张晓平
- 作品数：19 被引量：58H指数：6
- 供职机构：华南理工大学机械与汽车工程学院更多>>
- 发文基金：广东省自然科学基金教育部“新世纪优秀人才支持计划”国家自然科学基金更多>>
- 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
- 一种基于自适应预测的无线传感器网络目标跟踪方法
- 本发明公开了一种基于自适应预测的无线传感器网络目标跟踪方法，该方法包括：簇头节点对当前时刻及与当前时刻相邻两个以上时刻的目标定位坐标和时间进行拟合，得到描述目标X坐标或Y坐标与时间关系的二次多项式预测模型；簇头节点利用二...
- 刘桂雄张晓平刘波
- 文献传递
- 一种无线传感器网络目标定位的位置估计方法
- 本发明公开了一种无线传感器网络目标定位的位置估计方法，包括：首先选取无线传感器网络监测范围内任意数量的位置，利用数学建模方法，对选取的网络监测范围内的任意位置到多个锚节点的直线距离与该位置坐标的非线性关系进行建模，并在目...
- 周松斌刘桂雄张晓平洪晓斌
- 文献传递
- 基于LS-SVR的无线传感器网络节点定位算法被引量：8
- 2008年
- 文章针对无线传感器网络(WSN)节点定位算法DV-HOD的节点间距离估计误差对定位准确度影响较大的问题,提出一种基于LS-SVR(最小二乘支持向量回归机)的定位算法L-LSSVR。该算法根据已知锚节点坐标信息,通过对探测区域网格化采样,得到包含未知节点到各锚节点的距离和未知节点坐标的训练样本集,利用LS-SVR训练得到定位模型,定位时以未知节点到各锚节点经多跳测距得到的距离向量作为模型的输入,将模型输出作为未知节点的估计坐标。在节点均匀分布和随机分布的网络中进行节点定位实验,结果表明,定位算法L-LSSVR能有效地降低距离估计误差对定位准确度的影响,减小平均定位误差,其中,在节点均匀分布的情况下L-LSSVR算法的平均定位误差比DV-Hop算法减小8.1～17.8%,在随机分布的网络中减小8.7～27.0%。
- 周松斌刘桂雄张晓平洪晓斌
- 关键词：最小二乘支持向量回归机无线传感器网络
- 一种无线传感器网络目标定位与跟踪方法
- 本发明公开了一种无线传感器网络目标定位与跟踪方法，所述方法主要包括：在任意定位时刻，根据传感器节点测量信息预估计目标位置，建立包含目标预估计位置的学习区域，在学习区域内选取任意数量的位置点，利用多项式核函数和ε－支持向量...
- 刘桂雄张晓平周松斌
- 文献传递
- WSN移动目标的LSSVR回归建模定位理论与算法
- 目标定位是无线传感器网络(Wireless Sensor Networks,WSN)的重要应用之一,实现准确可靠的目标定位在国防军事、环境监测、智能交通、安全监控等方面具有重要的应用价值。单目标定位是多目标定位的重要基础...
- 张晓平
- 关键词：无线传感器网络最小二乘支持向量回归机粒子群优化
- 文献传递
- 基于特征量重要度LS-SVR的WSN定位方法被引量：4
- 2008年
- 针对无线传感器网络（WSN）节点定位方法中采用粗测距技术时，节点间较大的测距误差导致定位准确度不足的问题，提出一种基于特征量重要度最小二乘支持向量回归（LS-SVR）的定位方法．该方法把未知节点到锚节点的距离作为特征量，依据特征量的重要度进行特征提取，通过对探测区域网格化采样得到训练样本集，使用LS-SVR学习得到定位模型；在定位阶段，将未知节点的特征向量输入定位模型，利用LS—SVR良好的泛化能力实现对未知节点的准确定位．对均匀分布和C形区域随机分布的100个节点的定位实验表明，文中提出的定位方法能有效地降低测距误差对定位准确度的影响，减小平均定位误差；与采用相同测距技术的DV—Hop方法相比，均匀分布情况下该方法的平均定位误差减小7．5％～14．0％，C形区域随机分布情况下显著减小36．5％～55．2％．
- 刘桂雄周松斌张晓平洪晓斌
- 关键词：最小二乘支持向量回归机无线传感器网络
- 基于二次多项式运动建模的WSN目标跟踪预测
- 无线传感器网络(WSN)目标跟踪线性预测模型误差较大的问题,提出一种基于二次多项式运动建模的WSN目标跟踪预测新方法(PQPMM),该方法根据机动性目标运动学原理建立预测模型,利用最小二乘法拟合目标定位坐标、定位时间的二...
- 张晓平刘桂雄
- 关键词：无线传感器网络目标跟踪二次多项式
- 降低WSN目标失跟率的自适应采样频率方法被引量：3
- 2009年
- 针对无线传感器网络（WSN）固定采样频率下机动性目标失跟率较高的问题，分析了机动性目标失跟的机理，建立了表征失跟率、采样频率、目标速率关系的数学模型，提出了降低目标失跟率的自适应采样频率方法，并对速度大小、方向变化的机动性目标跟踪问题进行仿真实验．结果表明，与固定采样频率方法相比，采样间隔距离参量d恒取不同值时自适应采样频率方法的失跟率平均降低了3．3％～6．0％；当d恒等于50m时，失跟率平均降低6．0％，网络能耗降低13．1％．
- 张晓平刘桂雄洪晓斌刘美
- 关键词：无线传感器网络目标跟踪自适应性采样频率
- 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
