本文關(guān)鍵詞：基于分布式共識(shí)的無(wú)線傳感器網(wǎng)絡(luò)目標(biāo)跟蹤技術(shù)研究

  更多相關(guān)文章： Gossip算法 共識(shí) 跟蹤 分布式卡爾曼濾波 無(wú)線傳感器網(wǎng)絡(luò)

【摘要】：近年來(lái),隨著對(duì)具有廣闊應(yīng)用前景的無(wú)線傳感器網(wǎng)絡(luò)研究的深入開(kāi)展,將分布式共識(shí)技術(shù)與卡爾曼濾波技術(shù)結(jié)合,提出各種性能優(yōu)良的分布式濾波估計(jì)算法,以完成無(wú)線傳感器網(wǎng)絡(luò)中對(duì)移動(dòng)目標(biāo)的分布式定位與跟蹤成為研究熱點(diǎn)。本文主要將共識(shí)技術(shù)中的gossip算法與最優(yōu)狀態(tài)估計(jì)中的卡爾曼濾波算法結(jié)合,進(jìn)行基于分布式共識(shí)的無(wú)線傳感器網(wǎng)絡(luò)目標(biāo)跟蹤技術(shù)研究。本文首先對(duì)國(guó)內(nèi)外在無(wú)線傳感器網(wǎng)絡(luò)背景下,分布式目標(biāo)跟蹤的現(xiàn)有技術(shù)和研究成果進(jìn)行歸類(lèi)、整理,尤其對(duì)最近提出的基于共識(shí)的卡爾曼濾波算法進(jìn)行了詳細(xì)的優(yōu)缺點(diǎn)比較分析,在此基礎(chǔ)上明確了本文的主要研究方向?yàn)閷?duì)具有重要影響的卡爾曼共識(shí)濾波(Kalman Consensus Filter,KCF)算法進(jìn)行改進(jìn),將gossip算法與卡爾曼濾波算法結(jié)合提出基于gossip的分布式卡爾曼濾波算法(Gossip based Distributed Kalman Filter,GDKF)。利用gossip算法僅通過(guò)鄰居節(jié)點(diǎn)之間交換信息就可完成全網(wǎng)數(shù)據(jù)融合的優(yōu)點(diǎn),打破卡爾曼共識(shí)濾波算法性能受節(jié)點(diǎn)通信范圍和感知范圍的約束。利用GDKF算法進(jìn)行無(wú)線傳感器網(wǎng)絡(luò)中的分布式目標(biāo)跟蹤,與利用KCF算法相比,可以實(shí)現(xiàn)更高的網(wǎng)絡(luò)跟蹤精度、更高的網(wǎng)絡(luò)共識(shí)精度和更快的網(wǎng)絡(luò)收斂速度。其次,詳細(xì)研究了卡爾曼共識(shí)濾波算法的內(nèi)容和機(jī)理,并給出了利用KCF算法進(jìn)行分布式網(wǎng)絡(luò)目標(biāo)跟蹤具體的實(shí)現(xiàn)步驟,重點(diǎn)分析了KCF算法的缺陷:由于算法中任意節(jié)點(diǎn)僅匯聚鄰居節(jié)點(diǎn)對(duì)移動(dòng)目標(biāo)的預(yù)測(cè)值,該算法只能在網(wǎng)絡(luò)中任意節(jié)點(diǎn)始終能夠觀測(cè)到目標(biāo)時(shí)才具有良好的跟蹤性能,而一旦某一節(jié)點(diǎn)及其鄰居節(jié)點(diǎn)不能獲得觀測(cè)值,會(huì)使全網(wǎng)對(duì)目標(biāo)的跟蹤性能快速惡化。針對(duì)此問(wèn)題,本文提出基于gossip的分布式卡爾曼濾波算法,給出了算法內(nèi)容,分析了算法機(jī)理,并分別結(jié)合成對(duì)gossip算法和廣播gossip算法設(shè)計(jì)了2種具體的GDKF實(shí)現(xiàn)算法,即基于成對(duì)gossip的分布式卡爾曼濾波算法(Pairwise Gossip based Distributed Kalman Filter,PG-DKF)以及基于廣播gossip的分布式卡爾曼濾波算法(Broadcast Gossip based Distributed Kalman Filter,BG-DKF),同時(shí)給出了利用2種分布式卡爾曼濾波算法進(jìn)行網(wǎng)絡(luò)目標(biāo)跟蹤的具體實(shí)現(xiàn)步驟。最后,對(duì)所提GDKF算法進(jìn)行了性能分析與仿真對(duì)比驗(yàn)證。一方面,根據(jù)李雅普諾夫第二定理,證明了所提GDKF算法具有李雅普諾夫意義下的全局漸近穩(wěn)定性,并分析出了GDKF算法收斂速度的上確界,與KCF相比,理論上證明了利用GDKF算法進(jìn)行分布式網(wǎng)絡(luò)目標(biāo)跟蹤,具有更快的跟蹤速度。另一方面,以有限感知和通信范圍傳感器節(jié)點(diǎn)組成的網(wǎng)絡(luò)對(duì)固定區(qū)域內(nèi)機(jī)動(dòng)目標(biāo)的跟蹤為應(yīng)用場(chǎng)景,進(jìn)行了利用GDKF算法與KCF算法進(jìn)行分布式目標(biāo)跟蹤的性能仿真與對(duì)比分析,仿真結(jié)果驗(yàn)證了理論分析的正確性,與KCF算法相比,利用GDKF算法完成無(wú)線傳感網(wǎng)絡(luò)中的分布式目標(biāo)跟蹤任務(wù),具有更高的跟蹤精度和更高的共識(shí)收斂精度。
【關(guān)鍵詞】：Gossip算法 共識(shí) 跟蹤 分布式卡爾曼濾波 無(wú)線傳感器網(wǎng)絡(luò)
【學(xué)位授予單位】：哈爾濱工業(yè)大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2016
【分類(lèi)號(hào)】：TN929.5;TP212.9
【目錄】：

