基于一致性的分布式粒子滤波算法研究

发布时间：2017-09-14 23:21

  本文关键词：基于一致性的分布式粒子滤波算法研究

  更多相关文章： 无线传感器网络 分布式粒子滤波 一致性算法 权值优化

【摘要】：在无线传感器网络中,分布式粒子滤波是一种强大且灵活的分散式状态估计方法,它特别适用于大规模、非线性和非高斯的分布式估计系统。然而,它在通信带宽、节点资源、网络拓扑动态变化以及通信能力等方面有一定的局限性,为了减小网络中存在的链接失败或间歇性链接对目标估计的影响,深入研究分布式粒子滤波算法具有重要意义。针对传感器网络中的非线性、非高斯跟踪应用,本文提出基于一致性/融合的粒子滤波的分布式实现算法。它在每个节点上运行两种粒子滤波器,分别是用于粒子滤波分布式实现的局部滤波器和计算全局滤波分布的融合滤波器。文中将局部概率密度函数的乘积近似为高斯分布,并用平均一致性算法计算高斯分布的参数,进而实现目标状态的估计。最后用蒙特卡罗仿真将此算法与集中式粒子滤波的跟踪性能进行了比较,表明此算法具有较优的滤波性能。由于一致性算法的收敛速度在上述算法中至关重要,于是本文重点研究了基于概率的一致性权值优化方法。这种方法介绍了空间相关随机拓扑下一致性算法的权重优化问题,它选择一致性均方误差收敛速率作为优化准则,并用链接形成概率、链接形成空间相关性和一致性权重的函数表示这个速率。由于对称随机网络下的均方收敛速率是关于权重的凸的、非光滑函数,文中给出封闭形式和次梯度算法两种解决方案。还将此优化方法和其他权重选择方法进行了对比仿真,结果表明此权重设计获得了显著的性能增益。最后针对网络中存在的间歇性网络链接问题,将基于概率的一致性权值优化方法与基于一致性的分布式粒子滤波算法相结合,通过克服链接失败导致的一致性算法收敛延迟问题,进而改善基于一致性的分布式粒子滤波算法的跟踪效果。并通过仿真与集中式和基于一致性的分布式粒子滤波算法进行比较分析,验证了此算法具有接近最优的跟踪性能。
【关键词】：无线传感器网络 分布式粒子滤波 一致性算法 权值优化
【学位授予单位】：长安大学
【学位级别】：硕士
【学位授予年份】：2015
【分类号】：TP212.9;TN929.5
【目录】：

• 摘要4-5
• Abstract5-9
• 第一章 绪论9-18
• 1.1 研究背景、目的及意义9-10
• 1.2 无线传感器网络的目标跟踪方式10-11
• 1.2.1 集中式目标跟踪10-11
• 1.2.2 分布式目标跟踪11
• 1.3 基于一致性的分布式粒子滤波综述11-16
• 1.3.1 一致性概述11-12
• 1.3.2 分布式粒子滤波综述12-13
• 1.3.3 基于一致性的分布式粒子滤波介绍13-16
• 1.4 论文主要研究工作16-17
• 1.5 论文组织结构17-18
• 第二章 基于一致性/融合的粒子滤波的分布式实现18-32
• 2.1 系统问题描述18-21
• 2.1.1 动态空间模型18-19
• 2.1.2 粒子滤波19-21
• 2.2 一致性算法21-23
• 2.2.1 一致性算法的网络模型21-22
• 2.2.2 一致性算法的理论分析22-23
• 2.3 分布式粒子滤波23-24
• 2.4 基于一致性的分布式粒子滤波实现24-28
• 2.4.1 权重更新方程24-25
• 2.4.2 乘积密度的计算25-27
• 2.4.3 建议分布的选取27-28
• 2.5 融合滤波的具体实现过程28-29
• 2.6 仿真结果与分析29-31
• 2.7 本章小结31-32
• 第三章 一致性算法的权值优化32-46
• 3.1 系统描述33-36
• 3.1.1 随机网络模型33
• 3.1.2 一致性算法描述33-35
• 3.1.3 随机链接w(k)的统计量35-36
• 3.2 一致性算法权重优化36-41
• 3.2.1 优化准则36-37
• 3.2.2 权重优化问题构想37-38
• 3.2.3 权重优化问题的凸性38
• 3.2.4 封闭形式的解决方案38-39
• 3.2.5 数值优化方案39-41
• 3.3 仿真结果与分析41-45
• 3.4 本章小结45-46
• 第四章 基于一致性权值优化的分布式粒子滤波研究46-56
• 4.1 空间动态模型46-48
• 4.1.1 目标状态模型46-47
• 4.1.2 传感器观测模型47-48
• 4.2 优化的平均一致性算法48-50
• 4.3 算法实现过程50-51
• 4.4 仿真结果与分析51-55
• 4.5 本章小结55-56
• 总结与展望56-58
• 参考文献58-63
• 攻读学位期间取得的研究成果63-64
• 致谢64

