Suivi de cibles à l'aide de l'apprentissage automatique et du filtre de Kalman dans les réseaux de capteurs sans fil

Cet article décrit une méthode originale pour le suivi de cibles dans les réseaux de capteurs sans fil. La méthode proposée combine l'apprentissage automatique avec un filtre de Kalman pour estimer les positions instantanées d'une cible en mouvement. Les accélérations de la cible, ainsi que les informations provenant du réseau, sont utilisées pour obtenir une estimation précise de sa position. À cette fin, des empreintes radio des indicateurs de force du signal reçue (RSSIs) sont d'abord collectées sur la zone de surveillance. La base de données obtenue est ensuite utilisée avec des algorithmes d'apprentissage automatique pour calculer un modèle qui estime la position de la cible en n'utilisant que les informations RSSI. Ce modèle conduit à une première estimation de la position de la cible en cours d'investigation. La régression de crête basée sur le noyau et les moindres carrés régularisés à sortie vectorielle sont utilisés dans le processus d'apprentissage. Le filtre de Kalman est ensuite utilisé pour combiner les prévisions des positions de la cible basées sur les informations d'accélération avec les premières estimations, aboutissant à des estimations plus précises. La performance de la méthode est étudiée pour différents scénarios et une comparaison approfondie avec des algorithmes bien connus est également fournie.