1.一种自由移动传感器平台的多目标定位跟踪方法，其特征在于，该方法包括以下步骤：步骤1.建立系统模型；

步骤1.1建立目标动态模型

考虑二维平面内N个移动传感器跟踪M个目标的情形，目标具有如下动态：这里， 是目标i的状态向量， 和 分别表示k时刻目标i在x轴和y轴方向上的坐标， 和 表示对应坐标轴上的速度。Ai是目标i的状态转移矩阵，Bi是噪声矩阵， 是服从标准高斯分布的过程噪声，其协方差为步骤1.2建立传感器模型

假定在每一时刻各个传感器的状态都是可观测的，传感器的感知半径足够大，且运动很容易被改变。传感器j的动态模型如下：这里，j＝1,2,…,N，N为正整数表示第N个移动传感器。 表示传感器j的位置状态向量， 和 分别表示k时刻传感器j在x轴和y轴方向上的坐标。Fk表示k时刻传感器的状态转移矩阵。Hk+1表示k+1时刻传感器的观测矩阵。 是k+1时刻对传感器j的量测， 和 均是零均值高斯白噪声。

这里，Vj是速度强度输入，是一个正值常数。τk,x,τk,y分别表示传感器在x轴和y轴方向上的速度的方向输入，并且需要满足 方向输入的值只能在 中选取，其中-1和1分别代表着x轴和y轴的正方向和负方向。将传感器瞬时方向输入归类为九个方向即为传感器输入的九个模态。

步骤1.3建立量测模型

表示k时刻用传感器j在输入模态为ρ的情况下对目标i的量测其中， 是第j个传感器的观测矩阵， 是零均值、受目标i与传感器j之间距离影响的量测噪声。

步骤1.4建立量测不确定性模型

第j个传感器在输入模态为ρ的状态下对目标i量测的不确定性用协方差阵 表示。因此，假定量测噪声协方差 为传感器j与目标i之间距离的函数：Dk(i,j)＝diag([Dk,x(i,j),Dk,y(i,j)]) (8)L＝diag([Lx,LyI)

这里，Ik是一个单位矩阵，L是常数矩阵，Dk,.(i,j)表示传感器j和目标i的状态差矩阵， 是第j个传感器的常协方差阵，||·||2表示2-范数。该公式表明量测噪声协方差是距离的线性函数。

步骤2标准的制定

步骤2.1目标失检率的表示

为了表示目标失检率，我们用钟状函数表示：

其中，dk(i,j)是在k时刻目标i和传感器j的加权马氏距离，PD由实际需要可取[0,1]之间的任一常数。a，b，c都为常数。Sk为在k时刻与目标有关的常数矩阵。目标的失检率可以表示为步骤2.2标准指标的选择

基于确定的最优标准对传感器进行选择和配置。这里，给出一个最优标准的指标：PMD-PaC，它被定义为目标失检率，目标跟踪精度和传感器使用费用的总和，即该指标也可以用下式表示：Wk＝diag([γk,αk,βk])，Ωk＝diag([ωd,ωX,ωb])，这里， 表示用第j个传感器在输入模态ρ下观测目标i使用 费用所得到的状态估计。 表示在k时刻用第j个传感器在输入模态ρ下观测目标i的传感器功耗。

表示第j个传感器在输入模态ρ下观测目标i时的目标跟踪精度。αk，βk和γk分别表示目标跟踪精度，传感器使用费用和目标失检率的权重系数，权重系数取正值即可，它们与传统的权重系数即在[0,1]区间内取值且相加等于1不同。ωx，ωb和ωd分别表示状态xk，费用bk和传感器与目标距离dk(i,j)的折换系数，因为它们所使用的单位不同。

步骤2.3PMD-PaC系数选择

传感器总功耗由传感器对目标的跟踪精度和传感器本身决定。重要性系数αk,βk,γk在步骤2.2已说明。折算系数ωd，ωX，ωb我们用目标的失检率，目标跟踪精度和费用标准差矩阵的逆来获取，即其中， 表示标准差。

步骤2.4指标的计算方法

传感器使用费用是一个常数值，它可以取任意一个正值。其中目标失检率的表示已经在(9),(10)式中给出，而目标跟踪精度 表示用第j个传感器在输入模态ρ状态下观测第i个目标的估计误差协方差并且可以利用式(1)-(6)进行递归得到：这里， 表示当 时 其中的一个元素 Jk在步骤3中说明。

步骤3传感器的配置

用线性规划来描述传感器的配置以及对其模式的选择，即这里，Jk表示k时刻用N个传感器对M个目标进行观测的所有传感器的总PMD-PaC的目标函数。 是传感器选择变量， 表示在k时刻选择传感器j的 ρ输入模态观测目标i，且 的取值只能是0或1中的一个。

为此，在线性规划问题(20)获得所有的选择变量 之后，还需要进一步优化。这时采用如下方式来选取：其中，{i,i′,i″,i″′,…}表示被传感器j观测到目标的索引集。