适用于户外增强现实系统的混合跟踪定位算法

单一传感器无法解决户外增强现实系统中的跟踪定位问题.为了提高视觉跟踪定位算法的精度和鲁棒性,提出一种基于惯性跟踪器与视觉测量相结合的混合跟踪定位算法.该算法在扩展卡尔曼滤波框架下,通过融合来自视觉与惯性传感器的信息进行摄像机运动轨迹估计,并利用视觉测量信息对惯性传感器的零点偏差进行实时校正;同时采用SCAAT方法解决惯性传感器与视觉测量间的时间采样不同步问题.实验结果表明,该算法能够有效地提高运动估计的精度和稳定性.     

改进粒子滤波的无线传感器网络目标跟踪算法

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.     

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．     

WMSN目标跟踪的改进粒子滤波算法

分析了无线移动传感器网络中目标的跟踪原理,研究了基本粒子滤波算法的主要技术。对基本粒子滤波的重要性函数和重采样技术进行改进后,给出了一种提高基本粒子滤波算法跟踪精度的方法。通过仿真比较可以看出改进粒子滤波算法有较好的跟踪精度。在无线移动传感器网络中强调跟踪精度的场合,改进的粒子滤波算法会有更好的跟踪效果。     

一种自适应的机动目标融合跟踪算法

该文主要研究了分布式传感网络中的机动目标跟踪问题。为了在降低传感器节点的通信负债的同时,提高系统的跟踪精度,该文提出了一种新的自适应多传感器机动目标跟踪算法。该算法与交互式多模型算法相结合,将远端传感器获得的局部状态估计与本地传感器的累计量测信息进行融合,并通过信息去相关算法消除了传感器间的相关性。从而实现了对机动目标的状态估计与量测信息的融合。提出的算法能够充分利用本地传感器量测的有效信息,以提高目标跟踪精度。仿真实验验证了该算法的有效性。     

有序粒子概率假定密度跟踪算法

针对由单传感器概率假定密度滤波到多传感器情形推导困难的问题,提出了一种有序粒子概率假定密度跟踪算法。首先,推导出集中式多传感器粒子概率假定密度滤波模型,再根据集中式融合系统的特点,选取与多传感器相关的重要性密度函数,通过多传感器多步更新重采样粒子,从而实现多传感器多目标有序粒子概率假定密度跟踪。仿真结果表明,该算法的跟踪误差距离差要小于单传感器粒子概率假定密度跟踪算法,且具有更优越的跟踪性能。     

基于分类模型的目标跟踪算法研究

基于分类模型的目标跟踪算法采用分类模型实现对多目标的跟踪。在传统算法中目标跟踪的对象是每个传感器的实时采样,而在分类模型中将传感器采样根据分类规则进行分类。然后将类的特征作为一个新的采样为下一层的模型提供输入,可以减少计算的复杂度。该模型是一个可扩展模型,可以为分类器设计不同的算法对模型进行扩展。模型自身采用低耦合的层次化设计,每一层均可以采用不同的分类器,这样可以充分利用各种分类算法的优点。     

基于Fisher信息距离的被动传感器目标协同跟踪方法

针对多被动传感器动态跟踪问题,提出了一种基于Fisher信息距离被动传感器目标协同跟踪方法。该算法在进行传感器选择时,依据信息几何理论,以流形中的Fisher信息距离来衡量先验概率密度函数和后验概率密度函数之间的距离,继而以此距离为依据选择传感器进行目标跟踪。仿真实验表明：所提算法能够在动态环境中自适应选择传感器资源,有效提高目标的跟踪精度,实现多被动传感器协同跟踪。     

光电式自主寻迹小车抗干扰技术研究

根据自主寻迹小车的运行要求,完成了光电式自主寻迹小车的整体设计。结合激光和红外传感器的布局方式及其采集信号时存在的干扰问题,提出了传感器采集路径信息的可行方法及处理检测数据的A/D采样自适应、边缘跟踪检测等滤波算法。最后,通过实测数据对比分析,证明采用文中所述的滤波算法来处理检测路径干扰信息是可行的。     

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．

     

异步采样下的多红外传感器多目标跟踪算法

针对异步采样下多红外传感器多目标跟踪问题,提出了一种基于概率假设密度粒子滤波的跟踪算法.该算法首先将一个融合周期内所有采样点在融合中心的坐标系中和时钟下进行统一映射,然后按照实际测量值到来的时间先后顺序,根据融合周期内相邻两个时刻之间状态的动态关系,建立相应采样时刻间的状态方程和量测方程,最后根据当前时刻测量对应的传感器的个数选择不同的滤波算法,对顺序到来的观测值依次进行状态估计和更新,从而得到目标数目和相应的状态估计值.仿真实验表明,所提的算法能较好地解决异步采样下多红外传感器多目标跟踪问题,具有较高的跟踪精度和较强的鲁棒性.     

