發(fā)布時間：2019-04-02 14:03

【摘要】：針對無線傳感器網(wǎng)絡(luò)(WSNs)動態(tài)目標(biāo)跟蹤問題,即通過對傳感器獲取的動態(tài)系統(tǒng)狀態(tài)進行估計,預(yù)測目標(biāo)的位置。提出一種基于自適應(yīng)平方根容積卡爾曼(SR-CKF)的序貫式WSNs動態(tài)目標(biāo)跟蹤算法。該算法在運算過程中直接傳遞目標(biāo)狀態(tài)均值和協(xié)方差矩陣的平方根因子,降低了計算的復(fù)雜度。將目標(biāo)跟蹤過程序貫式地分配到動態(tài)簇集的每一個節(jié)點上,減小了無線通信過程中碰撞和干擾現(xiàn)象的發(fā)生,降低了節(jié)點通信和計算負擔(dān)。針對不良觀測信息,基于新息協(xié)方差匹配原理,建立了自適應(yīng)SR-CKF,提高了整個系統(tǒng)的魯棒性。實驗仿真結(jié)果表明,本文提出的基于自適應(yīng)SR-CKF的序貫式WSNs目標(biāo)跟蹤算法有效的提高了跟蹤的精度和穩(wěn)定性并且減小了傳感器節(jié)點間通信的能量損耗。
[Abstract]:Aiming at the problem of (WSNs) dynamic target tracking in wireless sensor networks, the position of the target is predicted by estimating the state of the dynamic system acquired by the sensor. A sequential WSNs dynamic target tracking algorithm based on adaptive square root volume Kalman (SR-CKF) is proposed. In this algorithm, the mean value of the target state and the square root factor of the covariance matrix are transferred directly, which reduces the complexity of the computation. The target tracking process is sequentially assigned to each node of the dynamic cluster, which reduces the collision and interference in the wireless communication process, and reduces the communication and computing burden of the nodes. Based on the principle of innovation covariance matching, an adaptive SR-CKF, is established to improve the robustness of the whole system. The simulation results show that the proposed sequential WSNs target tracking algorithm based on adaptive SR-CKF effectively improves the tracking accuracy and stability and reduces the energy loss of communication between sensor nodes.
【作者單位】： 安徽工程大學(xué)安徽省電氣傳動與控制重點實驗室;中國科學(xué)技術(shù)大學(xué)精密機械與精密儀器系;
【基金】：2016年安徽高校自然科學(xué)研究項目(KJ2016A794)
【分類號】：TN929.5;TP212.9

【相似文獻】

相關(guān)期刊論文 前10條

1 金忠;一種多目標(biāo)跟蹤算法[J];南京理工大學(xué)學(xué)報(自然科學(xué)版);1985年S1期

2 馬奔,史忠科,皮燕妮;成像目標(biāo)跟蹤算法分析[J];西安電子科技大學(xué)學(xué)報;2005年03期

3 王魯平,李飚,胡敏露;一種基于多傳感器數(shù)據(jù)融合的目標(biāo)跟蹤算法[J];紅外與激光工程;2004年02期

4 周進;吳欽章;;弱小目標(biāo)跟蹤算法性能評估的研究[J];光電工程;2007年01期

5 曲洪權(quán);李少洪;;運動參數(shù)受限的目標(biāo)跟蹤算法研究[J];系統(tǒng)仿真學(xué)報;2008年09期

6 孫世巖;王炳;張國棟;;一種基于滿意濾波的純方位目標(biāo)跟蹤算法[J];指揮控制與仿真;2012年06期

7 鄒岡;石章松;劉忠;;基于協(xié)方差旋轉(zhuǎn)變換的目標(biāo)跟蹤算法[J];電光與控制;2008年05期

8 王睿;緱娜;蘇蓉;;基于小波多分辨率分析的機動目標(biāo)跟蹤算法[J];空軍工程大學(xué)學(xué)報(自然科學(xué)版);2007年05期

9 強世錦;榮健;滑玉;;基于粒子預(yù)測的非線性狀態(tài)目標(biāo)跟蹤算法[J];武漢理工大學(xué)學(xué)報;2008年02期

10 王偉;劉雙全;;基于粒子濾波和聯(lián)合概率數(shù)據(jù)關(guān)聯(lián)的目標(biāo)跟蹤算法[J];電子技術(shù);2009年04期

