基于负载均衡分簇的无线传感器网络目标跟踪算法

针对无线传感器网络目标跟踪算法节点负载不均衡的现状,结合非线性模型下目标跟踪的研究,提出一种基于负载均衡分簇的无线传感器网络目标跟踪算法.采用分簇时选出高能量簇首,簇间通信时通过辅助簇首多跳通信,在跟踪目标时使用分布式扩展卡尔曼滤波的方法.仿真结果表明:本文算法在多次分簇后有效减少了死亡节点数量降低了节点剩余能量差,与分布式卡尔曼滤波相比降低了跟踪误差.该算法均衡了无线传感器网络节点的负载并提高了非线性模型下目标跟踪的精度,在有限的资源下增加了目标跟踪算法的可靠性.     

基于分簇的动态协同算法在无线传感器网络中的应用

为降低无线传感器网络中的能量开销,减少存储和网络资源,采用了一种新的信息融合机制。根据目标的当前地理位置,将无线传感器网络中的节点动态分簇,建立分布式的跟踪机制。利用一种基于信息矩阵加权的卡尔曼算法在该机制下进行目标跟踪,与无分簇机制下的信息矩阵融合算法进行性能比较,仿真实验结果表明该方法具有较高的有效性和可靠性。同时,在网络存在丢包情况下,基于Grubbs准则进行改进,能有效地提高精度。     

分布式多目标自动跟踪和特征管理算法

一种可扩展的分布式多目标跟踪和特征管理的算法(DMTIM),适用于对多目标进行跟踪的传感器网络。DMTIM由数据关联、多目标跟踪、特征管理,以及信息融合所组成。数据关联和未知数量多目标的跟踪通过马尔科夫蒙特卡罗数据关联实现。通过信息融合来获取所有相邻传感器的本地一致性,实现特征管理。试验证明,DMTIM算法能够通过传感器网络实现对多目标有效的跟踪和特征管理。     

基于超长线状分簇结构的卡尔曼滤波融合算法

以应用于隧道结构健康监测的无线传感器网络为基础,针对长线形的隧道结构和分布式的节点布置,提出了超长线状多跳非均匀分簇结构.通过考虑节点剩余能量和优化簇头分簇半径,降低并平衡节点能耗.针对传感器数据冗余量大的问题,提出了基于超长线状分簇结构的分布式卡尔曼滤波融合算法.利用单节点不同时刻的数据,通过卡尔曼滤波器得到局部估计值,降低数据时间冗余度.在簇头节点端和汇聚节点端分别实现分布式卡尔曼滤波融合算法,降低数据空间冗余度,达到具有一致性的网络数据估计值.实验结果表明:该方法能有效实现超长线状分簇结构下的分布式数据融合,具有高可靠性和准确性.     

一种能量平衡的最优分布式成簇机制

针对无线传感器网络能量不平衡影响网络寿命的问题,引入一个新的基于节点剩余能量标准差的能量平衡指标,据此提出了一种能量平衡的最优分布式成簇机制.将其转化为多目标约束优化问题,并采用具有最佳个体保存机制的自适应遗传算法求解最优解.在Matlab环境下,将文中提出的成簇机制与基于能耗和最大簇员数目的成簇机制进行比较.仿真结果表明:文中提出的成簇机制能在保证能量平衡和跟踪精度的前提下有效地延长网络寿命.     

基于分布式纳什Q学习的多传感器协同目标跟踪

针对传统目标跟踪算法过分依赖环境模型的问题,提出了一种基于分布式纳什Q学习的多传感器协同目标跟踪算法.分析了强化学习与分布式纳什Q学习算法的原理;描述了多传感器的协同跟踪态势,建立了离散系统的非线性模型,给出了传统的扩展卡尔曼滤波解决方法;定义了对分布式纳什Q学习性能影响至关重要的传感器行为和奖惩函数,奖惩函数通过计算预测误差方差阵的迹得到;采用基于贝叶斯推理的概率统计方法解决了Q函数的更新问题.纯方位量测信息的被动跟踪仿真结果表明,相比于传统滤波算法,该算法增强了传感器对环境变化的适应性,实现了对目标的有效跟踪,提高了跟踪精度.     

