广东省自然科学基金(9151052101000013)
- 作品数：8 被引量：47H指数：5
- 相关作者：刘美张晓平刘桂雄黄道平何学文更多>>
- 相关机构：华南理工大学茂名学院太原理工大学更多>>
- 发文基金：广东省自然科学基金茂名市科技计划项目教育部“新世纪优秀人才支持计划”更多>>
- 相关领域：自动化与计算机技术电子电信更多>>
- 粒子滤波实现无线传感器网络目标跟踪预测被引量：6
- 2010年
- 为减少无线传感器网络(WSN)目标跟踪预测误差,提出一种粒子滤波实现WSN目标跟踪预测方法;该方法采用粒子滤波获得目标运动状态,联合当前时刻目标的本地估计位置、预测速度和加速度获得下一时刻目标预测位置,预测位置可作为当前头节点唤醒所述下一时刻传感器节点的依据;结果表明,上述粒子滤波预测方法预测准确度相比线性预测方法明显提高,均方根误差RMSE减少49%;相比基于二次多项式运动建模的WSN目标跟踪预测方法,均方根误差RMSE减少6%。
- 黄奕微张晓平刘桂雄何学文
- 关键词：无线传感器网络目标跟踪粒子滤波
- 应用粒子群优化分配WSN多目标跟踪节点任务被引量：6
- 2010年
- 针对WSN多目标跟踪时传感器节点任务分配竞争冲突问题,提出一种基于最近邻的离散粒子群优化节点跟踪任务分配算法。通过构建多目标多传感器节点联盟协同跟踪任务分配问题的数学模型和目标函数,采用最近邻法对粒子群节点任务分配进行初始化,以目标函数作为适应值函数指引粒子飞行,快速实现节点优化分配。实验表明:在节点覆盖较稀疏情况下,粒子群优化节点任务分配方法与最近邻方法相比,能耗大大减少,并能有效解决多目标跟踪节点任务分配冲突问题和多个监测联盟对传感器资源竞争冲突时系统能耗增加的问题。PSO算法对于实际环境的WSN多目标跟踪具有优越性。
- 刘美徐小玲黄道平
- 关键词：无线传感器网络多目标跟踪粒子群优化
- 利用最小二乘支持向量机实现无线传感器网络的目标定位被引量：17
- 2010年
- 针对接收信号强度值(RSSI)的波动直接影响无线传感器网络(WSN)目标定位准确度的问题,研究了利用最小二乘支持向量回归机(LSSVR)实现WSN的目标定位的基本原理,分析了固定探测节点和探测节点变化时的LSSVR建模定位特性,提出了基于自适应LSSVR回归建模实现WSN目标定位的方法(TL-AML)。该方法综合考虑目标定位准确度和实时性,初始时刻首先建立LSSVR回归模型来定位目标,根据后面任一时刻探测节点与前一时刻回归模型建模节点的包含关系决定是否重新建模,实现自适应建模定位过程。基于CC2430无线传感网络实验平台,进行了相关TL-AML方法性能实验,通过合理选取建模参数,TL-AML方法的目标定位均方根误差(RMSE)比MLE方法减小34%～37%,比LSE方法减小60%～65%。建模参数在较大范围内取值时,TL-AML方法目标定位准确度比MLE和LSE方法有明显提高。在LSSVR建模情况下,TL-AML方法目标定位耗时0.2～0.4s,无需重复建模时,目标定位耗时减少到0.04s。实验结果表明,TL-AML方法能够显著减小RSSI波动对目标定位结果的影响,提高目标定位准确度,减少目标定位时间,且具有较好的目标定位实时性。
- 张晓平刘桂雄周松斌
- 关键词：无线传感器网络最小二乘支持向量回归机
- WSN目标跟踪节点动态行为OPNET建模与仿真
- 由于无线传感器网络(wireless sensor network,WSN)能量受限,揭示传感节点动态行为特性是改善WSN通信质量有效途径之一。引入OPNET建模思想,面向WSN目标跟踪,分析节点动态行为类型及逻辑关系,...
- 朱海兵刘桂雄洪晓斌
- 关键词：无线传感器网络目标跟踪
- 文献传递
- WSN节点定位系统构建方法与实现
- 为实时掌握WSN节点定位信息,研发一种WSN节点定位系统。系统采用WSN节点组成网络前端,B/S网站架构作为终端,重点研究网络间节点通信、网络与终端串口通信和数据存储等实现机制,通过在终端建立数据服务器存储WSN节点定位...
