高欢萍
- 作品数：4 被引量：5H指数：2
- 供职机构：茂名学院计算机与电子信息学院更多>>
- 发文基金：广东省自然科学基金茂名市科技计划项目更多>>
- 相关领域：自动化与计算机技术电子电信更多>>
- 无线传感器网络目标跟踪方法研究
- 无线传感器网络是21世纪最具影响力的技术之一，目标跟踪是无线传感器网络的一个重要应用。基于无线传感器网络的目标跟踪由于无需固定网络支持、具有展开迅速、容错性高、抗毁性强等特点，已被广泛应用于军事、交通控制、环境监测、医疗...
- 高欢萍
- 关键词：无线传感器网络目标跟踪抗毁性粒子滤波数据预处理无线定位
- 文献传递
- 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
- 一种改进的粒子滤波目标跟踪算法
- 2010年
- 针对无线传感器网络实际环境的非线性模型目标跟踪问题,提出一种改进的粒子滤波跟踪算法。首先用模糊C-均值算法确定量测的目标归属,对同一目标的量测进行线性融合,然后用采样重要重采样粒子滤波估计目标位置。仿真结果表明:在非线性模型下,所提出算法与扩展卡尔曼滤波相比,目标估计位置的均方根误差从0.689 5m显著减小到0.370 3m。
- 高欢萍刘美杜永贵
- 关键词：目标跟踪非线性模型扩展卡尔曼滤波粒子滤波
- 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
