基于概率假设密度的无线传感器网络多目标跟踪算法

针对无线传感器网络多目标跟踪过程中杂波难以去除以及由数据关联复杂带来的计算复杂度高的问题,将概率假设密度滤波器应用于无线传感器网络,以更好地对多目标状态信息进行融合估计;首先,建立簇-树型无线传感器网络模型,并运用随机有限集理论对目标状态模型和传感器观测模型进行描述;然后,根据目标与节点之间的距离设置观测阈值,当传感器节点测量值小于观测阈值时,概率假设密度滤波器将实时对该组测量数据进行处理,从而实现传感器网络对目标状态的联合检测与跟踪;仿真结果表明,在无线传感器网络的多目标跟踪应用中,该算法比粒子滤波算法具有更高的跟踪效率和精度。     

基于粒子滤波的多目标跟踪研究

针对无线传感器网络中的多目标跟踪问题,为提高系统的精度,减少误差,提出一种自适应基于粒子滤波的多目标跟踪算法(APF).算法根据粒子历史信息与后验信息的关联度,自适应的调整粒子采样分布.由目标分布与节点测量的关系,将节点组织成簇,并用簇内的节点测量表示目标特征.目标状态的估计由粒子加权表示,权值与粒子和对应目标特征的相似度成正比.仿真结果表明,APF算法较好地解决无线传感器网络下的多目标跟踪问题,跟踪误差相对于经典分布式粒子滤波降低30%,验证了APF算法可以实时多目标跟踪,实现了较好的跟踪效果.     

无线传感器网络中基于信息收益的多目标跟踪

目标跟踪是无线传感器网络应用的一个很重要的研究领域,节点有限的通信能力、处理能力、存储能力限制了传统跟踪算法的使用.为了提高网络的信息感知能力和降低能量消耗,提出基于信息收益的加权质心多目标跟踪算法,算法通过信息收益函数选取并唤醒节点对目标感知,通过传感器属性信息解模糊,并利用加权质心算法实现了多目标跟踪.仿真结果表明,与Bayes滤波协同多目标跟踪算法相比,算法虽精度略低,但时间复杂度低、失跟率低、实时性高,总体性能优于前者.     

一种基于预测策略的目标跟踪算法研究

移动目标跟踪是无线传感器网络中的一项重要应用,引起了越来越多的关注.采用静态网格网络结构,针对现有无线传感器网络目标跟踪算法不能兼顾精度和能耗的问题,提出了一种基于预测策略的目标跟踪算法.当目标进入监控区域后,节点携带的震动传感器感知到目标,簇头节点根据节点检测目标信号强度值来计算目标位置,目标位置计算采用一种基于检测...     

FCM与PDA相结合的多传感器多目标跟踪算法

传统的概率数据关联算法(PDA)是在密集杂波环境下的一种良好的多目标跟踪算法,但它是针对单传感器对多目标跟踪的情况下使用,不能直接用于多传感器对多目标的跟踪.针对多传感器多目标跟踪问题,提出一种改进的PDA算法,采用FCM算法预测航迹的聚类中心,然后采用PDA方法对航迹进行跟踪.仿真实验证明此方法能有效地进行多传感器多目标的跟踪.     

无线传感器网络具有跟踪质量保证的节点选择算法

目标跟踪广泛地应用于无线传感器网络的各个领域.该文研究无线传感器网络目标跟踪中的节点选择问题,提出了具有跟踪质量保证的跟踪节点选择算法.该算法在保证给定目标跟踪可靠性要求的同时对网络生存期进行优化.文中首先分析了影响传感器节点生存期的3个因素,包括节点感知数据的可靠性、节点剩余能量以及节点通信和采样的能量消耗.在此基础上建立节点生存期函数,在满足用户给定目标跟踪可靠性要求的前提下选择使网络生存期最大化的节点参与目标跟踪.实验结果表明该文所提出的节点选择算法可以有效延长网络生存期.     

