基于无线传感器网络的机器人跟踪技术研究

论文摘要

无线传感器网络作为一种新的信息获取与处理技术,是当前在国际上备受关注的前沿热点研究领域之一。移动机器人具有和环境主动交互的功能,在许多场合被寄予了替代人类自动执行某些日常性与危险性任务的厚望。无线传感器网络与机器人结合的研究得到了广泛的关注。跟踪技术是将移动机器人引入无线传感器网络研究的支撑技术之一。本文结合无线传感器网络,对移动机器人跟踪技术进行研究。研究了基于测距技术的定位算法,提出了极大似然-质心加权算法应用于无线传感器网络机器人定位方法。采用TDOA定位机制对机器人定位系统进行建模,利用无线传感器网络节点采样数据,应用极大似然-质心加权算法实现移动机器人的定位。仿真实验结果证明,该算法定位精度较高,计算复杂度低,性能稳定。依托无线传感器网络,采用Sigma点Kalman滤波算法进行移动机器人跟踪。结合无线传感器网络与机器人的航迹推算系统的特点,建立了机器人非线性状态跟踪模型。研究了扩展Kalman滤波与Sigma点Kalman滤波算法,实现了基于无线传感器网络的机器人运行轨迹跟踪。仿真实验表明,当机器人机动运动较强时,Sigma点Kalman滤波算法跟踪效果优于扩展Kalman滤波,跟踪精度高,稳定性好。针对复杂环境下移动机器人运动形式不确定性的问题,提出将交互式多模型应用于机器人轨迹跟踪,利用多个运动模型信息对各个滤波器的输入、输出进行加权综合。设计了基于交互式多模型的扩展Kalman滤波和Sigma点Kalman滤波算法,并实现了对机器人运行轨迹的跟踪。仿真实验证明,结合交互式多模型的滤波算法比单一模型滤波算法跟踪效果好。

论文目录

• 摘要
• Abstract
• 第1章 绪论
• 1.1 研究背景与意义
• 1.2 无线传感器网络概述
• 1.2.1 无线传感器网络体系结构
• 1.2.2 无线传感器网络特征分析
• 1.2.3 无线传感器网络的主要应用领域
• 1.3 国内外研究现状
• 1.4 本文研究内容及论文组织结构
• 第2章 基于WSN的机器人定位跟踪理论
• 2.1 移动机器人跟踪关键技术
• 2.1.1 机器人定位技术
• 2.1.2 无线传感器网络定位技术
• 2.1.3 无线传感器网络目标跟踪技术
• 2.2 典型目标运动模型
• 2.2.1 匀速和匀加速模型
• 2.2.2 一阶时间相关模型
• 2.2.3 目标“当前”统计模型
• 2.2.4 转弯模型
• 2.3 基于WSN的移动机器人跟踪研究
• 2.3.1 基于WSN的移动机器人跟踪典型算法与系统
• 2.3.2 技术特点及存在的问题
• 2.3.3 基于WSN的机器人跟踪性能评价
• 2.4 本章小结
• 第3章 基于TDOA的机器人定位算法研究
• 3.1 定位算法分类
• 3.2 无线传感器网络的定位算法
• 3.2.1 节点定位机制
• 3.2.2 基于测距定位算法
• 3.3 基于TDOA的极大似然-质心加权定位算法
• 3.3.1 基于TDOA目标定位模型的建立
• 3.3.2 质心算法
• 3.3.3 极大似然-质心加权算法设计
• 3.4 定位算法仿真实验与数据分析
• 3.5 本章小结
• 第4章 基于Sigma点卡尔曼滤波的移动机器人跟踪算法研究
• 4.1 目标状态模型概述
• 4.1.1 目标状态空间模型
• 4.1.2 状态估计
• 4.2 扩展卡尔曼滤波算法
• 4.2.1 机器人运动模型的建立
• 4.2.2 基于扩展卡尔曼滤波机器人跟踪算法
• 4.3 Sigma点卡尔曼滤波算法研究
• 4.3.1 无迹变换
• 4.3.2 基于SPKF算法的机器人跟踪算法
• 4.4 仿真实验与结果分析
• 4.5 本章小结
• 第5章 基于交互式多模型的移动机器人跟踪研究
• 5.1 交互式多模型算法
• 5.1.1 交互式多模型算法原理
• 5.1.2 交互式多模型算法性能分析
• 5.2 基于交互式多模型的移动机器人跟踪算法设计
• 5.2.1 运动模型选择分析
• 5.2.2 IMM-EKF算法
• 5.2.3 IMM-SPKF算法
• 5.3 仿真实验与结果分析
• 5.4 本章小结
• 第6章 总结与展望
• 6.1 总结
• 6.2 展望
• 参考文献
• 致谢
• 作者在攻读硕士学位期间发表的学术论文
• 作者简介