一种基于SVM重采样的似然粒子滤波算法

针对弱观测噪声条件下非线性、非高斯动态系统的滤波问题,提出一种基于支持向量机的似然粒子滤波算法.首先,采用似然函数作为提议分布,融入最新的观测信息,比采用先验转移密度的一般粒子滤波算法更接近状态的真实后验密度;然后,利用当前粒子及其权值,使用支持向量机估计出状态的后验概率密度模型;最后,根据此模型重采样更新粒子集,有效地克服粒子退化现象并提高状态估计精度.仿真结果表明了所提出算法的可行性和有效性.     

矿井电网故障检测WSNs分层时间同步算法

结合经典时间同步算法TPSN、RBS的优点,提出了一种能量有效且满足一定精度要求的同步算法RBTP。该算法利用无线通信的广播特性并采用最大似然估计和最小二乘法计算时钟偏移和频偏,进而对时钟进行补偿。仿真结果表明,与TPSN和RBS算法相比,RBTP算法明显减少了节点的能量消耗,提高了同步精度,能够满足井下电网故障定位系统对时间同步的需求。     

基于粒子筛选处理的粒子滤波改进算法

针对粒子滤波中的粒子贫化问题,分析了目前用于增加粒子多样性方法存在的不足,提出了一种新的粒子筛选与处理方法.通过设置筛选区间,保留该区间内的粒子,对区间外的粒子进行移动处理,从而改善粒子分布.仿真结果表明,该方法能够有效缓解粒子贫化问题,提高滤波精度.同时由于有效样本数增加,降低了重采样次数,总体上减少了算法运行时间.     

基于进化采样的粒子滤波算法

在粒子滤波算法中, 重采样的引入有效地改善粒子退化现象, 但同时也导致了粒子多样性减弱问题的产生. 本文给出了一种基于进化采样的改进粒子滤波算法. 该算法在重采样过程后, 首先根据马尔可夫链蒙特卡罗(Markov-Chain-Monte-Carlo, MCMC) 技术和遗传算法中的模拟二进制交叉原理生成候选粒子, 并利用适应度函数完成对于其权重的度量. 然后结合当前时刻的重采样粒子构建候选粒子集, 进而提升了重采样后粒子的多样性, 最终依据粒子自身的权重实现粒子的优选. 仿真结果表明: 该算法可有效地提高     

基于KLD采样的自适应粒子滤波目标跟踪算法

标准粒子滤波算法用于无线传感器网络运动目标跟踪时,非高斯噪声环境会降低其跟踪精度和计算效率。针对该问题,结合多传感器测量模型和Kullback-Leibler距离(KLD)采样方法,提出一种自适应粒子滤波算法。在满足预设阈值条件时,引入补偿函数对重要性概率密度函数(IPDF)进行迭代更新,同时利用具有自适应退火参数的模拟退火算法使粒子快速接近高似然区域。在此基础上,结合KLD采样动态调整粒子规模,在保证跟踪精度的同时减少运算量。仿真结果表明,与KLD-PF算法相比,该算法的IPDF分布接近真实后验概率密度分布,跟踪精度较高,能够在不同参数的非高斯噪声下进行有效跟踪。     

基于硬件实现的粒子滤波重采样算法研究

粒子滤波算法用于硬件实现是目前一个新的研究方向,传统的粒子滤波算法计算量大,所需存储空间大,实时性差,所以在硬件实现方面面临着极大的挑战。为使算法更加适合于硬件实现,以粒子滤波中的重采样步骤为研究重点,以典型的序贯重要性重采样滤波算法为例,对典型的几种重采样算法的复杂度、所需存储空间及执行时间上进行分析研究,并在TI DSPTMS320C5402上对采样算法进行仿真,结果表明部分重采样算法(PDR)更适合于硬件实现。     

改进的粒子滤波算法

为了防止经多次重采样后粒子多样性的丧失,保持粒子的统计独立性,以应对强非线性系统或者意外突发情况,在重采样技术的基础上,提出了一种改进的粒子滤波算法。当粒子失去多样性而导致估计误差较大时,采取一种循环算法,使得粒子朝高似然区域移动,以增加粒子的多样性,提高对强非线性系统滤波的稳定性和准确性。仿真实验验证了该算法的有效性。     

