本研究以無(wú)跡卡濾波（UKF）為理論基礎(chǔ),針對(duì)現(xiàn)有基于距離的WSN分簇方法的節(jié)點(diǎn)選擇不精確,將隨機(jī)矢量估計(jì)滿足的Cramer-Rao下界理論與UKF算法相結(jié)合,提出一種UKF與Fisher信息矩陣（FIM）節(jié)點(diǎn)選擇相結(jié)合的動(dòng)態(tài)分簇算法（UKF-F）。該算法根據(jù)濾波的誤差協(xié)方差矩陣計(jì)算,得出當(dāng)前目標(biāo)的信息判據(jù)。為了增強(qiáng)網(wǎng)絡(luò)抗毀性,算法將節(jié)點(diǎn)剩余能量作為競(jìng)選標(biāo)準(zhǔn),用于激活最契合的預(yù)選簇成員,并組建跟蹤簇。通過(guò)仿真實(shí)驗(yàn)并與最近鄰算法進(jìn)行比較,證明了基于Fisher信息矩陣動(dòng)態(tài)分簇方法能夠更精確的選擇跟蹤節(jié)點(diǎn),同時(shí)也證明該算法能夠降低跟蹤誤差。為了解決集中式濾波算法中存在著簇頭的總通信量與計(jì)算負(fù)擔(dān)過(guò)高問(wèn)題,提出了一種與UKF-F節(jié)點(diǎn)選擇動(dòng)態(tài)分簇算法相適應(yīng)的貫序UKF算法,并使用模糊C-均值聚類(lèi)算法進(jìn)行數(shù)據(jù)分類(lèi),實(shí)現(xiàn)非線性高斯環(huán)境下的多目標(biāo)跟蹤。該方法把簇頭的工作分配到各個(gè)成員節(jié)點(diǎn),極大地減少了節(jié)點(diǎn)之間的數(shù)據(jù)傳遞,避免了數(shù)據(jù)碰撞與干擾,與集中式濾波算法進(jìn)行仿真對(duì)比,最大程度上減少了網(wǎng)絡(luò)能耗,提高了估計(jì)精度。 

【文章來(lái)源】：長(zhǎng)春理工大學(xué)吉林省

【文章頁(yè)數(shù)】：51 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
ABSTRACT
第一章 緒論
    1.1 無(wú)線傳感器網(wǎng)絡(luò)基礎(chǔ)概述
        1.1.1 研究的背景和意義
        1.1.2 無(wú)線傳感器網(wǎng)絡(luò)特點(diǎn)
        1.1.3 應(yīng)用范圍
        1.1.4 目標(biāo)跟蹤國(guó)內(nèi)外研究現(xiàn)狀
    1.2 目標(biāo)跟蹤算法研究現(xiàn)狀
        1.2.1 基于卡爾曼濾波跟蹤算法
        1.2.2 無(wú)跡卡爾曼研究現(xiàn)狀
    1.3 論文結(jié)構(gòu)安排
第二章 相關(guān)定位與跟蹤算法
    2.1 引言
    2.2 節(jié)點(diǎn)定位常用方法
        2.2.1 基于測(cè)距的定位方法
        2.2.2 基于非測(cè)距的定位方法
    2.3 卡爾曼濾波基本原理
        2.3.1 經(jīng)典卡爾曼濾波基本原理
        2.3.2 擴(kuò)展卡爾曼濾波
        2.3.3 無(wú)跡卡爾曼濾波
    2.4 本章小結(jié)
第三章 基于Fisher信息矩陣節(jié)點(diǎn)選擇動(dòng)態(tài)分簇UKF目標(biāo)跟蹤算法
    3.1 引言
    3.2 基于信息度量的動(dòng)態(tài)分簇方法
    3.3 系統(tǒng)模型
        3.3.1 目標(biāo)運(yùn)動(dòng)模型
        3.3.2 測(cè)量模型
    3.4 基于Fisher信息矩陣的UKF目標(biāo)跟蹤分簇算法
        3.4.1 基于UKF濾波的目標(biāo)跟蹤
        3.4.2 基于Fisher信息矩陣節(jié)點(diǎn)選擇分簇方法
    3.5 仿真結(jié)果
    3.6 本章小結(jié)
第四章 基于FCM與SUKF的動(dòng)態(tài)分簇多目標(biāo)跟蹤算法
    4.1 引言
    4.2 數(shù)據(jù)關(guān)聯(lián)方法
    4.3 基于SUKF的目標(biāo)跟蹤動(dòng)算法
    4.4 基于FCM和SUKF的多目標(biāo)跟蹤方法實(shí)現(xiàn)
    4.5 實(shí)驗(yàn)仿真
    4.6 本章小結(jié)
第五章 總結(jié)與展望
    5.1 全文總結(jié)
    5.2 未來(lái)工作展望
參考文獻(xiàn)
致謝
攻讀碩士學(xué)位期間發(fā)表論文情況


