1. 无线传感器网络基于混合量化卡尔曼融合的目标跟踪方法，其特征在于该方法包括以下步骤：

步骤1.系统建模

1.1给出线性多传感器动态系统

表示时刻 ， 是在时刻 感兴趣的目标的状态变量， 是时间从的系统矩阵，过程噪音 是均值为零的高斯白噪音向量，它的协方差矩阵式是， 是在时刻 的传感器的测量值， 是相关的测量矩阵， 是均值为零的高斯白噪音；

步骤2、比特位量化误差的建模

2.1 测量方程的自适应比特量化建模; ; m(k)是测量方程经过量化的信息矩阵， 是测量误差和量化误差向量之和， n(k)是量化误差向量；

2.2 的近似协方差矩阵

表示 的协方差矩阵， 表示测量方程q经过量化的比特误差的协方差矩阵， 表示第r个测量节点的上限值， 表示第r个测量节点的下限值， 表示量化方程的个数， 表示第r个传感器节点测量方程量化信息的字节数， 表示量化点的个数， 是 的协方差矩阵， 是 的近似协方差矩阵；

2.3量化误差的扩展状态建模 扩展状态的新系统模型如下：

是在时刻 感兴趣的目标的扩展状态变量， 是时间从 的扩展后的系统矩阵，过程噪音 是均值为零的高斯白噪音向量，它的协方差矩阵式是， 是相关的测量矩阵， 为 的协方差误差；

步骤3、两种建模方法的分布式融合估计

3.1 基于量化误差的近似协方差建模的WSFKFQM-CN估计值；

是基于量化误差的近似协方差建模的WSFKFQM-CN估计值， 是的系数矩阵， 是 的系数矩阵；

3.2 基于量化误差的扩展状态建模的WSFKF-CN估计值

是基于量化误差的扩展状态建模的WSFKF-CN估计值， 是 的系数矩阵， 是 的系数矩阵；

3.3 两种量化误差估计的分布式融合线性组合公式如下：

是两种量化估计的分布式融合估计值， 和 是线性组合系数，等于 , 表示 的误差协方差矩阵， 表示的误差协方差矩阵， 表示 和 协方差矩阵， 表示和 协方差矩阵；

步骤4、多传感器系统的混合量化融合估计

4.1 多传感器的测量方程 是测量方程 的测量值， 是高斯白噪音，N代表传感器个数；

4.2 扩展形式的测量方程和测量噪音的去相关性

是测量方程N和测量方程K的相关测量噪音的协方差矩阵，上面所给的矩阵说明，多传感器的测量噪音是相关的；为了满足常规的压缩融合方案，噪音去相关性是必须的；因此为了得到非相关噪音的测量方程，需要对R(k)进行对角化；根据矩阵分析的知识，对于对称矩阵R(k)，一定存在一个正交矩阵U(k)，使； 是个对角矩阵；

是经过对角化的测量噪音的协方差矩阵， 是经过对角化测量方程n的测量噪音的协方差矩阵， 是测量方程 的测量噪音的协方差矩阵， 表示正交变换后的测量值， 表示正交变换后的测量矩阵， 表示正交变换后的测量误差；

4.3正交变换后的测量方程的压缩融合通过传统的集中式压缩融合方法，可以得到 是在时刻 经过集中式压缩融合后的测量值， 是相关的测量矩阵，是均值为零的高斯白噪音，它的协方差矩阵为 ；

得到最终的压缩融合测量方程，然后再经过量化和分布式融合估计，得到最终的混合量化融合的估计值。