?

　　分布式Zigbee多節(jié)點傳感器結(jié)構(gòu)，以用較低的費用獲得較高的可靠性和實用性，可以減少數(shù)據(jù)總線的頻寬和數(shù)據(jù)處理的要求;當一個傳感器的性能降低時，其觀察結(jié)果對整個傳感器的信息融合性能和結(jié)果的影響較小;同時，可以逐步增加數(shù)據(jù)采集節(jié)點的數(shù)量，使系統(tǒng)的結(jié)構(gòu)適應控制中心的操作要求，并有與集中式結(jié)構(gòu)相同或類似的精度。設計新的多傳感器數(shù)據(jù)交換系統(tǒng)時，分布式結(jié)構(gòu)已成為優(yōu)先選擇的方案。分布式結(jié)構(gòu)在交通管制、監(jiān)視系統(tǒng)和多平臺數(shù)據(jù)融合系統(tǒng)有著廣泛的應用前景。在分布式多傳感器壞境中，每個傳感器都有自己的信息處理系統(tǒng)，并且各系統(tǒng)中都收集了大量的目標信息。那么，一個重要的問題是Zigbee路由節(jié)點，如何判斷來自不同節(jié)點的兩個信息是否表示同一個目標信息，也就是軌跡關聯(lián)問題;解決了軌跡關聯(lián)問題，實際上也就解決了Zigbee多節(jié)點傳感器覆蓋區(qū)域中的重復跟蹤問題。

　　對于Zigbee節(jié)點N>2的多節(jié)點情況，所有節(jié)點不僅存在著共同的公共監(jiān)視區(qū)，而且各節(jié)點間也可能存在局部公共監(jiān)視區(qū)，如圖1給出了Zi-gbee節(jié)點N=3情況下的公共監(jiān)視區(qū)平面示意圖。其中，I區(qū)為3個節(jié)點的公共監(jiān)視區(qū);Ⅱ區(qū)為節(jié)點N1和N2間的公共區(qū);Ⅲ區(qū)為節(jié)點N2和N3間的公共區(qū);Ⅳ區(qū)為節(jié)點N3和N1間的公共區(qū)。從示意圖中不難看出，可以通過N1分別和N2、N3進行數(shù)據(jù)關聯(lián)校驗，然后再進行N2和N3數(shù)據(jù)關聯(lián)校驗，這樣I區(qū)的軌跡多關聯(lián)了二次;由于關聯(lián)在數(shù)學上是等價關系，即對I區(qū)的軌跡而言，N1與N2關聯(lián)校驗一次之后，再對N2和N3進行一次關聯(lián)校驗即可。因此，N1與N3關聯(lián)校驗時可不考慮I區(qū)的軌跡，而只考慮他們之間的監(jiān)視公共區(qū)(Ⅳ區(qū))軌跡;對I區(qū)各節(jié)點公共區(qū)的軌跡也可以單獨處理，有兩種方法：一種是N1和N2關聯(lián)，然后N3和N2關聯(lián)，再運用等價關系的可傳遞性形成N個節(jié)點的共同關聯(lián)軌跡。另一種方法是將其化成多節(jié)點分配問題，共同監(jiān)視區(qū)軌跡處理完后，再分別處理兩個節(jié)點間的重疊區(qū)的軌跡。這兩種方法的優(yōu)點是直觀、簡單、容易理解、工程上容易實現(xiàn)，當節(jié)點N較少時處理速度較快;但當節(jié)點N較多時處理速度成倒指數(shù)規(guī)律衰減，同時，這種處理方式缺乏嚴格的數(shù)學描述。所以，為提高分析軌跡關聯(lián)的科學性、嚴密性，下面采用多節(jié)點分配方法探討Zigbee多節(jié)點傳感器數(shù)據(jù)融合中的軌跡關聯(lián)問題。

?

　　1 多節(jié)點關聯(lián)問題的求解

　　對于多節(jié)點關聯(lián)問題的求解，其復雜程度隨著節(jié)點數(shù)量的增大成指數(shù)規(guī)律增長?；跍y量的多節(jié)點分配方法可以形成一套完整的算法。下面先討論傳感器測量的劃分。

　　考慮有3個Zigbee節(jié)點傳感器形成的觀察量

是來自j1、j2和j3Zigbee節(jié)點傳感器測量的集合;針對劃分測量，假定測量

，n=1，2，3的引入可以是在測量單個和兩個節(jié)點傳感器的檢測目標交互中，把觀測量看作是由3個傳感器形成的觀測量。若傳感器j1在位置

丟失目標，而傳感器j2和j3的測量源于目標t，則這一情況的似然函數(shù)可表示為

?

?

　　式中，Z0j2j3是3個傳感器對位于目標真實位置向量

處的同一目標的測量集合;PDs是傳感器s的檢測概率;

表示傳感器s的第js測量值。這一事件的似然函數(shù)為

?

?

　　式中，u(js)為二值示性函數(shù)，當js=0時，u(js)=0;否則，u(js)=1。

　　這樣一來，一個可能的劃分是把集合Z劃分成兩個與目標互聯(lián)的測量子集Zt和沒有與其他目標互聯(lián)的虛擬測量子集Zf，表示為γ={Zt，Zf}，其中，Zt={Zj1j2j3}，ji=1，2，3，…，ni，i=1，2，3;Zf={Ziji}，ji=1，2，3，…，ni，i=1，2，3;γ={Zt，Zf}表示集合Z劃分成子集Zt，Zf的可能，把集合分成測量子集和虛擬測量子集;在靜態(tài)傳感器測量數(shù)據(jù)互聯(lián)中，對一個位置進行全面測量估計至少需要兩個傳感器;否則就是認為虛擬測量子集。因此，測量集合Z的最佳關聯(lián)劃分是把Z劃分為來源于目標的測量子集Zt和虛警子集Zf，這時只需求解γ與γ0的最大聯(lián)合似然函數(shù)比，即

?

　　真實目標位置ωt近似于極大化廣義似然比的極大似然估算值

，所以式(4)中的ωt可用

代替，該估算值可從3個傳感器測量獲得，即

?

?