茂名市科技计划项目(20091010)
- 作品数：5 被引量：22H指数：3
- 相关作者：刘美黄道平徐小玲刘林黄瑞龙更多>>
- 相关机构：华南理工大学茂名学院广东石油化工学院更多>>
- 发文基金：茂名市科技计划项目广东省自然科学基金博士科研启动基金更多>>
- 相关领域：自动化与计算机技术电子电信更多>>
- 无线传感器网络多目标跟踪技术研究进展被引量：2
- 2012年
- 目标跟踪是无线传感器网络的重要应用,基于无线传感器网络的目标跟踪技术无论在军事上还是在民用领域都有着重要的应用价值。首先介绍WSN多目标跟踪的基本概念、原理、要素和评价指标,然后回顾和分析WSN多目标跟踪的研究现状、主要技术及算法,最后对WSN多目标跟踪的研究现状进行总结和展望。
- 刘美徐小玲黄瑞龙方湃盛
- 关键词：无线传感器网络多目标跟踪状态估计数据融合
- 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
- 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
- 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：多目标跟踪模糊聚类
- 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
