042.

    9. [9]

      CATTIVELLI F S and SAYED A H. Diffusion strategies for distributed Kalman filtering and smoothing[J]. IEEE Transactions on Automatic Control, 2010, 55(9): 2069–2084. doi: 10.1109/TAC.2010.2042987

    10. [10]

      HU Jinwen, XIE Lihua, and ZHANG Cishen. Diffusion Kalman filtering based on covariance intersection[J]. IEEE Transactions on Signal Processing, 2012, 60(2): 891–902. doi: 10.1109/TSP.2011.2175386

    11. [11]

      WANG Shaocheng and REN Wei. On the convergence conditions of distributed dynamic state estimation using sensor networks: A unified framework[J]. IEEE Transactions on Control Systems Technology, 2018, 26(4): 1300–1316. doi: 10.1109/TCST.2017.2715849

    12. [12]

      KOWALCZUK Z and DOMŹALSKI M. Asynchronous distributed state estimation for continuous-time stochastic processes[J]. International Journal of Applied Mathematics and Computer Science, 2013, 23(2): 327–339. doi: 10.2478/amcs-2013-0025

    13. [13]

      楚天鹏. 多光电跟踪设备异步序贯分布式目标跟踪算法[J]. 红外与激光工程, 2017, 46(9): 0926002. doi: 10.3788/IRLA201746.0926002
      CHU Tianpeng. Distributed asynchronous sequential fusion algorithm for multiple optic-electronic tracking devices[J]. Infrared and Laser Engineering, 2017, 46(9): 0926002. doi: 10.3788/IRLA201746.0926002

    14. [14]

      ZHU Guangming, ZHOU Fan, XIE Li, et al. Sequential asynchronous filters for target tracking in wireless sensor networks[J]. IEEE Sensors Journal, 2014, 14(9): 3174–3182. doi: 10.1109/JSEN.2014.2325400

    15. [15]

      SHARMA J, STOKES G H, VON BRAUN C, et al. Toward operational space-based space surveillance[J]. Lincoln Laboratory Journal, 2002, 13(2): 309–334.

    16. [16]

      JULIER S J and UHLMANN J K. General Decentralized Data Fusion with Covariance Intersection[M]. LLINAS J, HALL D, and LIGGINS II M. Handbook of Multisensor Data Fusion. 2nd ed. Boca Raton, USA: CRC Press, 2001: 319–342.

    17. [17]

      JIA Bin, XIN Ming, and CHENG Yang. Multiple sensor estimation using the sparse Gauss-Hermite quadrature information filter[C]. 2012 American Control Conference, Montreal, Canada, 2012: 5544–5549.

    18. [18]

      杨潇, 谢京稳, 郭军海, 等. 高速采样测量数据处理方法研究[J]. 飞行器测控学报, 2008, 27(5): 49–52.
      YANG Xiao, XIE Jingwen, GUO Junhai, et al. Study on methods of high sampling rate data processing[J]. Journal of Spacecraft TT&C Technology, 2008, 27(5): 49–52.

    1. [1]

      方维维, 刘梦然, 王云鹏, 李阳阳, 安竹林. 面向物联网隐私数据分析的分布式弹性网络回归学习算法. 电子与信息学报, 2020, 42(0): 1-9.

    2. [2]

      熊伟, 顾祥岐, 徐从安, 崔亚奇. 多编队目标先后出现时的无先验信息跟踪方法. 电子与信息学报, 2020, 42(7): 1619-1626.

    3. [3]

      夏士超, 姚枝秀, 鲜永菊, 李云. 移动边缘计算中分布式异构任务卸载算法. 电子与信息学报, 2020, 41(0): 1-8.

    4. [4]

      董亚非, 胡文晓, 钱梦瑶, 王越. 基于DNA适配体的荧光生物传感器. 电子与信息学报, 2020, 42(6): 1374-1382.

    5. [5]

      陈建华, 和志圆, 王炯. 基于边信息改进的分布式信源编码方案. 电子与信息学报, 2020, 42(7): 1678-1685.

    6. [6]

      周宝亮. 分布式相参雷达LFM宽带去斜参数估计方法. 电子与信息学报, 2020, 42(7): 1566-1572.

    7. [7]

      张天骐, 胡延平, 冯嘉欣, 张晓艳. 基于零空间矩阵匹配的极化码参数盲识别算法. 电子与信息学报, 2020, 41(0): 1-7.

    8. [8]

      李万林, 王超, 许国良, 雒江涛, 张轩. 基于信令数据的轨迹驻留点识别算法研究. 电子与信息学报, 2020, 42(0): 1-8.

    9. [9]

      王彬, 侯越圣. 一种Alpha稳定分布噪声下的体积目标长度估计方法. 电子与信息学报, 2020, 41(0): 1-8.

