复杂环境下无线传感器网络目标跟踪研究
发布时间：2021-03-28 07:42
随着无线通信技术、微电子机械系统、低功耗嵌入设备以及片上系统的高速发展,集成有传感器的无线处理器节点可以以更低的成本生产并且可以广泛地部署在检测场景,从而形成大规模网络,因此无线传感器网络在军事、民事等领域得到越来越广泛的应用。考虑到无线传感器节点具有低成本、低功耗、小体积的特点,以及无线传感器网络高冗余和多功能的特性,因此由无线传感器节点构成的网络可以广泛部署在人类不适宜到达的环境中,从而可以对被感知对象进行大范围的观测。无线传感器网络上具有广阔的空间覆盖性和检测行为多样性,因此非常适合于目标跟踪应用。本文针对采用360°纯距离超声波阵列传感器的无线网络,将多目标SMC-PHD滤波算法应用到无线传感器网络中。对复杂无序的量测数据,提出一种剔除冗余新生粒子的方法,解决了新生粒子对已存在目标估计的影响。改进了该算法的重采样步骤,在保证粒子数量的前提下,增加了粒子的多样性,避免出现粒子退化问题。在状态估计过程中,采用标签法,根据目标数将不同的粒子划分到不同的标签下,解决多目标在轨迹交汇时出现粒子堆积的问题。仿真实验表明基于SMC-PHD可以有效的估计出目标状态和目标数量,并且在杂波密集的环...
【文章来源】：华北电力大学(北京)北京市 211工程院校 教育部直属院校
【文章页数】：64 页
【学位级别】：硕士
【文章目录】：
摘要
Abstract
第1章 绪论
1.1 无线传感器网络概述
1.1.1 无线传感器框架
1.1.2 无线传感器节点构成
1.1.3 传感器网络的特点
1.2 无线传感器网络目标跟踪概述
1.3 国内外研究现状及发展动态分析
1.3.1 无线传感器网络目标跟踪的研究现状
1.3.2 跟踪算法的研究现状
1.4 论文的主要研究工作
1.4.1 章节安排
1.4.2 论文创新点
第2章 无线传感器网络目标跟踪算法研究
2.1 无线传感器网络目标跟踪关键技术
2.1.1 传感器节点的组织与路由
2.1.2 目标出现的检测
2.1.3 节点信息协同处理
2.1.4 定位关键技术
2.2 传统跟踪算法研究
2.2.1 标准卡尔曼滤波
2.2.2 扩展卡尔曼滤波
2.2.3 粒子滤波
2.3 本章小节
第3章 基于WSNs的多目标跟踪算法研究
3.1 随机集的滤波模型
3.2 PHD滤波
3.2.1 GM-PHD滤波
3.2.2 SMC-PHD滤波
3.3 基于PHD的多传感器多目标跟踪
3.4 基于WSNs的多目标PHD滤波算法
3.4.1 算法优化及改进
3.4.2 杂波环境下的PHD滤波器
3.5 实验仿真
3.5.1 实验 1：基于WSNs的多目标无新生目标PHD滤波实验
3.5.2 实验 2：基于WSNs的多目标有新生目标PHD滤波实验
3.5.3 实验 3：不同杂波环境下WSNs多目标PHD滤波实验
3.6 本章小节
第4章 基于WSNs的箱粒子跟踪算法研究
4.1 箱粒子滤波概述
4.2 单目标箱粒子滤波
4.2.1 区间分析
4.2.2 箱粒子滤波算法
4.3 多目标箱粒子PHD滤波
4.4 实验仿真
4.4.1 实验 1：单目标箱粒子滤波
4.4.2 实验 2：多目标目标箱粒子滤波
4.5 本章小节
第5章 总结与展望
5.1 总结
5.2 展望
参考文献
致谢
【参考文献】：
期刊论文
[1]无线传感器网络中基于粒子滤波的目标跟踪算法研究[J]. 郑爱媛. 四川理工学院学报(自然科学版). 2015(05)