【參考文獻(xiàn)】：
期刊論文
[1]無(wú)線傳感器網(wǎng)絡(luò)研究現(xiàn)狀與應(yīng)用[J]. 程文.  電子測(cè)試. 2016(06)
[2]無(wú)線傳感器網(wǎng)絡(luò)的研究進(jìn)展[J]. 張?chǎng)?  信息系統(tǒng)工程. 2016(04)
[3]基于RSSI的測(cè)距優(yōu)化和三邊定位算法研究[J]. 陳磊,劉偉.  湖北工業(yè)大學(xué)學(xué)報(bào). 2016(02)
[4]基于無(wú)線傳感器網(wǎng)絡(luò)的智能生態(tài)保障系統(tǒng)[J]. 許東,高杰.  自動(dòng)化儀表. 2016(02)
[5]無(wú)線傳感器網(wǎng)絡(luò)技術(shù)綜述[J]. 鄭改成.  山西電子技術(shù). 2015(06)
[6]機(jī)動(dòng)目標(biāo)跟蹤的S修正無(wú)跡卡爾曼濾波算法[J]. 張園,郭晨,李樹(shù)軍,劉淑波,初俊博.  大連海事大學(xué)學(xué)報(bào). 2015(02)
[7]Dynamic cluster member selection method for multi-target tracking in wireless sensor network[J]. 蔡自興,文莎,劉麗玨.  Journal of Central South University. 2014(02)
[8]基于霍夫-無(wú)跡卡爾曼濾波的目標(biāo)檢測(cè)與跟蹤[J]. 劉松林,李家強(qiáng),游小龍.  電子設(shè)計(jì)工程. 2013(15)
[9]無(wú)線傳感器網(wǎng)絡(luò)動(dòng)態(tài)最近鄰協(xié)作目標(biāo)跟蹤算法[J]. 龍慧,樊曉平,劉少?gòu)?qiáng),唐文妍.  傳感器與微系統(tǒng). 2012(07)
[10]無(wú)跡卡爾曼濾波算法在目標(biāo)跟蹤中的研究[J]. 郝曉靜,李國(guó)新,李明珠,張亞粉,常曉鳳.  電子設(shè)計(jì)工程. 2012(13)

博士論文
[1]基于無(wú)線傳感器網(wǎng)絡(luò)的目標(biāo)檢測(cè)與跟蹤研究[D]. 王志波.浙江大學(xué) 2014
[2]基于支持向量回歸機(jī)的無(wú)跡卡爾曼濾波設(shè)計(jì)與應(yīng)用[D]. 金瑤.中國(guó)地質(zhì)大學(xué) 2013
[3]基于Kalman濾波的無(wú)線傳感器網(wǎng)絡(luò)目標(biāo)跟蹤算法的研究[D]. 王邢波.山東大學(xué) 2011

碩士論文
[1]無(wú)線傳感器網(wǎng)絡(luò)覆蓋優(yōu)化方法研究[D]. 朱寅寅.南京理工大學(xué) 2009



本文編號(hào)：3188762