• 摘要4-6
• Abstract6-10
• 第1章 緒論10-15
• 1.1 課題來(lái)源及研究的背景和意義10-11
• 1.2 國(guó)內(nèi)外研究現(xiàn)狀及分析11-13
• 1.3 本文研究?jī)?nèi)容及組織結(jié)構(gòu)13-15
• 第2章 Gossip算法與經(jīng)典卡爾曼濾波算法15-23
• 2.1 Gossip算法15-19
• 2.1.1 成對(duì)Gossip算法15-16
• 2.1.2 廣播Gossip算法16-19
• 2.2 經(jīng)典卡爾曼濾波算法19-22
• 2.3 本章小結(jié)22-23
• 第3章 分布式卡爾曼濾波算法23-38
• 3.1 卡爾曼共識(shí)濾波算法23-27
• 3.1.1 卡爾曼共識(shí)濾波算法描述23-25
• 3.1.2 卡爾曼共識(shí)濾波算法缺陷分析25-27
• 3.2 基于Gossip的分布式卡爾曼濾波算法27-33
• 3.2.1 基于Gossip的分布式卡爾曼濾波算法描述27
• 3.2.2 基于Gossip的分布式卡爾曼濾波算法實(shí)現(xiàn)27-32
• 3.2.3 分布式卡爾曼濾波算法特點(diǎn)對(duì)比分析32-33
• 3.3 基于Gossip的分布式卡爾曼濾波算法的理論分析33-37
• 3.4 本章小結(jié)37-38
• 第4章 分布式卡爾曼濾波算法性能分析與仿真驗(yàn)證38-52
• 4.1 基于Gossip的分布式卡爾曼濾波算法穩(wěn)定性分析38-41
• 4.2 基于Gossip的分布式卡爾曼濾波算法共識(shí)收斂速度分析41-43
• 4.3 基于Gossip的分布式卡爾曼濾波算法仿真對(duì)比分析43-51
• 4.3.1 仿真環(huán)境設(shè)置43-44
• 4.3.2 仿真結(jié)果對(duì)比分析44-51
• 4.4 本章小結(jié)51-52
• 結(jié)論52-54
• 參考文獻(xiàn)54-58
• 攻讀碩士學(xué)位期間發(fā)表的論文及其他成果58-60
• 致謝60-61

