资源描述：
《分布式无线传感器网络的目标分类new》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。
1、第36卷增刊福州大学学报(自然科学版)Vol.36Supp.2008年9月JournalofFuzhouUniversity(NaturalScience)Sep.2008文章编号:1000-2243(2008)S0-S146-04分布式无线传感器网络的目标分类陈瑞义,席斌,刘健(厦门大学信息科学与技术学院,福建厦门361005)摘要:研究了无线传感器网络中的运输车辆的检测问题,并利用AR-Burg最大熵算法对不同车辆时间序列进行谱特征提取.分类结果是使用支持向量分类器类得到的.仿真结果表明,该分类方法可以达到较高的分类率,计算快且稳定,生成数据量小.关键词:无线
2、传感器网络;目标分类;AR-Burg算法;支持向量机中图分类号:TP274,TP212.9文献标识码:AClassificationindistributewirelesssensornetworkCHENRui-yi,XIBin,LIUJian(CollegeofInformationScienceandTechnology,XiamenUniversity,Xiamen,Fujian361005,China)Abstract:Thispaperinvestigatesthedetectiontheoryofwirelesssensornetworksandex
3、tractsthespectralfeaturevectorsofdifferenttypeofmovingvehiclesbyAR-Burgalgorithm.Wegettheclassi2ficationresultsbyusingthesupportvectormachineclassifier.Theresultshowsthathighclassificationrateandlowcomputecomplexitycanbeobtainedbythemethodofthispaper.Keywords:wirelesssensornetworks;cl
4、assification;AR-Burg;supportvectormachine[1]无线分布式传感器网络(WDSN)技术国内仍处于理论研究阶段,且多集中在路由协议控制和拓扑控制和安全控制方面.本文着眼于从探测到的目标事件信号中提取谱特征向量,并进行高效的分类.数据[2]来源于威斯康星大学无线传感器研究数据.1相关理论1.1AR-Burg最大熵谱估计AR-Burg最大熵谱估计是一种性能优良的参数谱估计方法,其估计方差小,谱分辨率高,计算量小[3]且稳定.设传感器节点探测到的目标事件时间序列{x(0),x(1),⋯,x(N-1)}为输入,N个值的m(m)(m)阶估
5、计器的前向和后向预报误差ef和eb为输出.其递推公式为:(m)(m-1)(m-1)(m)(m-1)3(m-1)ef(n)=ef(n)+ρmeb(n-1)eb(n)=eb(n)+ρmef(n-1)(1)3其中:ρi为反射系数,i=1,⋯,m,(·)为共轭函数.式(1)相当于m个递推的格型级联网络.利用Burg提出的前、后向预报误差功率之和最小以及Levinson-Durbin公式来求反射系数和AR模型参数ak.最后计算最大熵PSD值表达式:m-2^2-ωjkSX(ω)=σ·1+∑ake(2)k=11.2支持向量机分类[4]将采用非线性软间隔支持向量C-SVC分类器进
6、行车辆目标分类.其原始问题可表述如下.优化l122T问题:minw+C∑εi,约束为yi(w<(xi)+b)≥1-εi.其中xi为传感器探测到的事件时间信w,b,ε2i=1号的功率谱密度向量,部分作为训练集.w为权值,b为xi到超平面的距离,C为惩罚参数,<(xi)为映射收稿日期:2008-06-13作者简介:陈瑞义(1982-),男,硕士研究生;通讯联系人:席斌,男,副教授,博士.增刊陈瑞义,等:分布式无线传感器网络的目标分类·147·33函数,εi≥0fori=1,2,⋯,l为松弛变量,yi为类标记.选取RBF核函数,得到最优解α=(α1,⋯,3Tαl).决策
7、函数为:lf(x)=sign∑yαiiK(xi,x)+b(3)i=12目标分类2.1目标探测当网络中有移动目标出现时,目标周围的传感节点采集并记录各种模式(声音或振动)的时间信号,图1展示了在传感器节点1采集到AAV3车辆的声音信号.目标是否出现可利用CFAR(ConstantFalseAlarmRate)算法来实现.当信号呈现高能量,表示车辆真实出现,提取其对应周期的时间信号.其具体理论和操作可参考文[2].2.2目标频谱特征的提取实验证明车辆信号的功率谱密度是一种很好的[5]分类特征向量.一次处理的数据长度3720个数据点,为一个CFAR探测周期.在进行PSD
8、估计之前须