基于粒子滤波的非线性系统静态参数估计方法*

针对基于滤波方法的最大似然参数估计步长序列过于单一,算法收敛缓慢并很容易收敛于局部最优解的问题,提出了基于似然权值的在线EM参数估计算法(LWOEM)。通过粒子滤波方法实时估计系统的状态值变化,结合最大似然方法计算静态参数的点估计,然后通过计算更新参数的似然值来动态更新步长序列.与在线EM参数估计算法(OEM)的实验结果比较,表明该算法具有更好的适应性和收敛效果。     

基于组合分片模型和粒子滤波的人脸跟踪算法*

针对现有跟踪主流算法对目标机动性、目标遮挡和目标背景干扰综合性能不强的现状,改进算法利用组合分片模型和粒子滤波算法的结合来提升综合性能,提高跟踪算法准确性。改进算法采用粒子滤波算法,同时通过优化组合重采样算法提高算法的跟踪性能。组合分片模型结合水平竖直分片模型和环形分片模型的优点,通过Bhattacharyya系数进行模型相似性度量,高效克服人脸跟踪中遮挡问题和背景干扰问题。实验通过改进算法和对比算法在多变化人脸视频集进行跟踪,证明改进算法提高了对人脸目标的跟踪成功率。针对人脸跟踪中目标机动性、目标遮挡和目标背景干扰问题,通过算法的改进,跟踪效果明显改善、提升了跟踪的成功率,实现了算法对以上三种因素综合性能的提升。     

一种基于改进重采样的粒子滤波算法

针对传统粒子滤波算法中存在的样本贫化问题,提出一种基于改进重采样的粒子滤波算法。为了验证算法的有效性,对机动目标跟踪和分时恒值估计两类问题进行了仿真。结果表明,所提出的算法能够解决样本贫化问题,且具有较小的估计误差和较短的运算耗时。     

基于粒子滤波的无线传感器网络目标跟踪算法

传感器节点的组织和路由对无线传感器网络(WSN)目标跟踪算法的性能有重大影响.为此,针对具有簇一树型网络拓扑结构的WSN,首先给出集中式粒子滤波跟踪算法(CPFTA)实现的具体步骤,然后提出一种分布式粒子滤波跟踪算法(DPFTA),构建性能评价体系,通过仿真实验给出两种跟踪算法的定量比较,结果表明DPFTA的跟踪精度稍低于CPFTA,但能大幅度减少通信开销,而且具有更小的跟踪反应时间;最后仿真分析了传感器覆盖密度和检测周值对跟踪算法性能的影响.     

基于卡尔曼一致滤波器的WSN时间同步算法

提出一种基于分布式卡尔曼一致滤波器的无线传感器网络时间同步算法.该算法不需要将网络分层,每个节点都和它的相邻节点交换时间消息,通过分布式卡尔曼一致滤波器估计本节点的时钟偏移和频率偏移,使得全网所有节点的虚拟全局时钟逐渐收敛一致.仿真实验表明,提出的算法在多跳网络中误差累积较小,具有较高的同步精度,同时对存在节点失效或新节点加入的动态网络具有良好的可扩展性.     

基于闭环调整策略的无线HART时间同步方法

时间同步是无线传感器网络的关键技术之一。无线HART是用于复杂工业环境的WSN通信协议.为了解决其时间同步问题,文章提出了一种基于闭环调整策略的时间同步方法 CATS。该方法通过测量同步节点之间的时间偏差,获得同步节点之间时间偏差对象模型参数,建立内部受控对象模型,实现节点间的时间偏差的短周期闭环调整。在CC2430通信模块上的实测表明:该方法具有同步精度高、环境适应性好、计算复杂度低等特点,为复杂工业领域中无线HART的时间同步提出了较优的方案。     

无线传感器网络时间同步与成簇算法

无线传感器网络的时间同步和成簇算法是目前国际上研究的热点。在目前的研究中,往往假设节点间的数据通信是没有冲突的,忽略了避免消息冲突机制的设计。在设计节点时间同步算法的基础上,提出了一种节点自组织成簇的算法,着重对算法的设计思想和工作过程进行了分析和论述。算法通过综合考虑候选节点的剩余能量、节点的度等参数来优化簇头的选择,同时,通过更换簇头,减少和均衡每个传感器耗能,以延长全网寿命,实验结果表明了算法的有效性。     

