传感器网络中结合分类信息的多目标关联算法.pdf

传感器网络中结合分类信息的多目标关联算法.pdf

ID:52402508

大小:296.18 KB

页数:4页

时间:2020-03-27

传感器网络中结合分类信息的多目标关联算法.pdf_第1页
传感器网络中结合分类信息的多目标关联算法.pdf_第2页
传感器网络中结合分类信息的多目标关联算法.pdf_第3页
传感器网络中结合分类信息的多目标关联算法.pdf_第4页
资源描述:

《传感器网络中结合分类信息的多目标关联算法.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、2010年第29卷第1期传感器与微系统(TransducerandMicrosystemTechnologies)91传感器网络中结合分类信息的多目标关联算法付兴武,高芳芳,白风(辽宁工程技术大学电气与控制工程学院,辽宁葫芦岛125105)摘要:提出一种基于图模型的结合目标分类信息数据关联算法,目的在于提高多传感器网络的数据关联正确率。通过分析基于图模型的目标分类信息,适当修改顶点兼容函数和连线兼容函数的计算公式,并用结合分类信息的似然函数更改原来只利用运动学信息的兼容函数,最终将分类信息应用到关联算法中。通过对仿

2、真结果的比较,验证了利用分类信息可以较好地改善多目标关联性能。关键词:图模型;分类信息;数据关联中图分类号:TP212.9文献标识码:A文章编号:1000-9787(2010)01-0091-03Multi-objectiveconnectedalgorithmwithcategorymeSSagel●nSenS0rnetJW0rK■S巾FUXing-WU,GAOFang—fang,BAIFeng(SchoolofElectricalandControlEngineering,LiaoningTechnicalUn

3、iversity,Hniudao125105,China)Abstract:Adataassociaedalgorithmbasedongraphicmodelwhichcombinedwithtargetcategorymessageisproposed.Thegoalistoenhancedataassociationaccuracyofthemulti—sensornetworks.Throughtheanalysisoftargetcategoryinformationbasedongraphicmodel

4、,theapexcompatiblefunctionandthewiredcompatiblefunctionformulaaresuitablyrevised,andcombiningwithcategorymessage’Slikelihoodfunctiontochangecompatiblefunctionwhichoriginallyusekinematicsinformation.Thecategorymessageisappliedtoconnectedalgorithm.Throughcompari

5、sonofsimulationresult,itisconfirmedthatcategorymessagecanbeusedtoimprovetheconnectedperformanceofmulti—objective.Keywords:graphicmodel;categoryinformation;dataassociation0引言构表示。把无方向图表示的变量认为是离散的,这些变量目前,大多数据关联算法只考虑那些与目标状态向量q是和图结构有关的Markov随机变量,它的分布P(q)表示直接相关的运动学信

6、息(如,距离、角度信息等),没有考虑为目标的属性信息。因此,用于关联的信息少、质量低,从而p(g)=n帅)兀(吼,g),(1)5EVts.t∈E引起复杂环境下关联正确率低。实际上,传感器不只获得式中k为常数;(q)为顶点兼容函数,取决于变量q;这些信息,还可获得更多的有关目标的其他属性信息。因(q,q)为边线兼容函数,取决于变量q和q的连线(s,此,可以结合不同传感器的多种信息(如,电子支援系统t)。一般情况下,随机变量q是不可观测的。假设可得到EMS,红外传感器等)综合处理,提高数据关联精度和可靠独立噪声的观测量

7、y=}I∈V},那么,先验分布P(q)表性。本文通过提出一种基于图模型的结合目标分类信息数达式转换为用相应的条件概率P(qIY),其表达式变为P(qI据关联方法,来提高多传感器网络的数据关联正确率。1基于圈模型的数据关联算法y)=ⅡE(g,)ksn.fJEE(吼,)。算法的目的是找出1.1图模型基本理论极大后验(MAP)变量⋯=argmaxyp(qIY)。一个无方向图模型表示为G=(,E),其中,表1.2结合图模型的数据关联示顶点(node)集,表示边线(edge)集。每个顶点V表基于图模型的数据关联算法是一个基于

8、分布结构的多示一个随机变量q,s∈V变量之间的关系可通过图模型结传感器网络最优数据关联算法,其基本思想是把每只传感收稿日期:2009-07-09基金项目:国家自然科学基金资助项目(50874059);辽宁省科技攻关计划资助项目(2007231003)传感器与微系统第29卷器的量测分配作为一个随机变量,在图模型中表示顶点变,,m、量。把数据关联问题转化为求基于

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。