1.4  论文的工作

    本毕业设计要求学生在查阅相关资料的基础上，利用线性或非线性滤波算法和数据融合算法，实现仅有距离量测的传感器网络环境下运动目标的位置定位及状态估计。主要工作陈述如下：

    首先对传感器网络环境进行设计；接着利用Matlab编制仿真经过传感器网络区域目标的量测；然后设计目标定位、状态估计与跟踪算法，检测算法的估计精度和正确性，以图表形式给出测试结果；最后按格式要求撰写毕业设计论文, 总结有关理论和方法。文献综述

2  卡尔曼滤波

2.1  卡尔曼滤波简介

    Kalman滤波器是由Kalman在1960年提出的，它主要是从与被提取信号有关的观测值中通过相关算法估计出所需要信号的一种滤波算法。卡尔曼滤波算法把状态空间的概念引入到随机估计理论中，把信号过程看作白噪声作用下的一个线性系统的输出，用状态方程来描述这种输入输出的关系。估计过程中利用系统状态方程，观测方程和白噪声激励的统计特性形成滤波算法，由于所用到的信息都是时域中的变量，因此不但可以对平稳的一维随机过程进行估计，而且应用扩展卡尔曼滤波算法可以对非平稳的，多维随机过程进行估计[40]。

实际上，卡尔曼滤波理论是有一套有计算机实现的实时递推算法，它所处理的对象是随机信号，利用系统噪声和观测噪声的统计特性，以系统的观测量作为滤波器的输入，以所要估计的系统状态或者系统参数作为滤波器的输出，滤波器的输入与输出之间是由时间更新算法和观测更新算法联系在一起的，根据系统方程和观测方程估计出所要处理的信号