相關(guān)會議論文 前7條

1 付曉薇;方康玲;李曦;;一種基于特征的多目標(biāo)跟蹤算法[A];2003年中國智能自動化會議論文集（下冊）[C];2003年

2 許偉村;趙清杰;;一種基于粒子濾波的多目標(biāo)跟蹤算法[A];2011年中國智能自動化學(xué)術(shù)會議論文集（第一分冊）[C];2011年

3 李軍;張華;單梁;;一種基于Mean shift和粒子濾波的綜合目標(biāo)跟蹤算法[A];2009年中國智能自動化會議論文集（第七分冊）[南京理工大學(xué)學(xué)報（增刊）][C];2009年

4 鄭黎義;陳興無;王磊;李正東;;紅外/雷達雙傳感器融合目標(biāo)跟蹤算法[A];中國工程物理研究院科技年報（2005）[C];2005年

5 石章松;劉忠;;一種使用輔助變量的單站純方位目標(biāo)跟蹤算法[A];2003年中國智能自動化會議論文集（下冊）[C];2003年

6 魏崇毓;徐善駕;王東進;;多探測器目標(biāo)跟蹤算法分析[A];第九屆全國信號處理學(xué)術(shù)年會（CCSP-99）論文集[C];1999年

7 廖永漢;郭云飛;彭冬亮;;無源聲探測目標(biāo)跟蹤算法[A];第二十七屆中國控制會議論文集[C];2008年

相關(guān)博士學(xué)位論文 前4條

1 胡子軍;基于隨機有限集的雷達多目標(biāo)跟蹤算法研究[D];西安電子科技大學(xué);2015年

2 張健;面向能效優(yōu)化的無線傳感器網(wǎng)絡(luò)分布式目標(biāo)跟蹤算法研究[D];東北大學(xué);2011年

3 易偉;基于檢測前跟蹤技術(shù)的多目標(biāo)跟蹤算法研究[D];電子科技大學(xué);2012年

4 胡碩;基于小波理論的目標(biāo)檢測與快速目標(biāo)跟蹤算法研究[D];中國科學(xué)院研究生院（長春光學(xué)精密機械與物理研究所）;2006年

相關(guān)碩士學(xué)位論文 前10條

1 王朋;基于DM8168的網(wǎng)絡(luò)智能監(jiān)控系統(tǒng)的研究與實現(xiàn)[D];電子科技大學(xué);2015年

2 高林;密集雜波條件下的多目標(biāo)跟蹤算法研究與實現(xiàn)[D];電子科技大學(xué);2014年

3 李熵;基于視頻監(jiān)控系統(tǒng)的運動目標(biāo)跟蹤算法研究[D];電子科技大學(xué);2015年

4 夏玫;基于雷達輔助知識的微弱目標(biāo)跟蹤算法研究[D];電子科技大學(xué);2015年

5 廖雯雯;雷達資源管理及目標(biāo)跟蹤算法研究[D];電子科技大學(xué);2014年

6 程飛;基于協(xié)方差矩陣的自適應(yīng)目標(biāo)跟蹤研究[D];南京航空航天大學(xué);2014年

7 王佩思;基于粒子濾波的目標(biāo)跟蹤算法研究[D];南京郵電大學(xué);2015年

8 何娟;基于天基雷達的目標(biāo)跟蹤算法研究[D];重慶大學(xué);2015年

9 夏鑫;基于區(qū)域互信息和邊緣相關(guān)的目標(biāo)跟蹤算法研究與實現(xiàn)[D];重慶大學(xué);2015年

10 丁婷婷;無線傳感器網(wǎng)絡(luò)目標(biāo)跟蹤算法的研究[D];江南大學(xué);2016年

，

本文編號：2452621