- 黄奕微刘桂雄洪晓斌
- 关键词：WSN终端串口通信
- 文献传递
- 无线传感器网络中目标跟踪的马尔可夫模型与预测方法被引量：7
- 2010年
- 针对目标运动是一个包含许多不确定因素的非线性非高斯随机过程,提出基于马尔可夫随机场模型与粒子滤波的WSN分布式目标跟踪方法(MRF-PF)。把目标跟踪过程看作是一个马尔可夫过程,基于贝叶斯规则,建立目标状态分布函数,用粒子滤波估计目标状态,实现目标跟踪。实验结果:对于泊松白噪声,MRF-PF方法的跟踪均方根误差RMSE相比卡尔曼滤波(KF)和扩展卡尔曼滤波(EKF)方法分别降低52.6%、49.2%;对于方差σ2由0.3→3的高斯噪声,GM-PF方法的RMSE相比KF、EKF分别降低54.5%～77.2%和23.5%～54.2%。这表明MRF-PF方法在非线性非高斯噪声或高斯噪声变化较大时具有较好的抗噪能力及跟踪性能。
- 刘美黄道平
- 关键词：无线传感器网络目标跟踪马尔可夫随机场模型粒子滤波
- 非参数信念传播的WSN目标跟踪方法被引量：1
- 2011年
- 针对传统粒子滤波的数据融合和粒子贫乏问题,提出一种结合非参数信念传播和粒子滤波(NBP-RPF)的分布式WSN目标跟踪方法。首先检测目标的节点,然后对检测数据进行核密度估计(KDE)得到目标估计信息,最后,通过非参数信念将信息传播到簇首节点,簇首节点对信息乘积进行Gibbs采样和正则化粒子滤波,实现了对目标的精确跟踪。仿真结果表明,NBP-RPF法在增加粒子多样性和有效融合数据等方面具有优势,同时也提高了目标的跟踪精度。
- 刘美高欢萍林伟鹏
- 关键词：无线传感器网络非线性模型均方根误差多样性
- WSN中传感器节点的弹性神经网络任务分配方法被引量：7
- 2010年
- 为解决WSN多目标跟踪节点任务分配的竞争冲突问题,提出一种融合了模糊聚类的多弹性子模自组织神经网络节点任务分配方法.通过模糊聚类估计目标数量,建立节点任务分配跟踪精度和能量消耗的综合性能指标,采用非全连接的环形弹性结构自组织神经网络优化监测联盟,用最近邻法对神经元弹性子模进行初始化,根据胜者为王原则动态调整子模的感受域,以快速锁定最优监测联盟,实现多目标的精确跟踪.实验结果表明：文中方法能有效解决多目标跟踪节点任务分配的竞争冲突问题,以及竞争冲突时的系统能耗增加与实时性问题;在随机均匀部署节点拓扑和目标直线运动模式下,文中方法的能耗较最近邻法降低了48.2%~55.9%,较未改进弹性神经网络法降低了37.4%~42.5%,且运算速度提高了19.0%~27.4%.
- 刘美黄道平
- 关键词：多目标跟踪
- WSN目标定位动态预测方法研究被引量：3
- 2012年
- 针对固定预测时间间隔下目标机动对无线传感器网络目标定位预测效果影响较大的问题,分析目标预测误差产生机理及主要影响因素,提出WSN目标定位动态预测方法。该方法根据目标预测模型构造预测时间增量函数,通过固定预测时间增量函数取距离自变量值动态调节目标预测时间间隔,实现目标运动状态自适应动态目标预测。仿真平台分别应用运动学预测、粒子滤波预测方法建立预测模型,并进行目标预测实验;结果表明,目标机动情况下,目标动态预测方法误差相比固定预测时间时间间隔方法分别减小18.5%、12.8%,动态目标预测方法能较好改善机动性目标预测效果,增强预测方法对目标运动变化的自适应能力。
- 朱海兵刘桂雄何学文张晓平
- 关键词：无线传感器网络
- 一种分解式模糊聚类粒子滤波的WSN多目标跟踪方法被引量：2
- 2010年
- 针对无线传感器网络环境下的多目标跟踪时近相距和轨迹交叉目标容易出现目标丢失和跟踪混淆的问题,提出一种分解式模糊聚类粒子滤波(DFCM—RPF)的多目标跟踪方法。把多传感器数据融合和多目标跟踪问题分解为单传感器数据融合和单目标跟踪问题,先对传感器节点量测用基于跟踪门限算法去除杂波,在各传感器节点的观测空间分别建立模糊聚类算法进行数据关联并最优融合,然后用正则化粒子滤波预测目标状态。仿真表明,DFCM—RPF算法与原FCM多目标跟踪方法相比,航迹关联正确率由85%提高到100%,目标预测位置的RMSE由4.437 7 m下降到1.307 3 m,DFCM—RPF算法体现了较好的跟踪性能,并集数据关联、数据融合和目标跟踪于一体,大大降低WSN多目标跟踪问题的复杂性和计算量。
- 刘美高欢萍刘林
- 关键词：多目标跟踪粒子滤波模糊聚类