一种基于无线传感器网络的分布式目标跟踪算法

将无线传感器网络与接收信号强度指示测距技术相结合,研究了移动目标的分布式跟踪算法。根据传感器节点与移动目标的相对位置,将节点动态组织成簇,簇头节点作为簇的数据处理中心,利用扩展卡尔曼滤波形成对移动目标位置的本地估计。随着目标的移动,本地估计在簇头节点间传递。仿真结果表明,基于无线传感器网络的分布式目标跟踪算法在精度、收敛性和实时性等方面达到很好的跟踪效果。     

面向宽频段频谱感知的WSN架构及其分簇算法

针对动态频谱管理、频谱监测等领域对宽频带频谱感知的需求,提出了一种面向宽频段频谱感知的无线传感器网络系统架构,采用分簇的网络结构、分频段协作感知和分级的感知结果处理机制,实现了对宽频段频谱的有效、高精确度感知。重点研究了该架构下的分簇算法,提出了一种面向感知任务频段特性的分布式分簇算法。算法基于近邻传播模型,通过分布式消息交互积累网络结构信息,实现将信噪比相似的节点分在较少簇中的分簇目标。仿真表明,提出的分簇算法生成的簇数目随着节点数量的增加线性增长,簇结构在簇首与簇成员信噪比标准差和能量差等指标上均优于现有算法,说明了算法在可扩展性、支持感知结果融合和提高网络工作时间等方面的优越性。     

基于能效的分布式轻量级WSN目标跟踪算法

针对不确定性复杂运动目标跟踪中的节点调度以及节能问题,提出了基于能效的无线传感器网络分布式多节点协作的目标跟踪算法.根据监控区域内目标的运动状态以及局部区域的节点密度,利用节点的剩余能量和调度情况,确定无线传感器网络在跟踪目标过程中的簇规模,使网络的局部能量消耗达到均衡.利用高斯Cost-Reference粒子滤波对目标进行跟踪,以减少对噪声建模的依赖性.仿真结果表明,该算法达到了跟踪精度的要求,解决了节点调度问题,并有效地均衡了网络能耗.     

多传感器粒子滤波融合跟踪算法

对于非线性非高斯环境中的多传感器分布式状态估计问题,提出了一种基于二阶中心差分粒子滤波方法的融合跟踪算法.通过对量测方程的非线性分析,利用粒子滤波器计算目标状态估计值,以在线自适应加权融合算法的方式得到系统最优估计.仿真结果表明,与采用扩展卡尔曼滤波的方法相比,该算法具有更高的估计精度.     

面向移动传感器网络的自适应一致性融合估计方法

研究了具有时延和通信拓扑变换的移动传感器网络（MSN）分布式融合估计问题.结合无色信息滤波、自适应一致性算法并考虑通信时延而设计的基于自适应一致性的融合结构,提出了一种名为基于自适应一致性的分布式无色信息滤波（AC_DUIF）的分布式融合估计算法.以空中移动传感器网络跟踪移动目标为例,通过仿真验证了所提算法的性能.仿真结果表明,该方法能够在以分布形式提高网络中各节点对目标位置估计精度的同时,保证节点之间的一致性,并具备对网络通信延时的适应能力.     

Cubature Kalman probability hypothesis density filter based on multi-sensor consistency fusion①

The GM-PHD framework as recursion realization of PHD filter is extensively applied to multi-target tracking system .A new idea of improving the estimation precision of time-varying multi-target in non-linear system is proposed due to the advantage of computation efficiency in this paper .First, a novel cubature Kalman probability hypothesis density filter is designed for single sensor measure -ment system under the Gaussian mixture framework .Second , the consistency fusion strategy for multi-sensor measurement is proposed through constructing consistency matrix .Furthermore, to take the advantage of consistency fusion strategy , fused measurement is introduced in the update step of cubature Kalman probability hypothesis density filter to replace the single-sensor measurement .Then a cubature Kalman probability hypothesis density filter based on multi-sensor consistency fusion is proposed .Capabilily of the proposed algorithm is illustrated through simulation scenario of multi-sen-sor multi-target tracking .     

基于无迹卡尔曼滤波和协方差交叉融合的分层多簇无线传感器网络多速率跟踪算法

针对无线传感器网络(WSNs)在跟踪过程中精度低,性能差等缺点,提出基于无迹卡尔曼滤波(UKF)和协方差交叉(CI)融合的分层多簇WSNs多速率跟踪算法。将传感器分成多个簇,同一簇中的传感器可以采用不同的采样和传输速率对目标的数据进行采集和传输。首先,采用UKF处理传感器节点采集的数据,生成局部估计。然后,利用CI融合算法将收集到的局部估计值形成融合估计。通过定义一个附加权重因子,为真实协方差的不确定性定义一个更严格的界限。仿真验证了方法的有效性,采用多速率分层融合估计的精度更高,效果更明显。     

一种轻量级分布式Cell多目标跟踪算法

为了研发更有效的基于无线传感器网络(WSN)的多目标跟踪系统,在虚拟网格分层模型(VGA)和负载平衡树(LBA)的基础上,提出一种轻量级分布式Cell跟踪算法:每个目标拥有自己的跟踪Cell,当目标逃离当前Cell时,按目标航迹选出下一任Cell.多个Cell能分布式地对多目标进行同时跟踪,分为不交叉目标、跟踪Cell部分重叠目标和跟踪Cell完全重叠目标来进行讨论.实验模拟了多个目标的运动,结果表明该跟踪算法能及时有效地进行多目标跟踪.     