【相似文献】

中国期刊全文数据库 前10条

1 胡振涛,刘先省;基于测量方差时变的改进强跟踪滤波算法[J];传感器技术;2005年06期

2 莫以为,萧德云;进化粒子滤波算法及其应用[J];控制理论与应用;2005年02期

3 赵梅;张三同;朱刚;;辅助粒子滤波算法及仿真举例[J];北京交通大学学报;2006年02期

4 张琪;胡昌华;乔玉坤;;基于权值选择的粒子滤波算法研究[J];控制与决策;2008年01期

5 汪溢;张毅;赵继承;;工程中常用的4种无序滤波算法[J];现代雷达;2008年12期

6 樊玲;;粒子滤波算法及其仿真[J];科技创新导报;2009年15期

7 邹卫军;薄煜明;陈益;;一种适用于低测量噪声系统的粒子滤波算法[J];信息与控制;2010年01期

8 何佳;;改进的粒子滤波算法在目标跟踪中的应用[J];科技情报开发与经济;2010年13期

9 高林;刘喜梅;顾幸生;;一种新的数据滤波算法[J];青岛理工大学学报;2010年03期

10 崔祥祥;王宏力;宋涛;张忠泉;;一种改进的裂变自举粒子滤波算法[J];桂林电子科技大学学报;2010年04期

中国重要会议论文全文数据库 前10条

1 李龙云;彭玉华;;小波变换模极大值域的一种自动滤波算法的实现[A];第十一届全国信号处理学术年会（CCSP-2003）论文集[C];2003年

2 李庆奎;吴星;崔健勇;陈勤勤;;模糊渐消滤波算法[A];中国测绘学会九届四次理事会暨2008年学术年会论文集[C];2008年

3 黄河;;插值粒子滤波算法的研究[A];2006通信理论与技术新进展——第十一届全国青年通信学术会议论文集[C];2006年

4 胡绍林;黄刘生;;非平稳信号的2(?)2型双重中值容错滤波算法[A];2003年中国智能自动化会议论文集（下册）[C];2003年

5 尹建君;张建秋;;混合线性/非线性联邦滤波算法及其在组合导航中的应用[A];2007系统仿真技术及其应用学术会议论文集[C];2007年

6 张赛;刘新学;刘扬;;一种改进的红外图像滤波算法[A];2007年光电探测与制导技术的发展与应用研讨会论文集[C];2007年

7 杨秀华;陈涛;王延风;吉桐伯;;光电跟踪目标的非线性滤波算法研究[A];第二届全国信息获取与处理学术会议论文集[C];2004年

8 秦臻;何顺华;朱号东;;非线性滤波算法在动态导航中的应用[A];江苏省测绘学会2011年学术年会论文集[C];2011年

9 李勇;陈书明;陈胜刚;;一种基于YHFT-Matrix DSP的去块效应滤波算法的向量化实现[A];第十五届计算机工程与工艺年会暨第一届微处理器技术论坛论文集（B辑）[C];2011年

10 陈大力;薛定宇;潘峰;;一种新型的双十字模糊滤波算法[A];2006中国控制与决策学术年会论文集[C];2006年

中国博士学位论文全文数据库 前10条

1 梁军;粒子滤波算法及其应用研究[D];哈尔滨工业大学;2009年

2 李甫;粒子滤波算法研究及其电路设计[D];西安电子科技大学;2010年

3 朱娟;蒙特卡洛滤波算法在目标跟踪中的应用[D];中国科学院研究生院（长春光学精密机械与物理研究所）;2010年

4 高怡;运载器组合导航高性能滤波算法研究[D];西北工业大学;2014年

5 孟晋丽;基于邻域相关性的小波域滤波算法研究[D];西北工业大学;2006年

6 丁家琳;容积卡尔曼滤波算法研究及其在电机状态估计中的应用[D];西南交通大学;2015年

7 黄瀛;电力系统继电保护快速滤波算法研究[D];浙江大学;2005年

8 洪少华;基于粒子滤波的目标跟踪算法与硬件实现研究[D];浙江大学;2010年

9 姜竹青;自主导航中滤波算法的研究及应用[D];北京邮电大学;2014年

10 徐佳鹤;基于UKF的滤波算法设计分析与应用[D];东北大学;2008年

中国硕士学位论文全文数据库 前10条

1 油锡存;步枪射击瞄准位置校正研究[D];昆明理工大学;2015年

2 吕娜娜;基于一致性的分布式粒子滤波算法研究[D];长安大学;2015年

3 高静;一种改进的粒子滤波算法研究及应用[D];延边大学;2010年

4 赵娜;粒子滤波算法的研究及改进[D];哈尔滨工程大学;2009年

5 庄泽森;点目标跟踪的非线性滤波算法研究[D];复旦大学;2009年

6 徐涛;免疫粒子群粒子滤波算法及硬件实现研究[D];浙江大学;2010年

7 王晓卿;改进的粒子滤波算法在交互式多模型算法中的应用[D];太原理工大学;2011年

8 陈莉;粒子滤波算法的研究[D];西安电子科技大学;2012年

9 戴丁樟;粒子滤波算法研究及其在目标跟踪中的应用[D];哈尔滨工业大学;2006年

10 贺黎明;粒子滤波算法在目标跟踪中的应用[D];浙江理工大学;2013年

，

本文编号：852942