基于高斯粒子滤波的协作跟踪研究

论文摘要

无线传感器网络(WSN)是21世纪最重要的新兴技术之一,目标跟踪是WSN的一个重要应用领域。目标跟踪是通过测量目标与传感器节点的距离或角度来估计目标的运动轨迹,可以广泛应用于军事环境、医疗、交通等方面。本文介绍了无线传感器网络的特点和目标跟踪研究现状,系统地分析了目标跟踪算法、传感器网络特有的跟踪策略和评价指标。在此基础上,提出了基于高斯粒子滤波的多传感器协作跟踪方案,并采用动态成簇技术实时地选择参与跟踪的节点集合,在保持跟踪精度的同时降低了网络能耗。针对传感器网络资源受限的特点,选择无需重采样的高斯粒子滤波算法估计目标状态,降低了非线性跟踪的计算复杂程度,采用协方差交叉融合(CI)算法实现了多传感器数据融合,基于高斯粒子滤波技术的位置预测选择成员节点,并利用粒子群优化方法选择用于数据收集和转发的簇头节点。所提方案无需唤醒网络区域内部署的所有传感器节点,降低了网络传输能耗,同时避免了大量数据传输所造成的网络拥塞、控制消息过多和无线信道拥挤等现象。最后,针对所提出的跟踪方案设计了相关的仿真实验。仿真结果表明,该方案在降低网络能量消耗的同时保持了较好的跟踪精度。

论文目录

• 摘要
• Abstract
• 目录
• 第1章 绪论
• 1.1 课题背景
• 1.2 研究现状
• 1.3 研究内容与章节安排
• 第2章 传感器网络目标跟踪基础
• 2.1 目标跟踪算法
• 2.1.1 卡尔曼滤波
• 2.1.2 扩展卡尔曼滤波
• 2.1.3 不敏卡尔曼滤波
• 2.1.4 粒子滤波
• 2.2 传感器网络特有的跟踪策略
• 2.2.1 双元检测协作跟踪
• 2.2.2 信息驱动协作跟踪
• 2.2.3 传送树跟踪
• 2.3 评价指标
• 2.4 小结
• 第3章 基于高斯粒子滤波的协作跟踪方案
• 3.1 系统描述
• 3.2 多传感器协作跟踪
• 3.2.1 高斯粒子滤波
• 3.2.2 多传感器数据融合
• 3.3 小结
• 第4章 基于粒子群优化的动态簇组织算法
• 4.1 问题描述
• 4.2 基于位置预测的簇成员节点选择
• 4.3 基于粒子群优化的簇头节点选择
• 4.3.1 粒子群算法
• 4.3.2 簇头节点选择实现
• 4.4 小结
• 第5章 仿真实验
• 5.1 实验条件
• 5.2 实验结果与分析
• 5.3 小结
• 第6章 结论
• 参考文献
• 致谢