[2]箱粒子滤波理论综述[J]. 于洁,刘昌云,李志汇. 电光与控制. 2015(11)
[3]基于箱粒子的多扩展目标PHD滤波[J]. 宋骊平,严超,姬红兵,梁萌. 控制与决策. 2015(10)
[4]无线传感器网络自适应目标跟踪节点调度算法[J]. 卢旭,程良伦,罗世亮. 通信学报. 2015(04)
[5]基于观测数据删减及量化新息的无线传感器网络目标跟踪[J]. 杨小军,张亚粉. 控制与决策. 2015(05)
[6]基于概率假设密度的无线传感器网络多目标跟踪算法[J]. 岳亚南,张国良,汤文俊,姚二亮. 计算机测量与控制. 2014(10)
[7]一种新的未知杂波环境下的PHD滤波器[J]. 李翠芸,江舟,姬红兵. 西安电子科技大学学报. 2014(05)
[8]粒子滤波综述[J]. 吕德潮,范江涛,韩刚瓮,马冠一. 天文研究与技术. 2013(04)
[9]拓展卡尔曼滤波算法在目标跟踪中的改进及应用[J]. 张建帆,丁胜,陈军,魏杰. 现代计算机(专业版). 2012(32)
[10]一种改进的多传感器粒子PHD滤波近似算法[J]. 欧阳成,姬红兵,杨金龙. 系统工程与电子技术. 2012(01)
博士论文
[1]无线传感器网络覆盖与优化技术研究[D]. 刘晓爽.北京邮电大学 2015
[2]基于随机集理论的被动多传感器多目标跟踪[D]. 欧阳成.西安电子科技大学 2012
[3]被动多传感器目标跟踪方法研究[D]. 宋骊平.西安电子科技大学 2008
[4]面向目标跟踪的无线传感器网络研究[D]. 林瑞仲.浙江大学 2005
硕士论文
[1]基于无线传感器网络的目标跟踪技术研究[D]. 秦凯.长安大学 2015
[2]无线传感器网络目标跟踪算法的研究[D]. 崔亚峰.太原理工大学 2015
[3]基于粒子滤波的检测前跟踪算法研究[D]. 贾佳蔚.电子科技大学 2015
[4]箱粒子滤波及其在目标跟踪中的应用研究[D]. 赵雪刚.西安电子科技大学 2014
[5]未知杂波环境下的概率假设密度滤波器研究[D]. 江舟.西安电子科技大学 2014
[6]复杂环境下基于随机集的多目标跟踪算法研究[D]. 郑学弢.西安电子科技大学 2013
[7]基于概率假设密度函数（PHD）的多目标跟踪方法研究[D]. 王芝.杭州电子科技大学 2009
本文编号：3105153
【文章来源】：华北电力大学(北京)北京市 211工程院校 教育部直属院校
【文章页数】：64 页
【学位级别】：硕士
【文章目录】：
摘要
Abstract
第1章 绪论
1.1 无线传感器网络概述
1.1.1 无线传感器框架
1.1.2 无线传感器节点构成
1.1.3 传感器网络的特点
1.2 无线传感器网络目标跟踪概述
1.3 国内外研究现状及发展动态分析
1.3.1 无线传感器网络目标跟踪的研究现状
1.3.2 跟踪算法的研究现状
1.4 论文的主要研究工作
1.4.1 章节安排
1.4.2 论文创新点
第2章 无线传感器网络目标跟踪算法研究
2.1 无线传感器网络目标跟踪关键技术
2.1.1 传感器节点的组织与路由
2.1.2 目标出现的检测
2.1.3 节点信息协同处理
2.1.4 定位关键技术
2.2 传统跟踪算法研究
2.2.1 标准卡尔曼滤波
2.2.2 扩展卡尔曼滤波
2.2.3 粒子滤波
2.3 本章小节
第3章 基于WSNs的多目标跟踪算法研究
3.1 随机集的滤波模型
3.2 PHD滤波
3.2.1 GM-PHD滤波
3.2.2 SMC-PHD滤波
3.3 基于PHD的多传感器多目标跟踪
