-
题名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
- 1
-
-
作者
刘美
高欢萍
刘林
-
机构
茂名学院计算机与电子信息学院
太原理工大学信息工程学院
-
出处
《科学技术与工程》
2010年第10期2312-2316,共5页
-
基金
广东省自然科学基金项目(9151052101000013)
茂名市重点科技计划项目(20091010)资助
-
文摘
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。
-
关键词
无线传感器网络(WSN)
多目标跟踪
粒子滤波
模糊聚类
-
Keywords
wireless sensor network（WSN） multi-target tracking（MTT） particle filter（PF） fuzzy C-means（FCM）
-
分类号
TN914.5
[电子电信—通信与信息系统]
-
-
题名非参数信念传播的WSN目标跟踪方法
被引量：1
- 2
-
-
作者
刘美
高欢萍
林伟鹏
-
机构
茂名学院计算机与电子信息学院
太原理工大学信息工程学院
-
出处
《自动化仪表》
CAS
北大核心
2011年第1期19-22,共4页
-
基金
广东省自然科学基金资助项目(编号:9151052101000013)
茂名市重点科技计划资助项目(编号:20091010)
-
文摘
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。
-
关键词
无线传感器网络
非线性模型
滤波
均方根误差
多样性
-
Keywords
Wireless sensor network（WSN） Nonlinear model Filtering Root-mean square error Diversity
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
-
题名一种改进的粒子滤波目标跟踪算法
- 3
-
-
作者
高欢萍
刘美
杜永贵
-
机构
太原理工大学信息工程学院
茂名学院计算机与电子信息学院
-
出处
《茂名学院学报》
2010年第1期37-40,48,共5页
-
基金
广东省自然科学基金项目
茂名市重点科技计划项目
-
文摘
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。
-
关键词
目标跟踪
非线性模型
扩展卡尔曼滤波
粒子滤波
-
Keywords
target tracking
nonlinear model
extended kalman filter
particle filtering
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