    10. [10]

      张凯, 陈彬, 许志伟. 基于多目标进化策略算法的DNA核酸编码设计. 电子与信息学报, 2020, 42(6): 1365-1373.

    11. [11]

      徐宇, 林郁, 杨海钢. FPGA双端口存储器映射优化算法. 电子与信息学报, 2020, 41(0): 1-8.

    12. [12]

      姜文, 牛杰, 吴一戎, 梁兴东. 机载多通道SAR运动目标方位向速度和法向速度联合估计算法. 电子与信息学报, 2020, 42(6): 1542-1548.

    13. [13]

      全英汇, 高霞, 沙明辉, 陈侠达, 李亚超, 邢孟道, 岳超良. 基于期望最大化算法的捷变频联合正交频分复用雷达高速多目标参数估计. 电子与信息学报, 2020, 42(7): 1611-1618.

    14. [14]

      曾帅, 钱志华, 赵天烽, 任彦, 王育杰. 生存性条件约束下的软件定义光网络控制器部署算法. 电子与信息学报, 2020, 41(0): 1-8.

    15. [15]

      罗宇, 郭家松. 大位宽情况下的回滚式循环冗余校验算法. 电子与信息学报, 2020, 42(0): 1-7.

    16. [16]

      毛秀海, 李凡, 左小磊. DNA数据存储. 电子与信息学报, 2020, 42(6): 1303-1312.

    17. [17]

      雷大江, 张策, 李智星, 吴渝. 基于多流融合生成对抗网络的遥感图像融合方法. 电子与信息学报, 2020, 41(0): 1-8.

    18. [18]

      徐瑨, 吴慧慈, 陶小峰. 5G网络空间安全对抗博弈. 电子与信息学报, 2020, 41(0): 1-11.

    19. [19]

      周杨, 张天骐. 多径环境下异步长码DS-CDMA信号伪码序列及信息序列盲估计. 电子与信息学报, 2020, 41(0): 1-8.

    20. [20]

      李骜, 刘鑫, 陈德运, 张英涛, 孙广路. 基于低秩表示的鲁棒判别特征子空间学习模型. 电子与信息学报, 2020, 42(5): 1223-1230.

  • 图 1  异步多传感器采样示意图

    图 2  传感器i的入邻节点采样时刻映射示意图

    图 3  传感器网络的通信拓扑

    图 4  测量设备的跟踪弧段

    图 5  各测量设备计算的位置、速度RMSE曲线

    图 6  目标1传感器网络拓扑变化情况

    图 7  目标2传感器网络拓扑变化情况

    图 8  P1, S1, S2对目标1分布式滤波定轨的位置、速度RMSE曲线

    图 9  P2, S2, S3对目标2分布式滤波定轨的位置、速度RMSE曲线

    表 1  目标初始轨道

    历元X(m)Y(m)Z(m)Vx(m·s–1)Vy(m·s–1)Vz(m·s–1)
    2019-04-25 04:11:56980093.4661709342.5126698030.7146293.7414383734.785328–1863.584480
    下载: 导出CSV

    表 2  天基光学相机轨道根数

    天基相机历元a(km)ei(°)Ω(°)ω(°)M(°)
    P12019-4-25 04:00:006878.1370.00001145.0359.80.0339.8
    P22019-4-25 04:00:006778.1370.00001063.4250.110.235.0
    下载: 导出CSV

    表 3  各测站集中式与分布式滤波位置平均RMSE

    滤波类型P1P2S1S2S3
    位置ADIF(m)11.438910.774011.668311.389310.9962
    EIF(m)9.6533
    速度ADIF(m/s)0.45500.45630.45750.45640.4564
    EIF(m/s)0.3973
    下载: 导出CSV

    表 4  目标2初始轨道

    历元X(m)Y(m)Z(m)Vx(m·s–1)Vy(m·s–1)Vz(m·s–1)
    2019-04-25 04:00:556985582.028542743.4501003434.795–966.305250–1160.131728–7350.707562
    下载: 导出CSV
  • 加载中
图(9)表(4)
计量
  • PDF下载量:  41
  • 文章访问数:  877
  • HTML全文浏览量:  461
文章相关
  • 通讯作者:  黄静琪, hjingqi@sina.cn
  • 收稿日期:  2019-06-21
  • 录用日期:  2019-10-20
  • 网络出版日期:  2019-10-29
  • 刊出日期:  2020-05-01
通讯作者: 陈斌, bchen63@163.com
  • 1. 

    沈阳化工大学材料科学与工程学院 沈阳 110142

  1. 本站搜索
  2. 百度学术搜索
  3. 万方数据库搜索
  4. CNKI搜索

/

返回文章