传感器网络基于轨迹聚类的多目标跟踪算法

本文重点研究传感器网络中能源高效的多目标跟踪问题.根据轨迹相似性对跟踪目标聚类,利用组对象跟踪实现所有对象的跟踪,能够有效地减少传输能耗,延长网络寿命.由于测量误差、低采样率以及环境干扰,很难获取目标的精确位置,因此轨迹数据存在固有的不确定性.忽略这种不确定性会降低轨迹挖掘质量,从而影响目标跟踪.提出基于不确定性轨迹挖掘的组对象跟踪方法.轨迹挖掘阶段首先为所有跟踪目标建立马尔科夫链模型,然后给出一种新的不确定轨迹相似性的度量,最后给出不确定轨迹聚类算法UTK-means对目标分组.组对象跟踪阶段向基站周期性地更新组中心轨迹的位置.实验结果验证了本文方法具有较高的聚类质量和节能效率.