无线传感器网络下的并行粒子滤波目标跟踪算法

针对无线传感器网络环境下目标跟踪问题,提出一种基于分布式并行粒子滤波的目标跟踪方法.在建立了网络动态分簇模型和目标运动模型的基础上,将并行粒子滤波算法应用于动态目标进行跟踪.算法通过多个感知节点并行的运行局部粒子滤波器,得到每个节点对目标状态的估计,动态成簇的簇头节点对簇内每个节点的信息进行融合,形成动态目标的状态估计...     

一种新的无线传感器网络半动态分簇路由协议

在LEACH分簇算法的基础上,提出一种半动态无线传感器网络分簇路由算法。在半动态分簇算法中,新簇形成之后,不需要更换簇内节点信息而仅改变簇头信息,直至簇内节点死亡率超过30%,再重新进行新一轮簇的形成。仿真结果表明,这种分簇算法在很大程度上提高了整个无线传感器网络的寿命。     

WSNs中基于协作通信的分簇路由算法研究

针对无线传感器网络数据信息传输可靠性,提出一种无线传感器网络中基于协作通信的分簇路由算法。该算法主要对分簇、簇间路由和簇内路由三个阶段进行了设计,依据信噪比寻找满足网络数据传输可靠性的最佳路由,实现源节点和目的节点之间的协作通信。仿真结果表明,无线传感器网络中基于协作通信的分簇路由算法能够有效地优化网络路径,提高频谱利用率,增强数据信息传输的可靠性。     

基于LEACH协议的簇头辅助路由算法

为了平衡无线传感器网络的负载,延长网络生存时间,针对大规模无线传感器网络场景,对低能量自适应分簇分层协议进行改进,提出一种簇头辅助路由算法。新算法采用控制信息与数据信息分离的思想,由簇头实现控制信息处理的功能,由簇内聚合节点和簇间转发节点实现数据的融合、转发功能。仿真结果显示,在大规模无线传感器网络场景下,该算法比低能量自适应分簇分层协议的网络寿命和数据接收总量均有明显提高。     

基于聚类的无线传感器网络的分簇算法研究

针对无线传感器网络中的LEACH算法的簇头节点分布不均匀的不足之处,提出了一种基于聚类的无线传感器网络的分簇算法．该算法将传感器网络按照节点的实际分布情况采用聚类算法聚成几个类（分簇）,在各分簇中分别选择簇头节点．模拟实验结果显示算法与LEACH相比具有更好的性能．     

考虑网络吞吐量的异构无线传感器网络分簇路由算法

针对在异构无线传感器网络信息聚类过程中,当层数为3～5层时,存在网络吞吐量较低的问题,提出一种异构无线传感器网络分簇路由算法.分析异构无线传感器网络能耗的无线电一阶模式,构建异构无线传感器网络的能耗模型.当簇群请求节点接收到发送于簇头的码分多址编码与时分多址时隙后,转发数据并使其稳定传输;引入狼群算法建立路由路径,实现异构无线传感器网络分簇路由算法优化.结果表明,异构无线传感器网络层数为3～5时的网络吞吐量均得到提高.     

基于萤火虫算法优化FCM的WSN路由算法

针对无线传感器网络节点能源有限,容易出现能量负载不均衡的问题,提出了一种基于萤火虫算法优化模糊C均值(FCM)的无线传感器网络(WSN)路由算法(FFACM),优化了分簇路由算法中的分簇阶段和簇间路由建立阶段。在分簇阶段,使用萤火虫算法计算初始聚类中心,避免模糊C均值算法因初始聚类中心而陷入局部最优的问题。在选择簇首节点上,建立关于剩余能量和距离的适应度函数,选取适应度值最大的节点作为簇首节点并动态更新。通过计算节点间的链路代价并根据剩余能量和到sink节点的距离建立代价函数,选择代价函数值最小的节点建立簇间多跳路由,使得簇首节点的负载降到最低。从仿真实验结果可知,相比于其他无线传感器网络的路由算法,FFACM算法能有效均衡网络负载,降低节点能耗,从而延长网络的使用周期。     