【相似文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫(kù) 前10條

1 蘭義華;任浩征;張勇;趙雪峰;;一種基于“當(dāng)前”模型的改進(jìn)卡爾曼濾波算法[J];山東大學(xué)學(xué)報(bào)(工學(xué)版);2012年05期

2 史百舟;鄔齊斌;;擬自適應(yīng)推廣卡爾曼濾波算法[J];青島化工學(xué)院學(xué)報(bào);1992年04期

3 萬(wàn)建偉,皇甫堪,梁甸農(nóng);基于推廣卡爾曼濾波算法的聲測(cè)定位技術(shù)[J];國(guó)防科技參考;1997年04期

4 程進(jìn)偉;李建勛;;卡爾曼濾波算法評(píng)估平臺(tái)的設(shè)計(jì)與實(shí)現(xiàn)[J];系統(tǒng)仿真學(xué)報(bào);2013年11期

5 夏建濤,任震,陳立,景占榮;極坐標(biāo)下卡爾曼濾波算法的研究[J];西北工業(yè)大學(xué)學(xué)報(bào);2000年03期

6 李振營(yíng),沈毅,胡恒章;帶未知時(shí)變?cè)肼曄到y(tǒng)的卡爾曼濾波算法研究[J];系統(tǒng)工程與電子技術(shù);2000年01期

7 楊春玲,余英林,劉國(guó)歲;轉(zhuǎn)換坐標(biāo)卡爾曼濾波算法分析[J];計(jì)算機(jī)工程與設(shè)計(jì);2001年05期

8 吳文華;丁子明;談?wù)怪?;卡爾曼濾波算法工程化設(shè)計(jì)[J];電子測(cè)量技術(shù);2003年04期

9 高磊,崔鑫水;一種自適應(yīng)協(xié)方差矩陣旋轉(zhuǎn)變換卡爾曼濾波算法及其應(yīng)用[J];航天控制;2004年03期

10 高磊;一種反饋修正推廣卡爾曼濾波算法及其應(yīng)用[J];航天控制;2004年05期

中國(guó)重要會(huì)議論文全文數(shù)據(jù)庫(kù) 前9條

1 劉棟;王惠林;;卡爾曼濾波算法在目標(biāo)定位系統(tǒng)中的應(yīng)用[A];第九屆全國(guó)光電技術(shù)學(xué)術(shù)交流會(huì)論文集（上冊(cè)）[C];2010年

2 周紅波;耿伯英;;基于目標(biāo)跟蹤的無(wú)偏轉(zhuǎn)換測(cè)量卡爾曼濾波算法研究[A];2007中國(guó)控制與決策學(xué)術(shù)年會(huì)論文集[C];2007年

3 陳婧;謝磊;李備;;水路交通中的卡爾曼濾波算法綜述[A];第七屆中國(guó)智能交通年會(huì)論文集[C];2012年

4 趙汝祺;趙祚喜;趙汝準(zhǔn);;基于多項(xiàng)式卡爾曼濾波算法的車(chē)輛定位試驗(yàn)研究[A];中國(guó)農(nóng)業(yè)工程學(xué)會(huì)2011年學(xué)術(shù)年會(huì)論文集[C];2011年

5 曾翠娟;杜傳利;;動(dòng)態(tài)GPS自適應(yīng)卡爾曼濾波算法的FPGA實(shí)現(xiàn)[A];第13屆全國(guó)計(jì)算機(jī)、網(wǎng)絡(luò)在現(xiàn)代科學(xué)技術(shù)領(lǐng)域的應(yīng)用學(xué)術(shù)會(huì)議論文集[C];2007年

