基于Fisher信息矩阵的目标跟踪方法研究
发布时间：2021-05-16 02:10
本研究以无迹卡滤波（UKF）为理论基础,针对现有基于距离的WSN分簇方法的节点选择不精确,将随机矢量估计满足的Cramer-Rao下界理论与UKF算法相结合,提出一种UKF与Fisher信息矩阵（FIM）节点选择相结合的动态分簇算法（UKF-F）。该算法根据滤波的误差协方差矩阵计算,得出当前目标的信息判据。为了增强网络抗毁性,算法将节点剩余能量作为竞选标准,用于激活最契合的预选簇成员,并组建跟踪簇。通过仿真实验并与最近邻算法进行比较,证明了基于Fisher信息矩阵动态分簇方法能够更精确的选择跟踪节点,同时也证明该算法能够降低跟踪误差。为了解决集中式滤波算法中存在着簇头的总通信量与计算负担过高问题,提出了一种与UKF-F节点选择动态分簇算法相适应的贯序UKF算法,并使用模糊C-均值聚类算法进行数据分类,实现非线性高斯环境下的多目标跟踪。该方法把簇头的工作分配到各个成员节点,极大地减少了节点之间的数据传递,避免了数据碰撞与干扰,与集中式滤波算法进行仿真对比,最大程度上减少了网络能耗,提高了估计精度。
【文章来源】：长春理工大学吉林省
【文章页数】：51 页
【学位级别】：硕士
【文章目录】：
摘要
ABSTRACT
第一章 绪论
1.1 无线传感器网络基础概述
1.1.1 研究的背景和意义
1.1.2 无线传感器网络特点
1.1.3 应用范围
1.1.4 目标跟踪国内外研究现状
1.2 目标跟踪算法研究现状
1.2.1 基于卡尔曼滤波跟踪算法
1.2.2 无迹卡尔曼研究现状
1.3 论文结构安排
第二章 相关定位与跟踪算法
2.1 引言
2.2 节点定位常用方法
2.2.1 基于测距的定位方法
2.2.2 基于非测距的定位方法
2.3 卡尔曼滤波基本原理
2.3.1 经典卡尔曼滤波基本原理
2.3.2 扩展卡尔曼滤波
2.3.3 无迹卡尔曼滤波
2.4 本章小结
第三章 基于Fisher信息矩阵节点选择动态分簇UKF目标跟踪算法
3.1 引言
3.2 基于信息度量的动态分簇方法
3.3 系统模型
3.3.1 目标运动模型
3.3.2 测量模型
3.4 基于Fisher信息矩阵的UKF目标跟踪分簇算法
3.4.1 基于UKF滤波的目标跟踪
3.4.2 基于Fisher信息矩阵节点选择分簇方法
3.5 仿真结果
3.6 本章小结
第四章 基于FCM与SUKF的动态分簇多目标跟踪算法
4.1 引言
4.2 数据关联方法
4.3 基于SUKF的目标跟踪动算法
4.4 基于FCM和SUKF的多目标跟踪方法实现
4.5 实验仿真
4.6 本章小结
第五章 总结与展望
5.1 全文总结
5.2 未来工作展望
参考文献
致谢
攻读硕士学位期间发表论文情况
【参考文献】：
期刊论文
[1]无线传感器网络研究现状与应用[J]. 程文. 电子测试. 2016(06)
[2]无线传感器网络的研究进展[J]. 张鑫. 信息系统工程. 2016(04)
[3]基于RSSI的测距优化和三边定位算法研究[J]. 陈磊,刘伟. 湖北工业大学学报. 2016(02)
[4]基于无线传感器网络的智能生态保障系统[J]. 许东,高杰. 自动化仪表. 2016(02)
[5]无线传感器网络技术综述[J]. 郑改成. 山西电子技术. 2015(06)
[6]机动目标跟踪的S修正无迹卡尔曼滤波算法[J]. 张园,郭晨,李树军,刘淑波,初俊博. 大连海事大学学报. 2015(02)
[7]Dynamic cluster member selection method for multi-target tracking in wireless sensor network[J]. 蔡自兴,文莎,刘丽珏. Journal of Central South University. 2014(02)
[8]基于霍夫-无迹卡尔曼滤波的目标检测与跟踪[J]. 刘松林,李家强,游小龙. 电子设计工程. 2013(15)
[9]无线传感器网络动态最近邻协作目标跟踪算法[J]. 龙慧,樊晓平,刘少强,唐文妍. 传感器与微系统. 2012(07)
[10]无迹卡尔曼滤波算法在目标跟踪中的研究[J]. 郝晓静,李国新,李明珠,张亚粉,常晓凤. 电子设计工程. 2012(13)
