基于性能边界和量化数据的WSN目标跟踪传感器选择算法

对能量和带宽受限的无线传感器网络下的目标跟踪问题,基于量化的观测数据和条件后验克拉美-罗下界提出一种传感器选择方法.为了节约网络能量和带宽,对传感器接收到的观测数据进行量化压缩,推导了传感器量化数据下目标状态估计的条件后验克拉美-罗下界,将其作为传感器选择和优化的准则,并且利用粒子滤波器给出一种条件后验克拉美-罗下界的近似计算方法.与基于无条件后验克拉美-罗下界和互信息的传感器选择方法进行了对比仿真,结果表明了条件后验克拉美-罗下界作为传感器选择准则的有效性以及对跟踪性能的改进.