6 李鵬;宋申民;陳興林;;自適應(yīng)平方根無(wú)跡卡爾曼濾波算法[A];2009年中國(guó)智能自動(dòng)化會(huì)議論文集（第八分冊(cè)）[控制理論與應(yīng)用（專(zhuān)刊）][C];2009年

7 程慧俐;王紀(jì)文;張洪鉞;;在未知噪聲統(tǒng)計(jì)情況下的一種新的自適應(yīng)卡爾曼濾波算法[A];1994中國(guó)控制與決策學(xué)術(shù)年會(huì)論文集[C];1994年

8 劉健;劉忠;玄兆林;;純方位目標(biāo)運(yùn)動(dòng)分析的自適應(yīng)擴(kuò)展卡爾曼濾波算法[A];2005年全國(guó)水聲學(xué)學(xué)術(shù)會(huì)議論文集[C];2005年

9 朱寧;錢(qián)偉康;郭強(qiáng);;基于嵌入式XP的光譜分析系統(tǒng)[A];全國(guó)第一屆嵌入式技術(shù)聯(lián)合學(xué)術(shù)會(huì)議論文集[C];2006年

中國(guó)博士學(xué)位論文全文數(shù)據(jù)庫(kù) 前5條

1 孫景榮;X射線脈沖星導(dǎo)航及其增強(qiáng)方法研究[D];西安電子科技大學(xué);2014年

2 葛磊;容積卡爾曼濾波算法研究及其在導(dǎo)航中的應(yīng)用[D];哈爾濱工程大學(xué);2013年

3 馮波;線性濾波估計(jì)算法研究及在慣性導(dǎo)航系統(tǒng)中的應(yīng)用[D];北京理工大學(xué);2014年

4 孟軍英;基于粒子濾波框架目標(biāo)跟蹤優(yōu)化算法的研究[D];燕山大學(xué);2014年

5 周聰;基于非線性估計(jì)理論的線控轉(zhuǎn)向汽車(chē)狀態(tài)估計(jì)研究[D];西南交通大學(xué);2012年

中國(guó)碩士學(xué)位論文全文數(shù)據(jù)庫(kù) 前10條

1 龐瀛洲;關(guān)于電池BMS系統(tǒng)SOC估測(cè)算法的研究[D];長(zhǎng)安大學(xué);2015年

2 張冬梅;基于改進(jìn)卡爾曼濾波算法的SOC估計(jì)方法研究[D];西南交通大學(xué);2015年

3 林燕平;長(zhǎng)基線導(dǎo)航系統(tǒng)濾波算法的研究與實(shí)現(xiàn)[D];沈陽(yáng)理工大學(xué);2015年

4 唐鵬;基于ADS-B數(shù)據(jù)監(jiān)視性能評(píng)估技術(shù)研究[D];中國(guó)民航大學(xué);2015年

5 陳辰;基于卡爾曼濾波算法的短期風(fēng)電功率預(yù)測(cè)[D];新疆大學(xué);2015年

6 馬康健;基于分布式共識(shí)的無(wú)線傳感器網(wǎng)絡(luò)目標(biāo)跟蹤技術(shù)研究[D];哈爾濱工業(yè)大學(xué);2016年

7 徐紅珍;基于粒子群的卡爾曼濾波算法改進(jìn)和優(yōu)化[D];武漢理工大學(xué);2013年

8 鄒振宇;基于DSP的Kalman濾波器的算法研究[D];成都理工大學(xué);2012年

9 樊紅娟;無(wú)先導(dǎo)卡爾曼濾波算法分析[D];西南大學(xué);2007年

10 吳龍龍;一致性卡爾曼濾波算法及其應(yīng)用研究[D];華東交通大學(xué);2013年

，

本文編號(hào)：938117