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。     

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（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(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     

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.     

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．     

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...     

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。     

基于位置预测的无线传感器网络目标跟踪算法

针对现有的基于位置预测的目标跟踪算法还不完善问题,提出了一种新的基于目标位置预测的分布式无线传感器网络目标跟踪算法(location-based prediction,LBP)。LBP算法包括3部分,即基于自相似技术的目标位置预测算法(prediction based self-si m-lar,PBSS)、基于动态唤醒簇(dynamic wakeup cluster,DWC)的目标跟踪和三级目标恢复机制。实验结果表明:LBP算法的目标预测精度高、跟踪过程中的节点能量消耗小、目标跟踪误差小,并且目标丢失率低;其三级目标跟踪恢复机制,通过逐步扩大激活节点的范围来寻找目标。由此可见采用这种方法,无线传感器网络跟踪目标能量消耗更小,目标丢失率更低。     

基于水下传感器网络的目标跟踪技术研究现状与展望

水下目标跟踪在海洋资源的开发利用以及国家安全的防御等方面都具有广泛的应用价值和重要的战略意义. 基于水下传感器网络(Underwater sensor networks, USNs)的目标跟踪技术凭借其覆盖范围广、观测时间长和实时融合等优势已经成为一个新的研究热点. 本文针对基于USNs的目标跟踪关键技术的基本思想、研究进展、应用及局限性进行了综述, 主要从以下几个角度对其展开论述: USNs的建设现状、系统组成及其分类、目标跟踪系统模型、单目标跟踪技术、多目标跟踪技术以及能效优化措施. 最后, 本文不仅指出了基于USNs的目标跟踪研究目前存在的主要挑战, 并对该领域的未来发展方向进行了展望.     

无线传感器网络中移动目标探测跟踪研究进展

传统的固定无线传感器网络在进行目标跟踪过程中面临着跟踪质量较低、网络能耗较高等问题.移动传感器网络提供了新的解决方法,即移动式目标跟踪.目前的研究大多将被跟踪目标的探测和定位混为一谈.故此,区分了以探测为主和以定位为主的两类方法,着重介绍以探测为主的移动式目标跟踪方法的研究现状.通过对比现有方法在跟踪质量和网络能耗等方面的优缺点,揭示了现有研究存在的问题,总结了移动式目标跟踪领域存在的研究热点和趋势.     

基于分布式数据融合的无线移动传感器网络目标跟踪算法

针对无线移动传感器网络(WMSN)自身具有移动性和分布式的特点,在现有分布式粒子滤波DPF的基础上,提出了一种实现分布式数据融合的分布式目标跟踪算法WDOT。该算法使用高斯混合模型和平均一致性滤波器实现了节点的分布式数据融合,提高了算法的稳定性,降低了通信开销。仿真实验通过与已有目标跟踪算法在通信开销、估计均方根误差等方面的对比,验证了WDOT算法的目标跟踪性能。     

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.     

无线传感器网络应用支撑技术研究

无线传感器网络的出现,产生了许多新型应用.而为了支撑各种各样的应用,需要范围广且复杂的实现技术.作为一个多学科交叉领域,无线传感器网络方向具有大量的应用及相应支撑技术,需要进行适当的分类整理.基于这种情况,本文首先综述了无线传感器网络的应用现状,然后结合无线传感器网络各方面应用,从计算机学科的角度系统地讨论了无线传感器网络的支撑技术,包括通信协议、定位、时钟同步、能量管理等普遍存在于各种无线传感器网络的基础支撑技术,以及目标识别与跟踪、数据存储、数据融合与无线传感器网络安全等几种典型的与应用紧密相关的支撑技术.     

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(MultiCoM)。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。     

多目标多传感器数据融合轨迹追踪的建模与仿真

利用卡尔曼滤波(KF)和交互多模型(IMM)滤波进行传感器多目标测量的建模,在多目标轨迹跟踪中利用JPDAF和神经网络融合算法.轨迹联合和数据融合用于融合轨迹数据时假设,2只传感器追踪单目标到3只传感器追踪3个目标,在此基础上评估了多个散布式传感器对于单目标、双目标和多目标的测量效能.对于不同滤波器的性能进行了比较,并得到轨迹融合可以很好地逼近真实轨线,优于其他任何传感器目标测量方法.     

无线传感器网络中一种自适应目标跟踪协议

目标跟踪是无线传感器网络的一个基本应用,而能量高效是目标跟踪研究的一个重要目标.提出了一种自适应目标跟踪协议,该协议将传感器节点的状态分为睡眠状态、监测状态、跟踪状态三种状态;并对每个进行感应的传感器节点设置了节点权值,每个节点通过计算自己的节点权值来决策是否参与目标的跟踪,它在很大程度上减少了参与目标跟踪的节点数量.领导节点根据目标的运动速度来自适应地调整数据报告的频率,提高了能量利用率和跟踪精确度.模拟实验表明我们的算法具有良好的节能效果.     

无线传感器网络目标跟踪中的分散传感器选择

本文考虑在分散的目标跟踪系统中的传感器资源管理问题。由于频率,能量和带宽的限制,对于任何时刻的融合中心选择的传感器是有上限的。本文的传感器网络结构是分散的,没有中央融合中心(CFC),每一个融合中心(FC)只跟邻近FC通信,每个FC决定在每一个采样时刻哪个传感器被选择,从而实现在这种限制下跟踪性能优化。