地震微观前兆预报网络系统设计研究(2-2)——基岩传感器网络和数据融合技术

提出了地震微观前兆预报网络系统设计的一整套详细方案,包括地震模型、基岩传感器网络和数据融合、信号处理技术和网络系统设计.本文介绍传感器网络和智能数据融合技术,包括:(1)无线传感器网络.(2)多传感器数据融合技术;(3)多平台多传感器目标跟踪解耦相关算法;(4)传感器网络中合作信号和信息处理技术;(5)传感器网络中分布目标的分类和跟踪.     

本期摘要

地震微观前兆预报网络系统设计研究（4）——网络系统设计 摘要：提出了地震微观前兆预报网络系统设计的一整套详细方案,包括地震模型、基岩传感器网络和数据融合、信号处理技术和网络系统设计。本文介绍网络系统设计方案,包括光纤传感器在地震预报网络中的应用、传感器网络平台的选择和网络设计、地震源定位的相干声阵列处理技术、光数据通信技术。     

地震微观前兆预报网络系统设计研究(4)——网络系统设计

提出了地震微观前兆预报网络系统设计的一整套详细方案,包括地震模型、基岩传感器网络和数据融合、信号处理技术和网络系统设计.本文介绍网络系统设计方案,包括光纤传感器在地震预报网络中的应用、传感器网络平台的选择和网络设计、地震源定位的相干声阵列处理技术、光数据通信技术.     

地震微观前兆预报网络系统设计研究(2-1)——基岩传感器网络和数据融合技术

地震预报是一个极大挑战性的世界难题,为了准确地预报地震,必须跟踪地震的整个孕育过程,经过传感器数据融合和信号处理提取有用信息,然后由数据处理中心做出决策判断.文章提出了地震微观前兆预报网络系统设计的一整套详细方案,包括地震模型、基岩传感器网络和数据融合、信号处理技术和网络系统设计.本文介绍基岩传感器网络中所涉及的传感器技术,包括液晶微位移传感器、地热热色传感光纤温度计、激光多普勒振动传感器、基岩微破裂压缩光传感器.     

本期摘要

地震微观前兆预报网络系统设计研究（3）——信号处理技术 提出了地震微观前兆预报网络系统设计的一整套详细方案,包括地震模型、基岩传感器网络和数据融合、信号处理技术。本文介绍信号处理技术,包括：φ混合噪声中弱信号的极大一极小探测方法．     

粒子滤波在无线传感器网络目标跟踪中的应用

将粒子滤波（PF）算法应用于无线传感器网络（WSNS）的目标跟踪,并给出了粒子滤波实现的具体步骤。动态组织传感器网络节点成簇,实现了对网络中做匀速直线运动的单个目标的跟踪。分别采用扩展卡尔曼滤波（EKF）、无迹卡尔曼滤波（UKF）和PF算法进行了仿真试验。结果表明,在无线传感器网络目标跟踪领域,PF算法比EKF算法、UKF算法的滤波精度更高,性能更好,并且在实际应用中,由于该算法能够有效解决非线性、非高斯环境中的目标跟踪问题,实现简单而增强了可用性。     

本期摘要

地震微观前兆预报网络系统设计研究（2—1）——基岩传感器网络和数据融合技术,我国惯性仪器仪表的技术特点及发展综述,基于握力特征量的授权机制手柄传感器研制     

基于分布式聚类的有向传感器网络移动目标跟踪算法研究

针对有向传感器网络DSN（Directional Sensor Networks）中,传感器节点部署数量对目标跟踪精度、网络寿命和能效问题的影响方面,提出了一个分布式聚类算法,该算法在优化活跃传感器和节点的直接通信过程中,由分布式集群来负责协调成员间的节点,通过传输给Sink的定位信息及从多个节点聚集的传感数据来准确定位目标的位置。基于该理论的目标跟踪机制,提高了目标跟踪精度、增加了网络寿命和网络剩余能量。并进行了仿真验证,结果表明该方法能实现更高的跟踪性能。     

地震微观前兆预报网络系统设计研究(1)——地震模型

地震预报是一个极大挑战性的世界难题.为了准确地预报地震必须跟踪地震的整个孕育过程.例如利用基岩传感器网络收集地震微观前兆的各种信息,包括基岩应力、应变和破裂强度的变化、基岩振动状态的变化、引力波和冲击波强度的变化、地热温度分布的变化、电磁场的变化等.经过传感器数据融合和信号处理提取有用信息,然后由数据处理中心做出决策判断.提出了地震微观前兆预报网络系统设计的一整套详细方案,包括地震模型、基岩传感器网络和数据融合以及信号处理技术和网络系统设计.本文介绍地震模型的建立     

无线传感器网络数据融合模型研究

无线传感器网络是一种全新的技术，能够广泛应用于恶劣环境和军事领域中。传感器网络在数据收集中，为减少冗余数据的传输耗能，降低延迟，需要采用数据融合技术。分析和介绍了传感器网络跟踪级与属性级两种融合模型结构，提出了一种基于多Agent的数据融合模型。     

