基于改进粒子滤波器的WSNs目标跟踪算法.pdf

基于改进粒子滤波器的WSNs目标跟踪算法.pdf

ID:51493610

大小:202.56 KB

页数:3页

时间:2020-03-25

基于改进粒子滤波器的WSNs目标跟踪算法.pdf_第1页
基于改进粒子滤波器的WSNs目标跟踪算法.pdf_第2页
基于改进粒子滤波器的WSNs目标跟踪算法.pdf_第3页
资源描述:

《基于改进粒子滤波器的WSNs目标跟踪算法.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、132传感器与微系统(TransducerandMicrosystemTechnologies)2011年第3O卷第3期基于改进粒子滤波器的WSNs目标跟踪算法李宁一,徐守坤,马正华,石林,。(1.常州大学信息科学与工程学院,江苏常州213164;2.常州大学国际普适计算研究院江苏常州213164)摘要:提出了一种适用于无线传感器网络(WSNs)的目标跟踪算法,该算法基于改进型粒子滤波器(PF),根据当前的预测值优化PF的方向值,从而保证精确地预测到目标的移动方向;修改了目标突发变化引起的粒子滤波器预测误差,能够很好地跟踪目标移动过程中的异常、突发的移动变化。仿真结果表

2、明:该目标跟踪算法采用新的粒子滤波器之后,可以获得更为精准的目标跟踪性能。关键词:无线传感器网络;信息粒子滤波;方向预测;目标跟踪中图分类号:TP393文献标识码:A文章编号:1000-9787(2011)03-0132-03TargettrackingschemebasedonimprovedparticlefilteralgorithmforwirelesssensornetworksLINing一,XUShou—kun,MAZheng.hua,SHILin,(1.SchoolofInformationScienceandEngineering,ChangzhouU

3、niversity,Changzhou213164,China;2。InternationalInstituteofUbiquitousComputing,ChangzhouUniversity,Changzhou213164,China)Abstract:AnimprovedparticlefilteralgorithmforWSNstargettrackingisproposed.PF’Sdirectionvalueisoptimizedaccordingtocurrentpredictionvaluetopredictmovingdirectionofthetar

4、getaccurately.Predictionerrorprecisionofparticlefilterthatispossiblyproducedbysuddenchangesindirectionismodified.Simulationresultsshowthatthenewpaniclefilteralgorithmcanachievebettertrackingperformancethanotherfilteralgorithms.Keywords:wirelesssensornetworks(WSNs);information—particlefil

5、ter(I-PF);predictionofdirection;targettracking0引言行转换,动态记录被跟踪目标节点的特征变化过程。无线传感器网络(wirelesssensornetworks,WSNs)就是1基于改进型PF的目标跟踪算法通过无线通信方式形成的一个多跳自组织网络。对于大多1.1粒子滤波器数应用,传感器位置未知时搜集的数据是没有意义的,因PF是基于蒙特卡洛方法(MonteCarlomethods),采用此,传感器节点必须明确自身位置,并且要实现对外部目标粒子集记录概率,可用于各种形式的状态空间模型。主要的定位和追踪。是根据后验概率从而抽取随机状

6、态粒子得到其分布,是一粒子滤波(particlefilter,PF)非常适合于非线性和种顺序重要性采样(sequentialimportancesampling)法。PF非高斯问题,因此被广泛应用于目标跟踪。但在目标跟踪法是通过预测一组状态空间传播过程中的随机样本近似得过程中,其跟踪性能对观测模型的选择依赖性较大。因为到概率密度函数,积分运算根据样本均值得到,进而得到状在WSNs中的被跟踪的传感器节点即跟踪目标的特征状态态最小方差分布的过程中样本是指粒子,当样本数量随着时间的变化经常与粒子预测模型出现误差,所以,本文,v—oc时可以逼近任何形式的概率密度分布。提出了一种

7、基于新的粒子滤波器的目标跟踪算法,即将被对于粒子滤波器中的sigma点(k-1lk-1)(i=0,2,⋯跟踪目标的不同特征状态与粒子预测模型经过调整、修正,2L)可带入式(1)得到后保持吻合,形成一组具有不同预测模型的粒子流,从而在(kIk-1)(k-1Ik-1),k-1)'⋯(1)目标节点的跟踪过程中,根据不同的预测模型的粒子结合i=0,2,⋯,2L.搜集到的被跟踪目标节点所具有的特征线索的变化趋势进PF主要是近似地表示真实分布的概率分布,由于采用收稿日期:201l_01_25第3期李宁,等:基于改进粒子滤波器的WSNs目标跟踪算法13

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。