本文關(guān)鍵詞：基于WSN的目標(biāo)跟蹤方法研究

  更多相關(guān)文章： 無線傳感器網(wǎng)絡(luò) 協(xié)同跟蹤 強(qiáng)化學(xué)習(xí) 目標(biāo)跟蹤 概率假設(shè)密度 量化新息

【摘要】：無線傳感器網(wǎng)絡(luò)(WSN)具有跟蹤精細(xì)、可靠、及時(shí)、隱蔽等特點(diǎn),非常適用于復(fù)雜環(huán)境下的目標(biāo)跟蹤。由于WSN節(jié)點(diǎn)資源有限,本文針對(duì)WSN的目標(biāo)跟蹤熱點(diǎn)問題進(jìn)行了研究,主要研究內(nèi)容如下:針對(duì)WSN協(xié)同跟蹤過程中跟蹤精度與能量消耗矛盾的問題,提出基于強(qiáng)化學(xué)習(xí)的協(xié)同跟蹤算法。該算法通過Q學(xué)習(xí)方法獲得簇首最優(yōu)動(dòng)作策略,進(jìn)行最優(yōu)簇首切換及簇成員的最優(yōu)選擇;在滿足跟蹤精度的前提下,通過減少簇成員個(gè)數(shù)和動(dòng)態(tài)選擇采樣時(shí)間間隔降低網(wǎng)絡(luò)能耗。仿真結(jié)果表明該算法不僅保證了跟蹤精度,且有效降低了網(wǎng)絡(luò)的能量消耗。針對(duì)多目標(biāo)跟蹤中新生目標(biāo)強(qiáng)度未知的問題,提出基于量測(cè)驅(qū)動(dòng)的概率假設(shè)密度濾波算法。該算法以量測(cè)驅(qū)動(dòng)方式避免了對(duì)新生目標(biāo)強(qiáng)度先驗(yàn)知識(shí)的依賴;采用增廣狀態(tài)空間方法,避免了雜波對(duì)真實(shí)目標(biāo)強(qiáng)度估計(jì)的干擾。仿真結(jié)果表明,該算法具有對(duì)目標(biāo)數(shù)目變化敏感的優(yōu)勢(shì),同時(shí)可降低計(jì)算復(fù)雜度,明顯提高了跟蹤精度。針對(duì)WSN中能量有限的問題,提出基于量化新息的目標(biāo)跟蹤算法。該算法使用量測(cè)新息量化方法,降低了量化誤差;同時(shí)設(shè)置數(shù)據(jù)刪減門限,降低了能量消耗。仿真結(jié)果表明該算法在可降低網(wǎng)絡(luò)能耗的情況下對(duì)跟蹤精度改變較小。搭建了基于WSN的目標(biāo)跟蹤仿真平臺(tái),包括超聲波六元陣列傳感器網(wǎng)絡(luò)與監(jiān)控中心軟件平臺(tái)兩部分。前者實(shí)現(xiàn)了傳感器異步數(shù)據(jù)采集以及無線組網(wǎng)數(shù)據(jù)傳輸功能;后者既能根據(jù)采集數(shù)據(jù)計(jì)算目標(biāo)運(yùn)動(dòng)軌跡,又能夠進(jìn)行不同參數(shù)下目標(biāo)跟蹤算法的性能研究。系統(tǒng)平臺(tái)測(cè)試表明,該平臺(tái)可初步實(shí)現(xiàn)對(duì)運(yùn)動(dòng)目標(biāo)的跟蹤。
【關(guān)鍵詞】：無線傳感器網(wǎng)絡(luò) 協(xié)同跟蹤 強(qiáng)化學(xué)習(xí) 目標(biāo)跟蹤 概率假設(shè)密度 量化新息
【學(xué)位授予單位】：南京航空航天大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2016
【分類號(hào)】：TP212.9;TN929.5
【目錄】：

