传感器网络下机动目标动态协同跟踪算法

TP273; 对传感器网络下的机动目标跟踪问题提出一种分布式传感器节点动态分簇、协同跟踪算法.通过在线优化目标跟踪的性能函数和通讯代价,自适应地选择节点并动态分簇,通过多传感器节点的协同感知以及信息融合提高了跟踪精度.由于问题的非线性和传感器节点的随机性,本文基于粒子滤波器在线预测和估计目标状态的概率分布,使用混合高斯粒子滤波器以及选择最短路径用于传感器节点之间的信息交换节约了通讯能量,通过一种有效的粒子方法逼近目标状态的预测方差以实现传感器节点的最优选择.仿真结果表明,与IDSQ算法相比较,本文提出的动态分簇算法实现了对机动目标的高精度跟踪....

Full description

Saved in:
Bibliographic Details
Published in自动化学报 Vol. 33; no. 10; pp. 1029 - 1035
Main Authors 杨小军, 邢科义, 施坤林, 潘泉
Format Journal Article
LanguageChinese
Published 西安机电信息技术研究所机电工程与控制国家重点实验室,西安,710065%西安交通大学系统工程研究所机械制造系统工程国家重点实验室,西安,710049%西安机电信息技术研究所机电工程与控制国家重点实验室,西安,710065%西北工业大学自动化学院,西安,710072 2007
西安交通大学系统工程研究所机械制造系统工程国家重点实验室,西安,710049
Subjects
Bayes推理
粒子滤波
传感器网络
传感器协同
Online AccessGet full text

Cover

More Information
Summary:TP273; 对传感器网络下的机动目标跟踪问题提出一种分布式传感器节点动态分簇、协同跟踪算法.通过在线优化目标跟踪的性能函数和通讯代价,自适应地选择节点并动态分簇,通过多传感器节点的协同感知以及信息融合提高了跟踪精度.由于问题的非线性和传感器节点的随机性,本文基于粒子滤波器在线预测和估计目标状态的概率分布,使用混合高斯粒子滤波器以及选择最短路径用于传感器节点之间的信息交换节约了通讯能量,通过一种有效的粒子方法逼近目标状态的预测方差以实现传感器节点的最优选择.仿真结果表明,与IDSQ算法相比较,本文提出的动态分簇算法实现了对机动目标的高精度跟踪.
ISSN:0254-4156
1874-1029