基于模糊支持度采样的粒子滤波算法

针对粒子滤波中重采样导致粒子多样性减弱造成的滤波精度下降问题,给出了一种基于模糊支持度采样的改进粒子滤波算法;该算法在重采样过程后,首先根据MCMC(Markov Chain Monte Carlo)原理抽取候选粒子,然后依据重采样粒子和候选粒子自身数据中的蕴含信息,并结合模糊理论构建支持度函数和支持度矩阵,以充分地提取数据中的有效信息,在增强粒子多样性的同时实现其对于粒子的优选;最后仿真结果表明,该算法可有效地提高对于系统状态的估计精度。     

基于信息量的分布式协同自组织算法

无线传感器网络中节点协同自组织主要涵盖传感器管理和状态估计,也就是如何选择传感器节点、设置传感器参数并估计被监测系统的状态,因此协同白组织为决策与估计的联合优化．本文提出了一种自适应动态协同自组织算法,以量测所提供的信息量和节点自身的剩余能量做为节点选择的综合指标,根据设定的感知精度,自适应地选择参与感知任务的节点集合,在信息滤波的融合框架下完成状态的分布式估计．相比信息驱动传感器查询（information-driven sensor querying,IDSQ）,算法具有精度可调、强鲁棒,同时尽可能地延长了网络的生命周期．以目标跟踪为应用背景,其仿真结果表明：以跟踪精度、失跟率和网络生命周期作为评价指标,该算法优于IDSQ．     

量测不确定下多传感器交互式多模型自适应滤波算法

针对量测不确定下多传感器多模型混合系统中量测信息的有效利用和融合问题,给出了一种多传感器交互式多模型自适应滤波算法.采用交互式多模型机制实现目标运动模式的确认;通过计算每个传感器的量测似然度完成对于不含扰动传感器量测数据的选取;利用传感器量测数据间统计距离的构建实现对于量测系统中剩余传感器量测数据是否包含扰动影响的判定,并在此基础上实现传感器量测数据的合理选取和融合.新算法量测不确定下扰动对于滤波精度的不利影响.理论分析和仿真实验验证了算法的有效性.