• 摘要4-5
• ABSTRACT5-10
• 縮略詞10-11
• 注釋表11-12
• 第一章 緒論12-18
• 1.1 研究背景與意義12-13
• 1.2 國內(nèi)外相關(guān)研究現(xiàn)狀13-16
• 1.2.1 WSN跟蹤算法研究現(xiàn)狀13-15
• 1.2.2 多目標(biāo)跟蹤算法研究現(xiàn)狀15-16
• 1.2.3 WSN目標(biāo)跟蹤仿真平臺(tái)研究現(xiàn)狀16
• 1.3 WSN目標(biāo)跟蹤面臨的挑戰(zhàn)16-17
• 1.4 論文的主要研究工作和組織結(jié)構(gòu)17-18
• 第二章 基于強(qiáng)化學(xué)習(xí)的無線傳感器網(wǎng)絡(luò)協(xié)同跟蹤算法18-30
• 2.1 引言18
• 2.2 強(qiáng)化學(xué)習(xí)理論概述18-19
• 2.3 基于強(qiáng)化學(xué)習(xí)的WSN協(xié)同跟蹤算法19-27
• 2.3.1 模型建立20-21
• 2.3.2 基于強(qiáng)化學(xué)習(xí)的節(jié)點(diǎn)參數(shù)選擇及協(xié)同自組織方法21-24
• 2.3.3 基于強(qiáng)化學(xué)習(xí)的WSN目標(biāo)跟蹤24-25
• 2.3.4 RLCTA算法流程25-27
• 2.4 算法仿真及結(jié)果分析27-29
• 2.5 本章小結(jié)29-30
• 第三章 基于量測(cè)驅(qū)動(dòng)的PHD濾波多目標(biāo)跟蹤30-43
• 3.1 引言30
• 3.2 PHD濾波理論基礎(chǔ)30-33
• 3.2.1 PHD濾波算法31-32
• 3.2.2 傳統(tǒng)PHD濾波算法存在問題32-33
• 3.3 MDTBI-PHD濾波算法33-39
• 3.3.1 基于增廣空間的PHD濾波器33-34
• 3.3.2 基于量測(cè)驅(qū)動(dòng)的新生目標(biāo)強(qiáng)度估計(jì)方法34-35
• 3.3.3 MDTBI-PHD多目標(biāo)跟蹤35-36
• 3.3.4 MDTBI-PHD濾波器的實(shí)現(xiàn)36-39
• 3.4 算法仿真及結(jié)果分析39-41
• 3.5 本章小結(jié)41-43
• 第四章 基于量化新息的無線傳感器網(wǎng)絡(luò)目標(biāo)跟蹤算法43-49
• 4.1 引言43
• 4.2 量化條件下的運(yùn)動(dòng)模型建立43
• 4.3 基于量化新息的目標(biāo)跟蹤算法43-47
• 4.3.1 量化策略選取43-45
• 4.3.2 量化對(duì)象選取45
• 4.3.3 數(shù)據(jù)刪減新息量化45
• 4.3.4 數(shù)據(jù)刪減量化新息目標(biāo)跟蹤算法45-47
• 4.4 仿真結(jié)果與分析47-48
• 4.5 本章小結(jié)48-49
• 第五章 基于WSN的目標(biāo)跟蹤仿真平臺(tái)設(shè)計(jì)與實(shí)現(xiàn)49-68
• 5.1 引言49
• 5.2 基于WSN的目標(biāo)跟蹤仿真平臺(tái)總體架構(gòu)49-50
• 5.3 超聲波六元陣列無線傳感器網(wǎng)絡(luò)設(shè)計(jì)50-60
• 5.3.1 節(jié)點(diǎn)硬件設(shè)計(jì)50-56
• 5.3.2 無線傳感器網(wǎng)絡(luò)節(jié)點(diǎn)程序設(shè)計(jì)56-60
• 5.3.3 跟蹤對(duì)象設(shè)計(jì)60
• 5.4 監(jiān)控中心軟件平臺(tái)設(shè)計(jì)60-64
• 5.4.1 監(jiān)控中心軟件平臺(tái)總體框架與功能60-61
• 5.4.2 監(jiān)控中心軟件平臺(tái)功能實(shí)現(xiàn)61-64
• 5.5 系統(tǒng)測(cè)試及結(jié)果分析64-67
• 5.5.1 測(cè)試環(huán)境及過程64-65
• 5.5.2 測(cè)試結(jié)果及分析65-67
• 5.6 本章小結(jié)67-68
• 第六章 總結(jié)與展望68-70
• 6.1 全文工作總結(jié)68-69
• 6.2 研究展望69-70
• 參考文獻(xiàn)70-74
• 致謝74-75
• 在學(xué)期間的研究成果及發(fā)表的學(xué)術(shù)論文75