一种节能的无线传感器网络多跳自适应时间同步算法

研究能量长期有效的时间同步协议是成功部署生命力强的无线传感器网络的一项关键策略,对此,提出一种低能耗的多跳自适应时间同步算法（MATS：Multi-hop adaptive time synchronization）,该算法设计了一套灵活的机制来调整同步模式、全网重同步周期以及每对节点同步时的信标数,并且利用最大似然估计原理同时对节点的时钟偏移和频率偏移进行估计,达到用最小的能量损耗完成长期的、全网的时间同步的目的,最后通过数学分析和仿真的方法对所提出的改进算法进行了验证。     

无线传感器网络时间同步协议

出了基于层次结构的无线传感器网络时间同步协议。首先以汇聚点为根节点建立一个具有层次结构的树,然后采用成对同步法沿着该树建立一个全网统一的时钟。仿真结果显示该协议能满足无线传感器网络的时间同步要求。     

基于卡尔曼滤波估计的一致性时钟同步算法

针对无线传感器网络（WSN）的众多应用都需要依赖时钟同步的节点协同完成,而由于节点的晶体震荡器受自身以及外界环境的影响,使得节点时钟偏斜和时钟偏移两个参数发生变化导致时钟不同步问题,提出了基于分布式卡尔曼滤波估计的一致性补偿时钟同步算法DKFCC。该算法首先利用双向信息交换机制以及分布式卡尔曼滤波实现时钟偏斜和偏移两个参数的最优估计,然后基于时钟参数的最优估计值采用一致性补偿方法实现节点的时钟同步。实验结果表明：在100个节点随机部署的WSN中,采用虚拟全局一致性方式的DKFCC同步算法比异步一致性同步（AC）算法的同步均方根误差（SRAMSE）值降低了约95%,具有较高的同步精度;同时,所提出算法从时钟参数层面实现同步,无需频繁地进行时钟同步操作,相比AC算法更节能。     

基于生成树的无线传感器网络时钟同步算法

考虑到无线传感器网络时钟同步多跳误差累积问题,提出一种基于动态生成树的全网时钟同步算法,只需由根节点开始沿树边广播一次同步消息,全网待同步节点即可采用时钟偏差补偿,并结合贝叶斯后验估计算法对时钟进行准确估计。一个同步轮次内每个节点至多广播两次消息即可完成全网同步。使用OMNeT++软件进行仿真实验表明算法有效降低了多跳累积误差,提高了同步精度,且具有较快的收敛速度和较低的开销。     

Pulse-coupled time synchronization for distributed acoustic event detection using wireless sensor networks

Time synchronization has proven to be critical in sensor fusion applications where the time of arrival is utilized as a decision variable. Herein, the application of pulse-coupled synchronization to an acoustic event detection system based on a wireless sensor network is presented. The aim of the system is to locate the source of acoustic events utilizing time of arrival measurements for different formations of the sensor network. A distributed localization algorithm is introduced that solves the problem locally using only a subset of the time of arrival measurements and then fuses the local guesses using averaging consensus techniques. It is shown that the pulse-coupled strategy provides the system with the proper level of synchronization needed to enable accurate localization, even when there exists drift between the internal clocks and the formation is not perfectly maintained. Moreover, the distributed nature of pulse-coupled synchronization allows coordinated synchronization and distributed localization over an infrastructure-free ad-hoc network.     

无线传感器网络中多跳时间同步算法的研究

提出了一种基于簇型的多跳时间同步算法——CBTS。利用Leach算法将网络划分成不同的簇,在此基础上把节点间的时间同步分为水平同步和垂直同步两个阶段来完成。在水平同步阶段,通过构建基站与簇头节点的层次拓扑结构,采用双向消息交换同步机制来完成簇头节点与基站的时间同步。在垂直同步阶段,采用双向消息交换和参考广播相结合的同步机制,来完成簇头节点和簇成员之间的时间同步,并利用最小方差线性拟合的方法估计了节点的时钟偏差,提高了时钟同步的精度,最终实现了整个网络节点的时间同步。经过仿真测试,证明该算法具有较低的消息交换开销和不错的同步精度。