基于WSN的多目标跟踪及反馈控制平台

针对多目标跟踪易产生网络冲突与超声波传感器之间的干扰问题,搭建多目标实时跟踪及反馈控制平台,提出一种有效的传感器节点调度策略。对于网络中分布式的异步测量问题,研究扩展卡尔曼滤波定位算法,实现多目标实时定位跟踪。实验结果表明,该策略有效避免多目标跟踪造成的超声波测量干扰和网络冲突,实现机器人网络化实时反馈控制和多机器人协同控制。     

基于三圆交集的二值传感器网络目标跟踪快速算法

目标跟踪是无线传感器网络的一种典型应用.跟踪移动目标由于具有侦查意义得到越来越多的关注.传感器网络目标跟踪定位的精度和计算复杂度通常难以均衡优化,基于三圆交集判别法提出一种二值传感器网络目标跟踪的快速算法,将目标发现队列中传感器探测圆的公共交叉弧段的中间点取作目标估算位置,计算简捷.还修正了跟踪算法评价指标的平均误差与...     

FCM-DAFSA的无线传感器网络多目标跟踪节点任务分配方法

多目标跟踪是无线传感器网络重要应用之一。提出了基于离散人工鱼群算法的无线传感器网络多目标跟踪节点任务分配方法。该方法首先利用类间距阈值的模糊C均值聚类算法,估计监测区域可能出现的目标数量和目标位置;再根据任务分配的目标函数,使用改进的离散人工鱼群算法优化目标函数,从而得到任务分配方案,并同其他算法进行比较。仿真实验结果表明,该方法比最近邻方法、MEM方法以及粒子群算法的能耗有所降低,任务分配时间比最近邻方法、MEM方法以及粒子群算法有所减少。因此,所提出的改进算法能有效地提高无线传感器网络的综合性能,满足实际应用的需求。     

FCM-AFSA的无线传感器网络多目标跟踪节点任务分配方法

多目标跟踪是无线传感器网络重要应用之一。提出了基于离散人工鱼群算法的无线传感器网络多目标跟踪节点任务分配方法。该方法首先利用类间距阈值的模糊C均值聚类算法,估计监测区域可能出现的目标数量和目标位置;再根据任务分配的目标函数,使用改进的离散人工鱼群算法优化目标函数,从而得到任务分配方案,并同其他算法进行比较。仿真实验结果表明,该方法比最近邻方法、MEM方法以及粒子群算法的能耗有所降低,任务分配时间比最近邻方法、MEM方法以及粒子群算法有所减少。因此,所提出的改进算法能有效地提高无线传感器网络的综合性能,满足实际应用的需求。     

基于数据融合的战场声目标识别系统算法研究

现代战争越来越多地使用高科技武器,各种武器车辆坦克的声音相互混叠,进行声目标识别是极有挑战性的.为了在嘈杂的战场环境中多传感器网络仍能正确识别各种目标信号,结合无线多传感器网络的特点和数据融合理论,设计出了适合于战场环境的声目标识别算法.使用小波包进行预处理及特征提取,人工神经网络进行分类识别,并运用数据融合算法得出最终识别结果.通过对采集到的声目标信号进行识别,结果表明方法应用于战场声目标识别中是可行有效的.     

无线传感器网络非线性方程声音目标定位算法

无线传感器网络基于声音能量的目标定位法中,非线性方程定位算法运算速度较快,占用资源小,但测量噪声使得方程容易出现无解的情况。论文从去除噪声的角度,采用增加采样次数和选择声音信号最大值求解的方法进行了改进,解决了方程法经常无解的缺点,实现了针对单目标的方程法定位估计。该方法易于实现,当网络中节点数较多时,只需通过一个方程组求解,保持了运算速度快的特点,仿真结果表明当节点数不多时该算法也能达到较好的估计准确度。     

WSN基于声音能量量化数据的目标定位研究

无线传感器网络的通信带宽和能量是有限的,只传输二进制或几个比特量化数据来完成目标定位任务可以减少网络开销。对无线传感器网络目标定位方法进行了研究,采用声音能量衰减模型,推导了基于量化信号的似然函数,给出了基于声音能量量化数据的最大似然定位方法。为了对估计结果进行评定,推导了最大似然估计的克拉美罗下限。仿真结果表明,该方法对目标定位的准确度基本接近于克拉美罗下限。因此,在满足定位精度的前提下,可通过减少传递的比特位数来节约网络的能量。     

基于正四棱锥形六元声阵列被动定位的研究

声音无线传感器网络节点利用到达时间差(TDOA)原理进行声音目标定位,提出了一种正四棱锥形六元声音阵列定位模型。推导出了目标空间定位计算公式,应用广义互相关算法对时延进行估计。同时对模型误差进行了分析。最后通过仿真实验,可以对目标进行有效定位,定位误差小。     