【參考文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前10條

1 楊小軍;張亞粉;;基于觀測(cè)數(shù)據(jù)刪減及量化新息的無線傳感器網(wǎng)絡(luò)目標(biāo)跟蹤[J];控制與決策;2015年05期

2 趙晴晴;段渭軍;傅賢鋒;;基于超聲波六元陣列TDOA測(cè)距的WSN定位系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn)[J];傳感技術(shù)學(xué)報(bào);2014年09期

3 徐小良;湯顯峰;葛泉波;管冰蕾;;基于量化新息的容積粒子濾波融合目標(biāo)跟蹤算法[J];自動(dòng)化學(xué)報(bào);2014年09期

4 趙雪剛;宋驪平;姬紅兵;;量化量測(cè)條件下的交互多模型箱粒子濾波[J];西安電子科技大學(xué)學(xué)報(bào);2014年06期

5 李翠蕓;江舟;姬紅兵;;一種新的未知雜波環(huán)境下的PHD濾波器[J];西安電子科技大學(xué)學(xué)報(bào);2014年05期

6 楊峰;王永齊;梁彥;潘泉;;基于概率假設(shè)密度濾波方法的多目標(biāo)跟蹤技術(shù)綜述[J];自動(dòng)化學(xué)報(bào);2013年11期

7 閆小喜;韓崇昭;;基于目標(biāo)出生強(qiáng)度在線估計(jì)的多目標(biāo)跟蹤算法[J];自動(dòng)化學(xué)報(bào);2011年08期

8 陳延軍;潘泉;梁彥;魏雅川;;基于IDSQ的自適應(yīng)動(dòng)態(tài)協(xié)同自組織算法[J];控制與決策;2011年03期

9 危阜勝;胥布工;高煥麗;謝立華;;基于無線傳感器網(wǎng)絡(luò)的分布式處理目標(biāo)跟蹤系統(tǒng)[J];傳感技術(shù)學(xué)報(bào);2009年10期

10 關(guān)小杰;陳軍勇;;無線傳感器網(wǎng)絡(luò)中基于量化觀測(cè)的粒子濾波狀態(tài)估計(jì)[J];傳感技術(shù)學(xué)報(bào);2009年09期

中國博士學(xué)位論文全文數(shù)據(jù)庫 前5條

1 張鶴冰;概率假設(shè)密度濾波算法及其在多目標(biāo)跟蹤中的應(yīng)用[D];哈爾濱工程大學(xué);2012年

2 許建;基于量化信息的目標(biāo)狀態(tài)估計(jì)與融合[D];上海交通大學(xué);2012年

3 陳軍勇;無線傳感器網(wǎng)絡(luò)分布式量化估計(jì)[D];華南理工大學(xué);2011年

4 劉美;WSN多目標(biāo)跟蹤節(jié)點(diǎn)任務(wù)分配及跟蹤算法研究[D];華南理工大學(xué);2010年

5 周彥;無線傳感器網(wǎng)絡(luò)中基于量化信息的目標(biāo)狀態(tài)估計(jì)與融合[D];上海交通大學(xué);2010年

中國碩士學(xué)位論文全文數(shù)據(jù)庫 前3條

1 葉景志;基于混合估計(jì)算法的傳感器節(jié)點(diǎn)簇的切換與管理策略[D];華南理工大學(xué);2013年

2 王杰;超聲波傳感器網(wǎng)絡(luò)目標(biāo)跟蹤系統(tǒng)設(shè)計(jì)與算法[D];浙江大學(xué);2013年

3 于春娣;基于無線傳感器網(wǎng)絡(luò)的目標(biāo)跟蹤技術(shù)研究[D];南京航空航天大學(xué);2013年

，

本文編號(hào)：554704