二进制传感器网络加权目标跟踪算法研究

该文主要研究二进制传感器网络中加权目标跟踪算法的设计。针对已有算法中权值不能实时反映目标与感测节点之间距离关系的缺点,提出了距离加权和基于预测的距离加权目标跟踪算法。距离权值能够实时反映目标与各个感测节点间的距离关系,因此具有更高的跟踪精度。在距离加权算法中感测节点需要将感测信息和距离信息都传输到融合中心,这会增大感测节点的能量消耗。为了解决这个问题,文中提出一种基于预测的距离加权目标跟踪算法。该算法中感测节点不需要传输距离信息而只传输感测信息到融合中心从而减少了能耗。仿真结果表明,基于预测的距离加权算法比已有算法能够够精确地跟踪目标,在保证跟踪精度的同时减少了通信能耗。     

二进制传感器网络基于预测的距离加权目标跟踪算法

Binary sensor network(BSN) are becoming more attractive due to the low cost deployment, small size, low energy consumption and simple operation.There are two different ways for target tracking in BSN, the weighted algorithms and particle filtering algorithm.The weighted algorithms have good realtime property, however have poor estimation property and some of them does not suit for target’s variable velocity model. The particle filtering algorithm can estimate target's position more accurately with poor realtime property and is not suitable for target’s constant velocity model. In this paper distance weight is adopted to estimate the target’s position, which is different from the existing distance weight in other papers. On the analysis of principle of distance weight (DW), prediction-based distance weighted(PDW) algorithm for target tracking in BSN is proposed. Simulation results proved PDW fits for target's constant and variable velocity models with accurate estimation and good realtime property.     

一种基于加权处理的无线传感器网络平均跳距离估计算法

定位技术是无线传感器网络的关键技术之一,传统DV-Hop定位算法只考虑了最近一个锚节点估计的平均跳距离值,而单个锚节点估计的平均跳距离值无法准确地反映网络的实际平均跳距离。本文提出了一种基于加权处理的平均跳距离估计算法,考虑多个锚节点估计的平均跳距离值,根据距离未知节点的跳数进行加权,使网络平均跳距离的估计更加准确,从而提高定位精度。仿真结果表明,与DV-Hop算法的平均跳距离估计算法相比,本文算法更准确地估计平均跳距离,降低了均方根误差,并提高了定位精度。     

基于距离的无线传感器网络节点定位算法研究

由于多径、干扰、遮挡等多种因素的存在,使用RSS 方法测距的精度较低,因此必须采用合理的算法来减小测距误差对定位精度的影响,通过多次实验和改变参数可以获得较好的仿真结果。     

基于RSSI的无线传感器网络距离修正定位算法

节点自身定位是无线传感器网络目标定位的基础。无线传感器网络节点定位算法包括基于距离和距离无关两类。其中基于RSSI的定位算法由于实现简单而被广泛使用,但RSSI方法的测距误差较大,从而影响了节点定位精度。提出了一种基于RSSI的无线传感器网络距离修正定位算法。该算法通过RSSI测距,计算近似质心的位置,以此为参考点进行距离修正,然后确定节点的位置。仿真结果表明该算法可以提高节点定位精度。     

无线传感器网络中移动目标跟踪算法研究

由于单个传感器节点的通信、处理和感知能力有限,所以传感器节点必须协同工作才能够完成任务。本文介绍了无线传感器网络的研究现状,阐述了目前成形的无线传感器网络协议与体系结构,阐述了针对面向目标跟踪的无线传感器网络涉及到的一些关键技术,并对现有的一些无线传感器网络中移动目标协同跟踪算法以及未来的发展方向进行了论述。     

无线传感器网络中基于网格的目标跟踪算法

提出了一种适用于无线传感器网络中基于网格的目标跟踪算法，以解决在目标跟踪过程中信任度（belief）更新和传感器节点信息贡献量估计问题。该算法对信任度进行非参数化表示，用基于网格的算法对序列贝叶斯滤波过程进行实现。并且利用目标位置预测和基于网格的算法在不预先获知传感器节点测量数据的情况下，对节点的信息贡献量进行估算。在资源受限的无线传感器网络中，该算法在降低计算复杂度、提高算法适用范围方面都有显著改进。最后在仿真环境中验证了基于网格的目标跟踪算法的有效性。     

