共查询到19条相似文献,搜索用时 62 毫秒
1.
通过分析目标跟踪无线传感器网络监测精度、节点能量消耗与簇成员唤醒/休眠之间的内在联系,针对网络节点能量有限、密集部署节点监测数据存在冗余、传感器节点的自身位置估计误差和目标监测估计误差等问题,引入部分可观察Markov决策过程(POMDP)理论,提出一种基于目标跟踪准确度和节点能量消耗加权回报率的动态簇成员调度模型;针对动态簇成员调度算法复杂度偏高的问题,采用基于信念点的值迭代在线策略求解算法,实现传感器簇成员节点协作策略的动态生成和在线调整。仿真结果表明:该算法能够提高目标跟踪准确性,降低节点能量消耗,延长网络生存时间。 相似文献
2.
3.
针对求解部分可观察马尔可夫决策过程(POMDP)信念状态空间是NP难问题.提出一种信念状态空间压缩(BSSC)算法.将信念状态空间的高维压缩到低维,利用动态贝叶斯网络对状态转移函数、观察函数和报酬函数进行压缩。降低求解规模,达到实时决策的目的.对比实验表明,所提出的算法可以快速求解最优策略和最优值函数. 相似文献
4.
5.
6.
7.
声源定位属于典型的被动定位,基于声源定位与跟踪在实际中具有广泛的应用。文中利用声音随距离的能量衰减模型,提出了最小二乘的增量式声源跟踪算法形式,并在二维空间分别给出了声源的定位,位置式及增量式声源跟踪算法的实验结果。位置式及增量式声源跟踪算法是跟踪算法的两种表现形式,实际中可根据跟踪算法的复杂度和具体的控制对象进行选择。由于只需计算声源移动增量,与传统的位置式算法相比,增量式声源位置跟踪算法具有控制器调整方便、容错性强等特点。 相似文献
8.
9.
实现无线传感器网络能量高效,是无线传感器网络研究的热点问题和基本问题。该文先对无线传感器网络进行了能耗分析,然后分别从单个节点、整个网络的角度出发总结了目前已有的能量高效策略,提出了能量高效的传感器节点设计、能量高效的传感器网络设计。 相似文献
10.
针对无线传感器网络节点能量有限、数据采集易受环境影响的问题,提出一种基于可分解部分可观察Markov决策过程FPOMDP( Factored Partially Observable Markov Decision Process )的节点休眠调度算法.通过节点空时相关模型求取休眠节点数据,利用网络数据准确性和节点能量间的条件独立关系,构造状态转移函数、观察函数和奖赏函数,采用值迭代求解算法求取最优策略,实现节点动态调度.仿真结果表明,该算法能够在保证数据准确性的前提下,有效降低节点能量消耗,延长网络生存时间. 相似文献
11.
基于动态分簇结构的特点,结合权值选优粒子滤波(PF)算法的优越性,研究了无线传感器网络分布式目标跟踪算法.该方法采用这种改进的粒子滤波算法,利用簇和簇之间的传递关系,获得目标的动态状态.根据当前时刻目标的本地估计位置、预测速度和加速度,获得目标的预测位置.结果表明:此方法相比集中式目标跟踪,能在节省能量消耗的基础上,比... 相似文献
12.
一种能量高效的无线传感器网络分簇路由算法 总被引:2,自引:0,他引:2
无线传感器网络中节点的能量有限,提高能量的有效性便成为无线传感器网络路由协议设计的首要目标。设计了一种能量高效的分簇路由算法,它提出让候选节点在一定的覆盖范围内以剩余能量为标准来竞选簇头,以使簇头分布均匀;处于簇类交界的节点则根据能量和距离来选择归属的簇头,以平衡网络负载;新算法还采用多跳的簇间通信方式来降低大部分簇头节点的通信负载。仿真结果表明:新算法能够有效降低网络能耗,延长网络生存时间。 相似文献
13.
针对粒子滤波(PF)重采样后造成的粒子枯竭现象的问题,提出了一种基于改进重采样的粒子滤波无线传感器网络目标跟踪算法.该算法避免了残差重采样算法中的残留粒子重采样问题,减少了计算时间;通过产生新的粒子,增加了粒子的多样性,从而改善了粒子枯竭现象.仿真实验结果表明:改进重采样的粒子滤波算法提高了目标跟踪精度,降低了跟踪误差. 相似文献
14.
针对移动Sink节点目标跟踪定位时间长,能耗大等问题,提出基于概率阈值通信感知的WSNs目标跟踪算法。采用离散数据传输方式,并定义目标信息传输概率阈值来确定是否将节点当前位置信息由传感器节点传输到Sink节点。若当前位置信息不传输到Sink节点中,则使用最近一次通报的目标位置信息进行目标定位。然后开启目标周围相关传感器节点来有效降低算法数据传输量,并保持足够的定位精度。仿真结果显示:该方法比预测跟踪算法降低数据传输量87%左右,比动态目标跟踪算法降低跟踪时间33.7%左右。 相似文献
15.
16.
提出了一个新的效用聚类激励学习算法U-Clustering。该算法完全不用像U-Tree算法那样进行边缘节点的生成和测试,它首先根据实例链的观测动作值对实例进行聚类,然后对每个聚类进行特征选择,最后再进行特征压缩,经过压缩后的新特征就成为新的状态空间树节点。通过对NewYorkDriving[2,13]的仿真和算法的实验分析,表明U-Clustering算法对解决大型部分可观测环境问题是比较有效的算法。 相似文献
17.
18.
19.
为了在降低资源能耗和带宽占用情况下,提高无线传感器网络WSNs移动目标定位跟踪的精度,提出了基于Kullback-Leibler分歧的变分滤波的WSNs贝叶斯移动目标定位跟踪算法。首先,利用高斯和Wishart分布在不考虑速度限制和方向移动限制情况下,构建WSNs移动定位的贝叶斯状态演化模型,并基于路径损耗模型构建移动目标定位的观测模型;其次,利用Kullback-Leibler分歧构建变分滤波的误差计算模型,通过周围激活节点实现移动节点目标的位置估计,设计了递归概率计算过程综合预测和更新两个过程,并实现了定位和目标跟踪的同步化;最后,通过仿真验证了所提模型在跟踪精度和资源节约上的优势。 相似文献