非参数信念传播的WSN目标跟踪方法.pdf

非参数信念传播的WSN目标跟踪方法.pdf

ID:52222835

大小:283.12 KB

页数:4页

时间:2020-03-25

非参数信念传播的WSN目标跟踪方法.pdf_第1页
非参数信念传播的WSN目标跟踪方法.pdf_第2页
非参数信念传播的WSN目标跟踪方法.pdf_第3页
非参数信念传播的WSN目标跟踪方法.pdf_第4页
资源描述:

《非参数信念传播的WSN目标跟踪方法.pdf》由会员上传分享,免费在线阅读,更多相关内容在行业资料-天天文库

1、非参数信念传播的WSN目标跟踪方法刘美,等非参数信念传播的WSN目标跟踪方法MethodofWSNTargetTrackingBasedonNonparametricBeliefPropagation列美1高欢簿1,2林伟鹏1(茂名学院计算机与电子信息学院1,广东茂名525000;太原理工大学信息工程学院2,山西太原030024)摘要:针对传统粒子滤波的数据融合和粒子贫乏问题,提出一种结合非参数信念传播和粒子滤波(NBP.RPF)的分布式WSN目标跟踪方法。首先检测目标的节点,然后对检测数据进行核密度估计(KDE)得到目标估计信息.最后,通过非参数信念将信息传

2、播到簇首节点,簇首节点对信息乘积进行Gibbs采样和正则化粒子滤波,实现了对目标的精确跟踪。仿真结果表明,NBP.RPF法在增加粒子多样性和有效融合数据等方面具有优势,同时也提高了目标的跟踪精度。关键词:无线传感器网络非线性模型滤波均方根误差多样性中图分类号:TP39l文献标志码:AAbstract:Aimingattheproblemofdatafusionandparticledegeneracyintraditionalparticlefiltering-thetargettrackingmethodofdistributedWSNbasedonthec

3、ombinationofnonparsmetricbeliefpropagationandregularizedparticlefihering(NBP-RPF)isproposed.First,thenodeoftargetisdetected。thenkerneldensityestimation(KDE)isconductedfordetecteddataandthetargetestimationinformationisobtained.Finally.theinformationistransmittedtOtheclusterheadnode;t

4、heproductofinformationisGibbssampledandregulationpartielefilteredforrealizingprecisetracking.Theresultofsimulationindicatesthatthemethodproposedpossessessuperiorityinincreasingparticlediversityandeffectivefusiondata;andeilbancestheaccuracyoftargettracking.Keywords:Wirelesst目gnsornet

5、work(WSN)NonlinearmodelFilteringRoot—meansquareerrorDiversity0引言目标跟踪是无线传感器网络WSN的重要应用¨。2j,但目标跟踪广泛存在非线性问题。对于非线性运动目标,WSN目标跟踪预测算法主要有扩展卡尔曼滤波EKF(extendedKalmanfilter)、无迹卡尔曼滤波UKF(unscentedKalmanfilter)和粒子滤波PF(particlefilter)。其中,EKF适用于弱非线性模型;对于强非线性模型,UKF效果更好,但UKF和EKF都是针对模型线性化和高斯噪声情况¨一J。对于非线

6、性非高斯模型,因为PF能够灵活适应非线性动态模型和多模态观测模型,所以被认为是目前最有前景的方法之一"一71。另外,信念传播作为一种经典的推理方法,它已在关节物体跟踪领域和WSN节点自定位等方面得到广泛应用哺“0。。本文基于非参数信念传播,结合正则化粒子滤波方法,提出了一种新的分布式WSN目标跟踪方法,实现了目标的精确跟踪。广东省自然科学基金资助项目(缡号:9151052101000013);茂名市重点科技计划资助项目(编号:20091010)。修改稿收到日期:20lO一02一12。第一作者刘荚,女,1967年生,现为华南理工大学控制理论与控制工程专业在读博士

7、研究生.副教授;主要研究方向为智能传感检测与控制。《自动化仪表》第32卷第l期2011年1月1基本原理1.1正则化粒子滤波算法粒子滤波算法是一种通过非参数化的蒙特卡罗模拟方法进行递推的贝叶斯滤波算法,它通过一组随机采样的粒子及相应的权值来表征系统状态的后验概率密度函数。PF基于重要性采样获得粒子,以表征后验概率密度函数,能得到比EKF、UKF更高的估计精度,但是,将PF应用于WSN目标跟踪中时存在粒子退化问题。利用Gordon提出的重采样可较好地解决该问题拍3,但同时又会使粒子丧失多样性。为此,学者们提出许多改进粒子滤波方法拍一列,正则化粒子滤波RPF(reg

8、ularizedparticlefil

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。