博士论文
[1]基于无线传感器网络的目标检测与跟踪研究[D]. 王志波.浙江大学 2014
[2]基于支持向量回归机的无迹卡尔曼滤波设计与应用[D]. 金瑶.中国地质大学 2013
[3]基于Kalman滤波的无线传感器网络目标跟踪算法的研究[D]. 王邢波.山东大学 2011
硕士论文
[1]无线传感器网络覆盖优化方法研究[D]. 朱寅寅.南京理工大学 2009
本文编号：3188762
【文章来源】：长春理工大学吉林省
【文章页数】：51 页
【学位级别】：硕士
【文章目录】：
摘要
ABSTRACT
第一章 绪论
1.1 无线传感器网络基础概述
1.1.1 研究的背景和意义
1.1.2 无线传感器网络特点
1.1.3 应用范围
1.1.4 目标跟踪国内外研究现状
1.2 目标跟踪算法研究现状
1.2.1 基于卡尔曼滤波跟踪算法
1.2.2 无迹卡尔曼研究现状
1.3 论文结构安排
第二章 相关定位与跟踪算法
2.1 引言
2.2 节点定位常用方法
2.2.1 基于测距的定位方法
2.2.2 基于非测距的定位方法
2.3 卡尔曼滤波基本原理
2.3.1 经典卡尔曼滤波基本原理
2.3.2 扩展卡尔曼滤波
2.3.3 无迹卡尔曼滤波
2.4 本章小结
第三章 基于Fisher信息矩阵节点选择动态分簇UKF目标跟踪算法
3.1 引言
3.2 基于信息度量的动态分簇方法
3.3 系统模型
3.3.1 目标运动模型
3.3.2 测量模型
3.4 基于Fisher信息矩阵的UKF目标跟踪分簇算法
3.4.1 基于UKF滤波的目标跟踪
3.4.2 基于Fisher信息矩阵节点选择分簇方法
3.5 仿真结果
3.6 本章小结
第四章 基于FCM与SUKF的动态分簇多目标跟踪算法
4.1 引言
4.2 数据关联方法
4.3 基于SUKF的目标跟踪动算法
4.4 基于FCM和SUKF的多目标跟踪方法实现
4.5 实验仿真
4.6 本章小结
第五章 总结与展望
5.1 全文总结
5.2 未来工作展望
参考文献
致谢
攻读硕士学位期间发表论文情况
【参考文献】：
期刊论文
[1]无线传感器网络研究现状与应用[J]. 程文. 电子测试. 2016(06)
[2]无线传感器网络的研究进展[J]. 张鑫. 信息系统工程. 2016(04)
[3]基于RSSI的测距优化和三边定位算法研究[J]. 陈磊,刘伟. 湖北工业大学学报. 2016(02)
[4]基于无线传感器网络的智能生态保障系统[J]. 许东,高杰. 自动化仪表. 2016(02)
[5]无线传感器网络技术综述[J]. 郑改成. 山西电子技术. 2015(06)
[6]机动目标跟踪的S修正无迹卡尔曼滤波算法[J]. 张园,郭晨,李树军,刘淑波,初俊博. 大连海事大学学报. 2015(02)
[7]Dynamic cluster member selection method for multi-target tracking in wireless sensor network[J]. 蔡自兴,文莎,刘丽珏. Journal of Central South University. 2014(02)
[8]基于霍夫-无迹卡尔曼滤波的目标检测与跟踪[J]. 刘松林,李家强,游小龙. 电子设计工程. 2013(15)
[9]无线传感器网络动态最近邻协作目标跟踪算法[J]. 龙慧,樊晓平,刘少强,唐文妍. 传感器与微系统. 2012(07)
[10]无迹卡尔曼滤波算法在目标跟踪中的研究[J]. 郝晓静,李国新,李明珠,张亚粉,常晓凤. 电子设计工程. 2012(13)
博士论文
[1]基于无线传感器网络的目标检测与跟踪研究[D]. 王志波.浙江大学 2014
[2]基于支持向量回归机的无迹卡尔曼滤波设计与应用[D]. 金瑶.中国地质大学 2013
[3]基于Kalman滤波的无线传感器网络目标跟踪算法的研究[D]. 王邢波.山东大学 2011
硕士论文
[1]无线传感器网络覆盖优化方法研究[D]. 朱寅寅.南京理工大学 2009
本文编号：3188762
本文链接：https://www.wllwen.com/kejilunwen/zidonghuakongzhilunwen/3188762.html
