二元传感器网络目标定位与跟踪研究

传感器的通信带宽和能量资源有限使传统的位置测量传感器的应用受到了限制,对此,选择利用二元传感器网络进行相应的研究．基于二元传感器传送信息量少的特性,提出一种新的二元传感器网络目标定位与跟踪算法．仿真结果表明,该算法在传感器个数和探测半径较大、采样周期较短的情况下较质心算法具有更好的性能．     

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...     

基于双层预测机制的传感器网络目标跟踪算法

针对层次型传感器网络的目标跟踪问题,提出了一种基于双层预测机制的目标跟踪算法,由传感器节点执行Bayes估计算法进行目标位置的预测与更新(微观预测);由簇头进行基于曲线运动方程的目标位置预测(宏观预测),并用预测结果对传感器节点所得到的目标位置进行更新,提高了目标位置计算精度.仿真结果表明,算法具有较好的跟踪精度和能量效率.     

二进制无线传感器网络目标定位跟踪算法

二进制无线传感器网络是一种新的和具有巨大潜在应用前景的目标定位跟踪平台,它具有通信负荷少,生存能力强等特点。提出一种基于网络时间的迭代算法,在目标通过一定数量的节点后,给出较为精确的目标运动参数,并在算法迭代的过程中,不断优化算法结果。最后,运用多Agent仿真思想,借助于RePAST仿真平台对算法进行了仿真验证。     

一种事件驱动型无线传感器网络目标追踪算法的研究

无线传感器网络节点无论在军用还是民用领域都非常适合进行活动目标的追踪任务。基于现有的常用定位算法的分析与研究,针对所提出方法在实际应用中存在如何提高定位精度与减少网络计算开销的难题,提出一种基于最小二乘二步优化目标定位算法;采用分段低阶曲线拟合法计算目标轨迹并预测目标路径,一种路径模型选择机制保障低阶曲线轨迹的拟合精度并降低计算开销,以及目标意外丢失后的恢复策略。仿真结果表明,改进后的目标跟踪算法改善了目标定位和目标位置预测效果,获得跟踪精度较高、网络计算开销较低的效果。     

一种面向目标跟踪应用的传感器网络路由协议

移动目标跟踪应用在能量效率、可靠性、实时性和可扩展性等方面对传感器网络路由协议提出了较高要求。提出了一种基于目标跟踪应用的路由协议GGSR(Geographical Greedy and Stateless Routing,GGSR)。GGSR协议由两部分算法组成:sink节点到移动目标区域的查询数据包路由协议和目标区域到sink节点的汇聚数据包路由协议。GGSR是一种完全分布式的按需路由协议,动态建立和路径维护。节点只需要维护自身状态信息,具有较好的可扩展性。协议采取基于地理信息的贪婪转发策略,通过减少通信跳数,缩短了数据包路由的时延。协议以节点能量和距离的综合函数作为转发代价,同时考虑节点不同状态下的能耗,对不活动的节点及时休眠,使得协议具有较高的能量效率。协议采取下游节点转发确认机制提高了协议的可靠性。仿真实验表明,算法能够满足目标跟踪应用对传感器网络路由协议的性能要求。     

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算法的研究

研究传感器网络目标跟踪精度问题,跟踪目标的运动轨迹具有时变性,是一种非线性、非高斯问题,传统跟踪算法解决非线性问题时具有局限性,导致目标跟踪精度不高。为提高目标跟踪精度,将不受非线性、非高斯问题限制的粒子滤波算法引入到无线传感器网络目标跟踪应用中,并对基本粒子滤波算法的缺陷进行改进。仿真结果表明,改进粒子滤波算法提高了粒子利用效率,不仅提高了目标跟踪的精度,跟踪性能更好,并适合于目标跟踪的精度和实时性要求,为设计网络系统提供了参考。     

一种基于水下无线传感器网络的目标跟踪方法

本发明公开了一种基于水下无线传感器网络的目标跟踪方法。该方法首先根据最强信号原则选择簇节点,然后根据单跳距离准则组成簇网络对目标进行观测,如果观测信号强度超过阈值,则发送观测数据给簇头节点。簇头节点接收到粗内节点传送的数据,采用改进重采样的粒子滤波算法对当前时刻的目标位置和方差进行估计。根据目标的运动不断地更新簇头节点,将上一簇头节点状态估计值和方差估计值传送给当前簇头节点,再由当前簇头节点采用改进的重采样粒子滤波算法估计运动目标位置,直到运动目标超出了水下无线传感器网络的跟踪范围;本发明使用改进重采样算法的粒子滤波跟踪方法估计水下目标的位置和方差,提高水下无线传感器网络的目标跟踪性能。     

传感器网络中频繁移动模式挖掘算法研究

针对传感器网络中包括目标位置和时间的二维属性频繁移动模式挖掘问题,建立一种新的树状结构OMP-tree(OMP: Object Moving Pattern),OMP-tree可以压缩存储大量的原始移动模式.提出一种条件搜索算法,使用该算法可以大大减少满足条件的前缀模式数量.基于OMP-tree和条件搜索算法,设计一种新的挖掘目标的频繁移动模式的算法OMP-mine,该算法基于模式增长思想,直接递归地从条件模式基中得到频繁的前缀模式,然后连接后缀,达到模式增长的目的.仿真结果表明所提出的OMP-mine算法可以有效挖掘出传感器网络中具有二维属性的频繁的移动模式,并较好地降低了算法的时间和空间复杂度.     