无线传感器网络运动目标定位跟踪研究

针对无线传感器对运动目标的定位跟踪,考虑无线传感器网络定位中涉及的非线性性和能量约束问题,论文将UKF引入用于无线传感器网络的运动目标定位,将UKF和RSSI测量结合建立了一种面向匀速运动和变速运动的目标定位跟踪方法。仿真结果表明：与EKF相比,无论匀速运动和变速（匀加速）运动的目标,UKF都具有较高的滤波精度,可以满足无线传感器网络定位的需求。     

基于跟踪单个移动目标的移动传感器网络蜂拥控制模型

该文提出了一个新的基于跟踪单个移动目标的移动传感器网络蜂拥控制方法。这个方法通过控制网络中所有移动传感器质心的位置和速度（Single-CoM）或者每个传感器和它邻域质心的位置和速度来跟踪并观察一个移动目标（Multi-CoM）。此外,在自由空间内,质心的位置和速度按指数规律地向移动目标聚合。基于这种方法,目标节点将一直位于传感器网络的中心,而这对于传感器认识和辨别目标节点无疑是一个很大的优势。并且在整个目标跟踪过程中保证了移动传感器间无冲突和速度匹配,同时我们也研究了算法的稳定性。     

基于贝叶斯理论框架的传感器选择算法

针对大规模传感器网络(Large-scale sensor networks)的目标跟踪问题, 本文在贝叶斯(Bayes)框架下, 提出了一种全新的基于传感器选择的多传感器目标跟踪算法.算法的具体思路为:首先基于Bayes框架, 根据不同的管理目标, 推导出传感器选择的目标函数; 然后根据目标函数, 计算出相应的传感器选择方案; 最后将选择的传感器进行数据融合, 求得传感器网络的目标跟踪结果.相比传统的基于量测野值点剔除思想的目标跟踪算法以及基于系统偏差估计的传感器配准算法, 本文提出的基于传感器选择的多传感器目标跟踪算法不仅目标跟踪精度更高, 且跟踪性能更稳定.同时本文提出的传感器选择算法还可以适用于杂波数目较少的目标跟踪场景.仿真结果说明了本文所提算法的有效性.     

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...     

面向目标跟踪的传感器网络睡眠调度协议

移动目标跟踪是无线传感器网络中的一项重要应用,将睡眠调度机制引入到目标跟踪算法中可以大大降低能耗。针对目标跟踪的实际需求,提出一种面向目标跟踪的传感器网络睡眠调度协议。根据目标跟踪不同阶段,分别设计了目标跟踪前和跟踪过程中传感器节点的睡眠调度机制;另外给出了目标丢失时,如何唤醒节点继续跟踪目标的调度策略。结果表明:该算法能够在保证跟踪质量的同时,降低跟踪能耗。     

无线传感器网络被动红外目标跟踪技术研究

无线传感器网络的目标跟踪技术是目前研究的热点之一。被动红外传感器对活动的人具有较高的灵敏度,而目前被动红外多用于双元目标检测,并未实现目标定位,限制了被动红外的应用。本文提出了无线传感器网络的被动红外目标跟踪模型PITM。在该模型中,多个红外传感器节点通过协同可以确定目标的位置和运动速度。仿真实验表明,当节点密度为每1000m224个节点时,定位平均误差在0.5m左右,且节点密度越大,定位误差越小。     

基于数据融合的多目标无源跟踪的弹性网络方法

弹性网络被应用于多目标／多传感器无源识别和跟踪问题。在传感器仅能获得目标方位角的条件下,首先基于多传感器数据融合技术,分析了目标的聚类特征;然后借助期望模板提出了一种非全连接环形结构的弹性网络模型,分析了该模型识别和跟踪目标的动力学机制,讨论了网络应场内的ＷＴＡ竞争学习机制降低了网络的计算量,感应场的自适应性可以使神经元跳出局部极小点,提高目标识别率。     

一种基于预测的无线传感器网络目标跟踪技术

现有的各种日标跟踪技术未能综合考虑不同目标的运动特征,提出了一种新的基于预测的日标跟踪技术,以减少监控节点数目.根据目标运动的当前测量数据或者历史记录确定目标的运动特征,然后结合日标的当前位置、速度、运动方向等信息预测目标的未来位置;当目标位置预测失败时,网络根据目标的运动历史记录和先验知识逐级启动预测失败恢复过程.仿真结果显示在给定节点与基站分布、节点感知范围和目标运动特性等参数的前提下,比PES方法的目标丢失率大大降低,网络寿命有较大增加,表明采用在确保网络可靠跟踪目标的前提下,减少了被唤醒传感器节点的数目,从而降低了节点的能耗,延长了目标跟踪传感器网络的寿命.     

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。