本书全面介绍了基于无线传感器网络的目标定位和跟踪系统的基本理论，对现有目标定位与跟踪系统进行了深入分析，提供了基于无线传感器网络构建目标定位与跟踪系统的方法，给出了基于RSSI和无线传感器网络的目标定位与跟踪系统实现途径，以及利用人工神经网络实现动态环境下运动目标跟踪的过程。本书给出了利用MATLAB编写的主要算法实现例程，可以为设计和实现**的无线传感器网络定位跟踪系统提供有益帮助。 全书深入浅出、通俗易懂，与实际应用结合紧密，可以为从事无线传感器网络及目标定位与跟踪技术研究的高年级学生、高校教师及工程技术人员提供有益参考。

目 录 第1章 无线传感器网络基础 1 1.1 无线传感器网络介绍 1 1.2 无线传感器网络与其他无线网络 3 1.3 传感器节点架构 4 1.3.1 供电单元 5 1.3.2 感应单元 5 1.3.3 处理单元 5 1.3.4 通���单元 6 1.3.5 定位单元 7 1.4 传感器网络通信架构 7 1.5 无线传感器网络的设计约束 8 1.5.1 功耗 8 1.5.2 存储 9 1.5.3 部署、拓扑和覆盖率 9 1.5.4 通信与路由 10 1.5.5 **性 10 1.5.6 制造成本 10 1.5.7 可扩展性和精准性 11 1.6 现有无线传感器平台 11 1.6.1 Wins 11 1.6.2 Eyes 12 1.6.3 Pico-Radio 12 1.6.4 Mica Mote族 12 1.7 无线传感器网络应用 13 1.7.1 军事应用 13 1.7.2 环境监测应用 13 1.7.3 健康应用 14 1.7.4 家庭应用 14 1.7.5 其他商业应用 14 原书参考文献 15 第2章 基于无线传感器网络的目标定位与跟踪 18 2.1 基于无线传感器网络的目标定位与跟踪简介 18 2.1.1 无线传感器网络中目标定位与跟踪的典型场景 20 2.1.2 目标定位与跟踪技术分类 21 2.2 基于RSSI的目标定位与跟踪算法 22 2.3 路径损耗模型的环境特征描述 25 2.3.1 自由空间传播模型 25 2.3.2 双线传播模型 26 2.3.3 对数正态阴影衰减模型（LNSM） 27 2.3.4 OFPEDM 27 2.4 基于RSSI的目标定位与跟踪技术 28 2.4.1 RFID 28 2.4.2 Wi-Fi 28 2.4.3 蓝牙 29 2.4.4 ZigBee 29 2.5 目标定位的传统技术 30 2.5.1 三边测量技术 30 2.5.2 三角测量技术 31 2.5.3 指纹 31 2.6 运动目标跟踪模型 32 2.6.1 恒速（CV）模型 32 2.6.2 恒加速（CA）模型 32 2.7 目标跟踪状态估计技术 33 2.7.1 标准卡尔曼滤波（KF） 34 2.7.2 UKF 35 2.8 基于RSSI室内目标定位与跟踪的相关挑战 36 原书参考文献 37 第3章 基于RSSI的目标定位与跟踪系统综述 43 3.1 各种无线技术在室内跟踪中的应用综述 43 3.2 贝叶斯滤波在基于RSSI的目标跟踪中的应用综述 45 3.3 神经网络在基于RSSI的目标跟踪中的应用综述 47 3.4 BLE技术在基于RSSI的目标跟踪中的应用综述 51 3.5 现有基于RSSI的目标定位与跟踪系统的局限性 52 原始参考文献 53 第4章 基于三边测量的RSSI目标定位与跟踪 58 4.1 基于三边测量的目标定位与跟踪系统假定与设计 58 4.2 基于三边测量的目标定位与跟踪算法流程 60 4.3 评估目标定位与跟踪算法的性能指标 61 4.4 结果讨论 61 4.4.1 案例4.1结果：测试环境动态性对目标定位与跟踪的 影响（RSSI测量中的噪声变化） 62 4.4.2 案例4.2结果：锚节点密度对目标定位与跟踪的影响测试 74 4.5 结论 79 基于三边测量的目标定位与跟踪算法的MATLAB代码 79 原书参考文献 88 第5章 基于KF的RSSI目标定位与跟踪 90 5.1 基于KF的目标定位与跟踪系统假设和设计 90 5.2 基于三边测量 KF 算法和三边测量 UKF 算法的目标定位与 跟踪算法流程 95 5.3 评估目标定位与跟踪算法的性能指标 96 5.4 结果讨论 97 5.4.1 案例5.1结果 97 5.4.2 案例5.2结果 100 5.4.3 案例5.3结果 103 5.5 结论 106 基于KF的目标定位与跟踪算法的MATLAB 代码 106 原书参考文献 124 第6章 基于GRNN的RSSI目标定位与跟踪 126 6.1 目标定位与跟踪应用的GRNN体系结构 126 6.2 系统假设与设计 127 6.3 基于三边测量 KF算法与三边测量 UKF算法流程 130 6.4 性能评估指标 130 6.5 结果讨论 131 6.5.1 案例6.1结果 131 6.5.2 案例6.2结果 133 6.5.3 案例6.3结果 136 6.6 结论 139 基于GRNN和KF架构的目标定位与跟踪算法的MATLAB代码 139 案例6.1的MATLAB代码 139 案例6.2的MATLAB代码 147 案例6.3的MATLAB代码 154 原书参考文献 162 第7章 基于监督学习架构的RSSI 定位和跟踪 164 7.1 目标定位和跟踪方法的监督学习架构 164 7.1.1 FFNN 164 7.1.2 径向基函数神经网络（RBFN或RBFNN） 165 7.1.3 多层感知器（MLP） 166 7.2 ANN训练函数 166 7.3 监督学习架构在L＆T系统中的应用 167 7.3.1 系统假设和设计 168 7.3.2 性能评估指标 169 7.3.3 ANN架构的算法流程 170 7.3.4 结果讨论 170 7.4 结论 179 案例7.1和案例7.2的MATLAB代码 179 案例7.1的MATLAB代码 179 案例7.2 的MATLAB 代码 189 原书参考文献 193