3.4 基于WSNs的多目标PHD滤波算法
3.4.1 算法优化及改进
3.4.2 杂波环境下的PHD滤波器
3.5 实验仿真
3.5.1 实验 1：基于WSNs的多目标无新生目标PHD滤波实验
3.5.2 实验 2：基于WSNs的多目标有新生目标PHD滤波实验
3.5.3 实验 3：不同杂波环境下WSNs多目标PHD滤波实验
3.6 本章小节
第4章 基于WSNs的箱粒子跟踪算法研究
4.1 箱粒子滤波概述
4.2 单目标箱粒子滤波
4.2.1 区间分析
4.2.2 箱粒子滤波算法
4.3 多目标箱粒子PHD滤波
4.4 实验仿真
4.4.1 实验 1：单目标箱粒子滤波
4.4.2 实验 2：多目标目标箱粒子滤波
4.5 本章小节
第5章 总结与展望
5.1 总结
5.2 展望
参考文献
致谢
【参考文献】：
期刊论文
[1]无线传感器网络中基于粒子滤波的目标跟踪算法研究[J]. 郑爱媛. 四川理工学院学报(自然科学版). 2015(05)
[2]箱粒子滤波理论综述[J]. 于洁,刘昌云,李志汇. 电光与控制. 2015(11)
[3]基于箱粒子的多扩展目标PHD滤波[J]. 宋骊平,严超,姬红兵,梁萌. 控制与决策. 2015(10)
[4]无线传感器网络自适应目标跟踪节点调度算法[J]. 卢旭,程良伦,罗世亮. 通信学报. 2015(04)
[5]基于观测数据删减及量化新息的无线传感器网络目标跟踪[J]. 杨小军,张亚粉. 控制与决策. 2015(05)
[6]基于概率假设密度的无线传感器网络多目标跟踪算法[J]. 岳亚南,张国良,汤文俊,姚二亮. 计算机测量与控制. 2014(10)
[7]一种新的未知杂波环境下的PHD滤波器[J]. 李翠芸,江舟,姬红兵. 西安电子科技大学学报. 2014(05)
[8]粒子滤波综述[J]. 吕德潮,范江涛,韩刚瓮,马冠一. 天文研究与技术. 2013(04)
[9]拓展卡尔曼滤波算法在目标跟踪中的改进及应用[J]. 张建帆,丁胜,陈军,魏杰. 现代计算机(专业版). 2012(32)
[10]一种改进的多传感器粒子PHD滤波近似算法[J]. 欧阳成,姬红兵,杨金龙. 系统工程与电子技术. 2012(01)
博士论文
[1]无线传感器网络覆盖与优化技术研究[D]. 刘晓爽.北京邮电大学 2015
[2]基于随机集理论的被动多传感器多目标跟踪[D]. 欧阳成.西安电子科技大学 2012
[3]被动多传感器目标跟踪方法研究[D]. 宋骊平.西安电子科技大学 2008
[4]面向目标跟踪的无线传感器网络研究[D]. 林瑞仲.浙江大学 2005
硕士论文
[1]基于无线传感器网络的目标跟踪技术研究[D]. 秦凯.长安大学 2015
[2]无线传感器网络目标跟踪算法的研究[D]. 崔亚峰.太原理工大学 2015
[3]基于粒子滤波的检测前跟踪算法研究[D]. 贾佳蔚.电子科技大学 2015
[4]箱粒子滤波及其在目标跟踪中的应用研究[D]. 赵雪刚.西安电子科技大学 2014
[5]未知杂波环境下的概率假设密度滤波器研究[D]. 江舟.西安电子科技大学 2014
[6]复杂环境下基于随机集的多目标跟踪算法研究[D]. 郑学弢.西安电子科技大学 2013
[7]基于概率假设密度函数（PHD）的多目标跟踪方法研究[D]. 王芝.杭州电子科技大学 2009
本文编号：3105153
本文链接：https://www.wllwen.com/kejilunwen/xinxigongchenglunwen/3105153.html