面向多目标跟踪的无线传感器网络任务分配

为了同时满足目标跟踪定位精度和能耗要求,采用离散粒子群优化算法,并将目标跟踪定位精度和能量消耗进行综合考虑设计了目标任务分配算法。仿真结果表明：在能耗上,基于能耗和定位精度考虑的目标任务分配算法比仅基于能耗考虑的目标任务分配算法增加了19.37%,但定位精度却提高了68.877%。算法在达到定位精度要求的同时最大限度地降低了对资源的使用,有效延长了无线传感器网络的工作寿命。     

三维网络拓扑结构的水声传感器网络MAC协议

水声传感器网络Underwater Acoustic Sensor Network(UWASN)由于其广阔的应用前景,近年来逐渐被人们关注。然而由于水下环境的限制性,水声传感器网络具有其一些独特性。例如,与二维的陆地传感器网络不同,水声传感器网络是三维的。如今,现有的介质访问控制Medium Access Control(MAC)协议大多是针对二维无线传感网络,很少有基于三维水声传感器网络的 MAC 协议。针对水下三维网络,提出了基于三维网络拓扑结构的水声传感器网络 MAC 协议。该协议将网络中的节点生成树结构,并利用子节点与父节点之间的关系,通过动态节点算法实现三维动态的水声传感器网络。此外,详细分析了节点间的碰撞并有效解决各种碰撞,从而大大提高了信道利用率。通过仿真软件对比不同协议在同一网络拓扑中的实验结果,证实文中协议能够有效节约大量能源。     

Deep Mining of Redundant Data in Wireless Sensor Network Based on Genetic Algorithm

Mining effective data from wireless sensor network node data is one of the main subjects in studies concerning wireless sensor network data processing. Wireless sensor network data are muli-dimensional and dynamic. Generally, data mining technology cannot satisfy the requirements of wireless sensor network. A large amount of accumulated and redundant wireless sensor network monitoring data reduces the efficiency of data processing. To solve the above problems, this study proposed a data mining algorithm, which integrated rough set algorithm and genetic algorithm to mine redundant data in node network data. The results of the simulated calculation based on MATLAB platform suggested that the identification rate, false accept rate and reject rate of the proposed algorithm were 94.65, 1.753 and 2.331%; compared to network data mining algorithm based on improved genetic algorithm, it has higher efficiency and accuracy in data mining. The algorithm could effectively excavate redundant data in wireless sensor network and optimize the operation environment of wireless sensor network. The application of the rough set and genetic algorithm based data mining algorithm in wireless network has a promising prospect.     

动态组簇的协同定位算法

提出一种动态组簇的协同定位方法,用于基于传感器网络的目标定位和跟踪.该方法包括数据融合算法和虚拟簇漂移(virtual cluster shift,VCS)机制两部分.数据融合算法部分采用均值漂移(mean shift)算法.虚拟簇漂移机制分布式地在组织目标周围的锚节点建立临时簇.簇首管理簇成员,收集感知数据,执行融合算法.当虚拟簇无法锁定目标时,簇首指定离目标最近的簇成员担任新簇首,簇的成员也进行更替,由此将虚拟簇移动(shift)到合适的位置.分析和仿真结果显示,采用动态组簇的协同定位方法跟踪目标可以大幅度降低通信开销,产生的通信量仅为以往集中式定位算法开销的1/3.     

Target tracking based on the extended H-infinity filter in wireless sensor networks

In this paper, we propose a new target tracking approach for wireless sensor networks (WSNs) by using the extended H-infinity filter. First, the extended H-infinity filter for nonlinear discrete-time systems is deduced through the Krein space analysis scheme. Then, the proposed extended H-infinity filtering algorithm is applied to target tracking in wireless sensor networks. Finally, experiments are conducted through a small wireless sensor network test-bed. Both experimental and simulation results illustrate that the extended H-infinity filtering algorithm is more accurate to track a moving target in wireless sensor networks than using the extended Kalman filter in the case of having no knowledge of the statistics of the environment and the target to be tracked.     

传感器网络中单源单汇路由问题的模型与算法

路由问题是无线传感器网络中的核心问题之一,寻找从源到汇的最小费用路径非常困难。蚁群优化算法是最近提出的求解复杂组合优化问题的启发式算法,该算法能够在完全分布式环境下对复杂问题进行求解。文章建立了无线传感器网络中单源单汇路由问题的数学模型,并给出了基于蚁群优化的求解算法。