紧耦合多传感器混合跟踪算法

在增强现实应用中实现对运动目标的准确跟踪是一个具有挑战性的任务。基于混合跟踪通过对多传感器信息的融合通常比单一传感器跟踪算法更为优越的特性,提出了一种新的紧耦合混合跟踪算法实现视觉与惯性传感器信息的实时融合。该算法基于多频率的测量数据同步,通过强跟踪滤波器引入时变衰减因子自适应调整滤波预测误差协方差,实现对运动目标位置数据的准确估计。通过标示物被遮挡状态下的跟踪实验结果表明,该方法能有效改善基于扩展卡尔曼滤波器的混合跟踪算法对运动目标位置信息预测估计的准确性,提高跟踪快速移动目标的稳定性,适用于大范围移动条件下的增强现实系统。     

采用序贯滤波的红外/雷达机动目标跟踪

当机动目标状态是非平稳和非线性时,红外传感器和雷达的目标状态方程和量测方程都是非线性和非高斯的,为了解决经典跟踪算法的残差较大或发散的问题,提出一种新的融合跟踪算法:在对红外传感器和雷达的量测数据进行时间对准和同步融合后,将融合后的量测数据送入重抽样粒子滤波器进行处理以预测和跟踪机动目标.最后给出了一个仿真跟踪实例,并与同类多雷达跟踪的效果进行了比较,说明了异类融合跟踪优于同类多雷达融合跟踪.     

近邻传播观测聚类的多扩展目标跟踪算法

由于传感器分辨率高或目标存在多个反射源等原因,一个目标可以同时产生多个观测数据,对于解决这种扩展目标的跟踪问题,概率假设密度(PHD)滤波算法是一种有效的方法.针对扩展目标概率假设密度滤波算法中观测集合划分,提出一种利用近邻传播聚类方法进行观测集合划分的多扩展目标跟踪算法.实验结果表明,所提出的方法不但能够获得正确的划分观测集合,而且计算复杂度较已有划分方法有较大降低,同时在多目标跟踪效果方面优于已有算法.     

基于约束策略的WSN低能耗粒子滤波跟踪算法

目标跟踪是无线传感器网络研究的关键技术之一,如何在保证较低能量消耗的前提下,实现监测场景中运动目标准确跟踪是需要解决的问题。在深入研究分析传感器网络目标跟踪算法的基础上,提出了基于约束策略的WSN低能耗粒子滤波跟踪算法。该算法采用动态分簇,既减少网络的能量消耗,又保证监测目标节点的数量;在跟踪过程中,采用约束策略得出目标估计区域,对粒子采样结果进行优化,同时对状态空间模型进行改进,增强粒子对目标的跟踪能力。仿真结果表明,提出的跟踪算法有效的实现目标的跟踪,在保证低能耗的同时提高了跟踪精度。     

动态加权和测量方差时变的多传感器融合算法

在基于卡尔曼滤波及其一些改进算法中,由于测量方差预先设定,从而导致滤波发散和信息资源的浪费,为此提出了一种动态加权下测量方差时变的多传感器融合算法。该算法依据各传感器当前时刻的滤波精度合理地分配权值,同时测量方差的时变特性使得每次测量信息得到充分的利用。仿真结果表明该算法显著地提高了对机动目标的跟踪效果并具有实时性的优点。     

基于分布式动态簇结构的WSN自适应目标跟踪算法

目标跟踪是无线传感器网络应用研究的一个重要问题,如何在传感器节点随机分布的条件下对目标进行实时、准确的跟踪,并尽可能地降低网络能耗是目标跟踪问题的一个难点。文章基于分布式动态簇结构和并行粒子滤波算法对目标进行跟踪,提出一种跟踪采样周期自适应调整算法来降低网络能耗,同时也提高了跟踪的稳定性。仿真结果表明,文章提出的算法达到了实时、准确和节能的要求,具有一定的实际应用价值。     

量测不确定下多传感器自适应粒子滤波算法

针对量测不确定条件下多传感器量测数据的有效利用问题,提出一种多传感器自适应粒子滤波算法.利用随机采样策略和量测模型转移概率实现当前时刻多传感器量测集合的采样,通过粒子滤波中重采样步骤完成估计状态和量测集合的更新,进而依据重采样后单个传感器量测数目在传感器量测集合中的比重实现当前时刻传感器量测的确认.该算法通过有效量测的合理选择,改善了扰动对滤波精度和计算量的不利影响.理论分析和仿真实验均验证了所提出算法的有效性.     

Energy-balanced multiple-sensor collaborative scheduling for maneuvering target tracking in wireless sensor networks

An energy-balanced multiple-sensor collaborative scheduling is proposed for maneuvering target tracking in wireless sensor networks (WSNs). According to the position of the maneuvering target, some sensor nodes in WSNs are awakened to form a sensor cluster for target tracking collaboratively. In the cluster, the cluster head node is selected to implement tracking task with changed sampling interval. The distributed interactive multiple model (IMM) filter is employed to estimate the target state. The estimat...     

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.