无线传感器网络LEACH算法的研究

无线传感器网络能够实时监测、采集和处理环境信息,应用前景十分广阔。目前,路由算法已成为无线传感器网络的关键技术之一。LEACH算法是一种典型的分簇路由算法,簇头的选取直接影响到算法性能的优劣。通过对LEACH算法的分析,在簇头节点的选取方面提出了改进方案。     

基于能量预测的分簇可充电无线传感器网络充电调度

为及时对可充电无线传感器网络中的"饥饿"节点补充能量,提出了一种基于预测的分簇低能量路径移动充电算法(CLP)。网络采用非均匀分簇的多跳路由协议,每个簇选取能量最低的节点作为簇头节点,移动充电车仅为簇头节点充电并收集簇内节点的能量信息。每次充电调度完成后,移动充电车将所收集的能量信息发送至基站,基站根据马尔科夫模型预测各簇内节点的能耗,以优化选取下一次的充电目标。仿真结果表明,采用CLP算法比旅行商问题(TSP)算法的网络效用提高约20%,数据传输能力提高约17%。     

基于分簇和定向扩散混合路由协议的研究

分簇算法是无线传感器网络路由算法研究的主要方向之一.为了解决无线传感器网络中网络节点能量负载不平衡的问题,提出基于分簇和定向扩散混合路由算法的方案.将传感器节点分簇,簇间通信采用定向扩散算法,充分考虑能量均衡的问题,从而实现整个网络的能量消耗更加均衡,最大限度地延长网络生命周期的目的.仿真表明,该混合算法能量均衡性更好,能提供更长的网络生命周期.     

基于单极点反馈积累理论的KF算法

状态误差协方差矩阵和状态估计的精度直接影响卡尔曼滤波（KF）性能.为减小滤波误差,提高卡尔曼滤波精度,基于单极点反馈积累理论,提出了一种改进的卡尔曼滤波算法.该算法利用单极点反馈积累思想,通过综合当前时刻和过去时刻信息实现对估计参数的良好逼近,更新卡尔曼滤波中的状态误差协方差矩阵和状态估计来提高其估计精度.理论分析和仿真结果表明：该算法与KF算法相比,对跟踪效果有一定改善,使位置、速度跟踪误差有效降低并保持其误差曲线平滑,提高了滤波/跟踪精度.     

基于强跟踪卡尔曼滤波的电池SOC估计

针对锂电池模型不准确和状态突变导致SOC估计精度不佳的问题,提出了引入时变渐消因子的强跟踪卡尔曼滤波算法.以HPPC试验方法辨识了锂电池的等效二阶RC模型,对比分析了现有的扩展卡尔曼滤波原理及提出的强跟踪卡尔曼滤波算法.通过结合强跟踪原理和卡尔曼滤波算法并引入时变渐消因子,提出的方法能够强制估计残差保持正交特性,并保证残差满足高斯白噪声特性.仿真验证表明,与扩展卡尔曼滤波原理相比,在模型不准确和状态突变的情况下,强跟踪卡尔曼滤波算法具有更高的估计精度,估计误差低于2.5%,提高了近45%.     

基于新息协方差的机动目标轨迹估计算法研究

针对态势显示系统中机动目标运动状态不确定、卫星定位误差、接收机随机噪声造成的目标轨迹估计精度低的问题。在"当前"统计模型的基础上,提出了一种基于新息协方差的Kalman滤波算法,该算法根据新息协方差的极大似然最优估计实现加速度方差的实时估计和自适应调整。仿真结果表明,该算法的估计性能优于常规算法,跟踪精度较高。     

