欢迎来到天天文库
浏览记录
ID:35059293
大小:4.46 MB
页数:75页
时间:2019-03-17
《基于wsn的目标跟踪方法研究》由会员上传分享,免费在线阅读,更多相关内容在学术论文-天天文库。
1、中图分类号:TP391论文编号:102870316-S148学科分类号:081101硕士学位论文基于WSN的目标跟踪方法研究研究生姓名张祺琛学科、专业控制理论与控制工程研究方向无线传感器网络指导教师丁勇副教授南京航空航天大学研究生院自动化学院二О一六年三月NanjingUniversityofAeronauticsandAstronauticsTheGraduateSchoolCollegeofAutomationEngineeringResearchonTargetTrackingAlgorithmbasedonWSN
2、AThesisinControlTheoryandControlEngineeringbyZhangQichenAdvisedbyAssociateProf.DingYongSubmittedinPartialFulfillmentoftheRequirementsfortheDegreeofMasterofEngineeringMarch,2016承诺书本人声明所呈交的硕士学位论文是本人在导师指导下进行的研究工作及取得的研究成果。除了文中特别加以标注和致谢的地方外,论文中不包含其他人已经发表或撰写过的研究成果,也不包含
3、为获得南京航空航天大学或其他教育机构的学位或证书而使用过的材料。本人授权南京航空航天大学可以将学位论文的全部或部分内容编入有关数据库进行检索,可以采用影印、缩印或扫描等复制手段保存、汇编学位论文。(保密的学位论文在解密后适用本承诺书)作者签名:日期:2016.3.25南京航空航天大学硕士学位论文摘要无线传感器网络(WSN)具有跟踪精细、可靠、及时、隐蔽等特点,非常适用于复杂环境下的目标跟踪。由于WSN节点资源有限,本文针对WSN的目标跟踪热点问题进行了研究,主要研究内容如下:针对WSN协同跟踪过程中跟踪精度与能量消耗矛盾
4、的问题,提出基于强化学习的协同跟踪算法。该算法通过Q学习方法获得簇首最优动作策略,进行最优簇首切换及簇成员的最优选择;在满足跟踪精度的前提下,通过减少簇成员个数和动态选择采样时间间隔降低网络能耗。仿真结果表明该算法不仅保证了跟踪精度,且有效降低了网络的能量消耗。针对多目标跟踪中新生目标强度未知的问题,提出基于量测驱动的概率假设密度滤波算法。该算法以量测驱动方式避免了对新生目标强度先验知识的依赖;采用增广状态空间方法,避免了杂波对真实目标强度估计的干扰。仿真结果表明,该算法具有对目标数目变化敏感的优势,同时可降低计算复杂度
5、,明显提高了跟踪精度。针对WSN中能量有限的问题,提出基于量化新息的目标跟踪算法。该算法使用量测新息量化方法,降低了量化误差;同时设置数据删减门限,降低了能量消耗。仿真结果表明该算法在可降低网络能耗的情况下对跟踪精度改变较小。搭建了基于WSN的目标跟踪仿真平台,包括超声波六元阵列传感器网络与监控中心软件平台两部分。前者实现了传感器异步数据采集以及无线组网数据传输功能;后者既能根据采集数据计算目标运动轨迹,又能够进行不同参数下目标跟踪算法的性能研究。系统平台测试表明,该平台可初步实现对运动目标的跟踪。关键词:无线传感器网络
6、,协同跟踪,强化学习,目标跟踪,概率假设密度,量化新息I基于WSN的目标跟踪方法研究ABSTRACTWirelesssensornetwork(WSN),whichisprecise,reliable,timelyandhiddenintracking,issuitablefortrackingtargetsincomplexenvironment.InconsiderationoftherestrictionsforWSNnodes,anstudyofthehotspotsofWSNtargettrackingisco
7、nductedinthisdissertation.Themaincontentsarestatedasfollows:AimingatthecontradictionbetweentrackingprecisionandenergyconsumptionintheprocessofWSNcollaborativetracking,areinforcementlearningbasedcollaborativetrackingalgorithmispresented.Inthisalgorithm,theoptimalc
8、lusterheadactionstrategyismadebyQ-learningmethodtomaketheclusterheadchangedandclustermembersselectedoptimally.Underthepremiseofsatisfyingthetrackingprecision,t
此文档下载收益归作者所有