WSN中传感器节点的弹性神经网络任务分配方法

为解决WSN多目标跟踪节点任务分配的竞争冲突问题,提出一种融合了模糊聚类的多弹性子模自组织神经网络节点任务分配方法.通过模糊聚类估计目标数量,建立节点任务分配跟踪精度和能量消耗的综合性能指标,采用非全连接的环形弹性结构自组织神经网络优化监测联盟,用最近邻法对神经元弹性子模进行初始化,根据胜者为王原则动态调整子模的感受域,以快速锁定最优监测联盟,实现多目标的精确跟踪.实验结果表明:文中方法能有效解决多目标跟踪节点任务分配的竞争冲突问题,以及竞争冲突时的系统能耗增加与实时性问题;在随机均匀部署节点拓扑和目标直线运动模式下,文中方法的能耗较最近邻法降低了48.2%~55.9%,较未改进弹性神经网络法降低了37.4%~42.5%,且运算速度提高了19.0%~27.4%.     

无线传感器网络多目标跟踪数据融合

在基于无线传感器网络多目标跟踪数据融合系统研究的基础上，提出了改进的模糊聚类平均算法，并给出了相应的集中式数据融合整体方案．算法将每一批观测数据按照航迹估计位置的关联门限进行划分，然后分别对航迹和关联门限内的采集信息进行模糊关联，再把获得的最大关联度数据分配给各条航迹作为目标的实际位置．数据融合的思路是，删除所有关联门限内的数据，将剩余数据再进行航迹起始模块处理．模拟实验表明，所提算法可解决多目标跟踪的误跟、漏跟和振荡问题，数据融合方案既能保存有用信息，又能去除冗余数据，进而有效避免了漏跟和重复跟踪的问题．     

基于生成对抗网络的多目标行人跟踪算法

多目标跟踪领域中,在背景复杂、目标遮挡、目标尺度和姿态变换等情况下,容易出现目标丢失、身份交换和跳变等问题.针对这些问题,提出了一种基于检测的多目标跟踪算法,使用改进的YOLO人体人脸关联算法,对当前帧待检目标进行分类和位置检测,使用生成对抗网络构建特征提取模型,学习目标的主要特征以及细微特征,再运用生成对抗网络生成多目标的运动轨迹,最终融和目标的运动信息和外观信息,得到跟踪目标的最优匹配.在MOT16数据集下的实验结果表明,提出的多目标跟踪算法具有较高的精确度和鲁棒性,对比目前身份交换和跳变最少的算法,跳变的次数少了65%,准确度提高了0.25%.     

审计信息系统全覆盖联网数据精准定位方法

针对传统数据定位方法中存在的定位精度较低、时间较长等问题,提出审计信息系统全覆盖联网数据精 准定位方法。采用近邻方法对审计信息系统全覆盖联网数据关联进行分析,引入相关品质函数理论,将传感器 获取的多特征数据转入到关联判决过程,计算关联测度。在此基础上,根据关联测度的计算结果,通过改进的 KCF 算法组建目标跟踪器,利用跟踪器获取目标具体的运行状态,采用数据关联算法得到目标相对应的跟踪集 以及检测集,根据加权融合三特征的跟踪结果,准确获取审计信息系统中各个目标数据的具体位置,实现数据 精准定位。仿真实验结果表明,所提方法能快速准确获取审计信息系统全覆盖联网数据的具体位置。     

面向目标跟踪的WSN协同调度策略及拓扑控制

基于扩展卡尔曼滤波估计理论提出了分布式无线传感器网络的目标跟踪算法,给出了基于邻节点集的协同调度策略和采用退避机制的按需距离矢量路由(AODV)拓扑控制策略,实现了分布式环境下任务节点和拓扑结构的动态自适应切换.通过研制融合了MicaZ硬件节点和超声波传感器的原型系统,实现了对移动目标的跟踪和定位,验证了所提出算法的正确性.     

面向目标跟踪的传感器网络协同调度策略及拓扑控制

设计开发了基于扩展卡尔曼滤波估计理论的分布式传感器网络目标跟踪算法,给出了基于邻居节点集的协同调度策略和采用退避机制的AODV拓扑控制策略,实现了分布式环境下任务节点的和拓扑结构的动态自适应切换。通过研制融合了MicaZ原型节点和超声波传感器的自制硬件节点,实现了对移动目标的跟踪和定位,验证了所提出算法的正确性。