基于变权新息协方差的自适应卡尔曼滤波器

针对传统卡尔曼滤波器鲁棒性差,无法实时精确跟踪系统突变状态的现实,设计了一款基于变权新息协方差的自适应卡尔曼滤波器。在传统卡尔曼滤波器的基础上,分析了突变状态无法跟踪的缘由;基于滤波发散判据,分析储备系数与均权新息协方差之间的关系,对状态突变程度进行分层;基于Sage-Husa估计原理与加权最小二乘准则,对于不同程度的突变状态,采用实时调整各历元新息协方差权重的策略,优化渐消因子,激活滤波增益,增权量测新息。实例研究表明,自适应卡尔曼滤波器鲁棒性强,能够精确跟踪系统突变状态,其状态收敛速度优于抗差卡尔曼滤波器,稳态精度提升了42.05%。     

采煤工作面信道衰落环境下的WSN分簇协议

针对无线信号在采煤工作面环境时变衰落特征,提出一种基于跨层设计的分簇协议(LEACH-CL),记录参与竞争节点数和设置滑动窗口,稳定簇首生成数最优.通过探测帧获取节点与基站间的信道效率,联合节点剩余能量信息,作为簇首选则的判断依据,设计一种适应无线信号衰落的成簇协议,并通过一定的衰落储备法调节节点不同时期的发送功率.仿真实验表明:与同类3种算法(LEACH、ALEACH和LEACH-SWDN)比较,LEACH-CL协议网络拓扑比较稳定,在信号衰落环境下适应性强,有效地延长了网络的生命期,降低网络丢包率,更适应于采煤工作面复杂多变环境特征.     

基于混合蒙特卡罗算法的网络隐式节点监测方法研究

为了提高动态分簇传感网络的节点转发能力,提出了一种基于混合蒙特卡罗算法的网络隐式节点监测方法.首先,采用分布式均衡控制方法进行网络节点优化设计,构建动态分簇传感网络的输出信道模型.其次,利用自适应链路转发协议进行网络的路由探测设计,构建动态分簇传感网络的隐式节点路由均衡控制模型,提取隐式节点输出信息的关联特征量.最后,利用混合蒙特卡罗算法进行特征检测和信息提取,根据网络隐式节点的特征规律性分布对网络隐式节点信息进行监测.仿真结果表明,本文方法对网络隐式节点具有较好的监测效果,对网络隐式节点监测的最高丢包率仅为0.05,显著低于蚁群算法(0.29)与PEAS算法(0.48).     

基于MVEKF的被动声网络定位算法

声网络跟踪低空目标时,存在信号传输时延及强非线性等特点,针对这个问题,该文提出一种基于修正协方差扩展卡尔曼滤波的声网络定位跟踪算法.首先,利用时延方程约束,将目标纯方位数据进行时间校准;其次,通过自适应修正滤波中的协方差矩阵,提高非线性滤波的精度和稳定性.与EKF的仿真比较说明,该文所提方法的定位精度更高,跟踪性能更好...     

Performance analysis of network code division multiplexing over wireless sensor networks

In a wireless sensor network (WSN), multiple groups of source nodes communicate with their respective destination nodes with the help of a common relay network. To remove the inter-session interference among multiple transmission sessions at each destination in a wireless sensor network, a network code division multiplexing (NCDM) scheme is proposed for the parallel session model. The fundamental of the NCDM scheme takes advantage of the property of the low-density generator matrix (LDGM) code to calculate the equivalent received signal. Then the NCDM scheme is analyzed. Based on the analysis of the soft processing, a new code design criterion for the construction of the generator matrix is developed. Simulation results show that by following the proposed code design criterion, the bit error ratio (BER) performance gap between the scheme we studied and the serial session scheme can be managed effectively.     

采用粒子滤波和模糊聚类法的非线性多目标跟踪

提出一种新的非线性多目标跟踪方法,用模糊聚类算法实现数据关联,采用粒子滤波实现对各目标的独立跟踪．首先利用最大熵模糊聚类对目标和观测数据进行关联,采用模糊隶属度重建多目标滤波中的联合关联概率矩阵．然后利用粒子滤波适于处理非线性问题的特点,通过联合关联信息,采用粒子滤波独立对各目标进行滤波,实现对目标状态的更新．最后,将该算法应用于多传感器多目标纯方位角跟踪．仿真结果表明,相比于联合概率数据关联算法及MEF-JPDAF,新算法具有更高的跟踪精度．