一种基于传感器网络的水污染源质心定位算法

目前基于传感器网络的污染源定位多采用基于扩散模型的解析定位算法.然而,在该类算法中,复杂的数值计算会引入估计误差,并且水污染扩散模型大多是在理想的近似条件下提出的,在污染源定位问题中亦会引入误差.在某些情形下,由于没有解析的定位模型,基于扩散模型的解析定位算法无法采用.为了弥补传感器网络下基于扩散模型的水污染源定位方法的不足,提出了一种不依赖于扩散模型的水污染源质心定位算法.在该算法中,首先确定污染源所在区域,然后计算几何区域的质心,质心位置即为污染源估计位置.为了求解质心定位问题,提出了基于浓度场等位线的求解方法.在实验部分,对比了本文质心算法与基于扩散模型的定位算法以及粗略定位算法的定位结果.实现结果说明了本文算法的有效性.     

无线传感器网络中基于信息收益的多目标跟踪

目标跟踪是无线传感器网络应用的一个很重要的研究领域,节点有限的通信能力、处理能力、存储能力限制了传统跟踪算法的使用.为了提高网络的信息感知能力和降低能量消耗,提出基于信息收益的加权质心多目标跟踪算法,算法通过信息收益函数选取并唤醒节点对目标感知,通过传感器属性信息解模糊,并利用加权质心算法实现了多目标跟踪.仿真结果表明,与Bayes滤波协同多目标跟踪算法相比,算法虽精度略低,但时间复杂度低、失跟率低、实时性高,总体性能优于前者.     

一种多特征融合的红外目标跟踪算法

针对红外序列图像中各类目标及背景特征动态变化的特性,提出一种基于二值分类技术的多特征融合目标跟踪算法。分别根据灰度、纹理及梯度方向特征将图像分为背景与目标区域,并根据各类特征分类性能的差异,融合特征图像,通过重采样粒子滤波估计目标状态。实验结果表明,该算法对环境光照变化、局部遮挡等均具有较好的鲁棒性。     

基于移动Sink的自组织视频传感网络目标跟踪算法

基于自组织视频传感网络的目标跟踪方法利用节点的分布式观测能力,实现目标的精确跟踪。在研究视频节点观测投射模型和通信模型的基础上,提出一种基于移动Sink的自组织视频传感网络目标跟踪算法MSTTA。该算法包括感知信息聚合和目标位置评估两个部分,利用节点分类机制周期性地更新网络拓扑以适应Sink位置的变化,根据目标运动状态预测目标位置的评估节点小组。仿真实验表明,MSTTA算法能够适应Sink移动带来的网络拓扑变化,具有较高的目标跟踪精度。     

基于多面体质心算法的水下传感器网络定位

为了克服基于测距的水下定位算法以及距离无关的水下定位算法定位精度的不足,通过网络密度自适应、迭代定位和重定位、周期性更新和预测等优化措施,提出了一种距离无关的多面体质心算法,并利用仿真实验证明了多面体质心算法的定位性能明显优于ALS算法,它能够大幅度提高定位精确度,并降低定位成本。最后指出了未来水下定位算法研究应注意的问题和发展趋势。     

基于颜色直方图的EM对象跟踪算法

基于均值漂移运动目标跟踪的迭代算法,简单可靠,可以方便准确的找到一个基于内核的概率密度函数估计目标的位置。但是该算法对目标尺寸形状变化的适应能力比较差,文章提出一个改进的均值漂移算法。新算法同时估计目标的位置和用协方差矩阵来描述的目标的形状,能够处理对象的角度和形状大小发生变化时的跟踪问题,运用新的算法实现以颜色直方图为基础的非刚性目标跟踪算法。实验表明,该改进的算法在不同环境下跟踪目标的鲁棒性很好,尤其对跟踪目标的形状和尺寸的改变,具有很强的适用性。     

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.     

增强现实中的视频对象跟踪算法

根据增强现实在视频对象跟踪中的应用需求,提出一种综合利用尺度不变特征变换(SIFT)算子、K聚类算法和轮廓检测的视频对象跟踪算法。该算法利用简易SIFT获得输入图像的特征点,通过K聚类算法获得可能的对象聚类,并采用改进的轮廓处理方法得到对象边界,移除孤立点,确定对象特征点,在对象特征点中获取增强现实应用中需要的注册点。在关键帧匹配中,只要使用对象特征点进行对象匹配。实验结果表明,该算法具有运行速度快、匹配正确率高的特点,能满足增强现实视频应用的注册需求。