摘要 数据处理的速度不但取决于计算机本身，而且在一定程度上取决于的算法复杂程度，算法运算量的大小直接影响到设备运行的质量。文中通过对分布式Zigbee多节点传感器数据融合中的轨迹关联问题进行探讨，对节点状态估算进行推导，形成节点状态估算算法，提供了简单、方便、实用的轨迹关联算法。
关键词 Zigbee；传感器；轨迹关联；目标跟踪

    分布式Zigbee多节点传感器结构，以用较低的费用获得较高的可靠性和实用性，可以减少数据总线的频宽和数据处理的要求；当一个传感器的性能降低时，其观察结果对整个传感器的信息融合性能和结果的影响较小；同时，可以逐步增加数据采集节点的数量，使系统的结构适应控制中心的操作要求，并有与集中式结构相同或类似的精度。设计新的多传感器数据交换系统时，分布式结构已成为优先选择的方案。分布式结构在交通管制、监视系统和多平台数据融合系统有着广泛的应用前景。在分布式多传感器坏境中，每个传感器都有自己的信息处理系统，并且各系统中都收集了大量的目标信息。那么，一个重要的问题是Zigbee路由节点，如何判断来自不同节点的两个信息是否表示同一个目标信息，也就是轨迹关联问题；解决了轨迹关联问题，实际上也就解决了Zigbee多节点传感器覆盖区域中的重复跟踪问题。
    对于Zigbee节点N>2的多节点情况，所有节点不仅存在着共同的公共监视区，而且各节点间也可能存在局部公共监视区，如图1给出了Zi-gbee节点N=3情况下的公共监视区平面示意图。其中，I区为3个节点的公共监视区；Ⅱ区为节点N1和N2间的公共区；Ⅲ区为节点N2和N3间的公共区；Ⅳ区为节点N3和N1间的公共区。从示意图中不难看出，可以通过N1分别和N2、N3进行数据关联校验，然后再进行N2和N3数据关联校验，这样I区的轨迹多关联了二次；由于关联在数学上是等价关系，即对I区的轨迹而言，N1与N2关联校验一次之后，再对N2和N3进行一次关联校验即可。因此，N1与N3关联校验时可不考虑I区的轨迹，而只考虑他们之间的监视公共区(Ⅳ区)轨迹；对I区各节点公共区的轨迹也可以单独处理，有两种方法：一种是N1和N2关联，然后N3和N2关联，再运用等价关系的可传递性形成N个节点的共同关联轨迹。另一种方法是将其化成多节点分配问题，共同监视区轨迹处理完后，再分别处理两个节点间的重叠区的轨迹。这两种方法的优点是直观、简单、容易理解、工程上容易实现，当节点N较少时处理速度较快；但当节点N较多时处理速度成倒指数规律衰减，同时，这种处理方式缺乏严格的数学描述。所以，为提高分析轨迹关联的科学性、严密性，下面采用多节点分配方法探讨Zigbee多节点传感器数据融合中的轨迹关联问题。

1 多节点关联问题的求解
    对于多节点关联问题的求解，其复杂程度随着节点数量的增大成指数规律增长。基于测量的多节点分配方法可以形成一套完整的算法。下面先讨论传感器测量的划分。
    考虑有3个Zigbee节点传感器形成的观察量是来自j1、j2和j3Zigbee节点传感器测量的集合；针对划分测量，假定测量，n=1，2，3的引入可以是在测量单个和两个节点传感器的检测目标交互中，把观测量看作是由3个传感器形成的观测量。若传感器j1在位置丢失目标，而传感器j2和j3的测量源于目标t，则这一情况的似然函数可表示为
   
    式中，Z0j2j3是3个传感器对位于目标真实位置向量处的同一目标的测量集合；PDs是传感器s的检测概率；表示传感器s的第js测量值。这一事件的似然函数为
   
    式中，u(js)为二值示性函数，当js=0时，u(js)=0；否则，u(js)=1。

[1] [2]  下一页