无线传感器网络自适应目标跟踪节点调度算法

在无线传感器网络中,设计合理的节点调度算法是提高网络感知能力、降低系统能耗的关键。在分析节点能耗模型的基础上,针对移动目标跟踪型网络应用,提出一种高能效的无线传感器网络自适应节点调度算法ANSTT。该算法根据节点对移动目标的感知能力,以及节点的相对剩余能量水平,自动调整节点工作模式。仿真实验表明,ANSTT算法在维持低感知延时、高目标感知率的同时,可有效降低系统能耗,延长网络寿命。     

一种加权的DV-Hop定位改进算法

针对 DV-Hop 定位算法中在计算未知节点到锚节点距离时产生较大误差的问题,提出了一种改进的 DV-Hop 算法。改进算法对全网平均每跳距离和局部平均每跳距离进行了加权处理,得到了未知节点的平均每跳距离,又提出了一种改进的加权最小二乘法来得到未知节点的坐标,减小了节点的定位误差。仿真结果表明,在不需要增加额外的硬件设施的基础上,改进算法的定位精度相比于原算法明显提高。     

距离辅助的无线传感器网络节点覆盖判别模型

提出了距离辅助的节点覆盖判别模型DANCI(distance-assistant node coverage identification model),通过邻居节点到本节点的距离信息,判别该节点被邻居节点覆盖的程度.理论分析与仿真结果表明,在节点随机部署情况下,计算所得的覆盖度与节点位置已知情况下,其覆盖度的最大误差仅为6.396 0%.相对于邻居节点个数与最近邻居距离覆盖判别方法,极大提高了覆盖判别的精确性.     

基于聚类思想实现声探测器组网多目标跟踪法

介绍了一种基于聚类思想实现声探测器组网系统多目标跟踪的方法.简略介绍了声探测器组网系统的组成和工作方式,详细介绍了该系统在工程应用中采用的多目标跟踪的设计方法.试验结果证明该方法具有良好的准确性和实时性.     

引入抗遮挡机制的SiamVGG网络目标跟踪算法

抗遮挡在视频目标跟踪中是一个极具挑战的研究问题。在目标跟踪过程中,目标在被部分遮挡或者完全遮挡的情况下,使得跟踪模型的漂移导致目标跟丢。为了解决这一问题,本文提出了引入抗遮挡机制的SiamVGG网络目标跟踪算法,通过对网络输出置信图的峰值和连通域的变化规律分析,设置不同的跟踪模式,分别是正常跟踪、部分遮挡、完全遮挡和遮挡丢失,然后根据不同的模式选择不同的跟踪策略。相比于其它的跟踪算法,本文算法采用了SiamVGG网络作为目标跟踪的框架并对遮挡问题进行了分析和校正,有效避免了在遮挡情况下目标跟丢。通过在OTB-50、OTB-100和OTB-2013三个基准数据集上进行了实验,验证了本文算法在抗遮挡问题的有效性和鲁棒性。      

推扫型光学传感器的目标联合检测跟踪算法

为了从扫描图像序列中检测弱小运动目标并对其状态参数进行估计,提出一种基于随机有限集理论的目标联合检测跟踪算法.根据推扫型光学传感器的扫描特性,建立目标在像平面的运动模型和测量模型.将目标状态和量测数据描述为随机有限集合,将目标的联合检测跟踪问题建模为目标状态集的贝叶斯最优估计问题,并依据随机有限集理论推导出贝叶斯滤波的预测和更新表达式.从算法实现的角度,利用高斯混合技术实现算法的递推滤波.仿真结果表明,该算法适应杂波的能力强,对漏检的影响更小,可以有效完成推扫型光学传感器的目标检测跟踪任务.     

水下传感器网络目标跟踪时的非短视比特优化分配算法

由于水下传感器网络(Underwater Sensor Network,USN)的能量、带宽有限,传输原始量测数据前需要进行量化处理。面向目标跟踪,在传输比特数据量的约束下,提出了非短视量化比特分配算法。首先,推导了量化量测下的条件后验克拉美罗下界,并将其设为优化目标,建立了比特分配优化模型。在此基础上,提出了一种双层近似动态规划的算法来实现比特分配的优化,在所设时间窗内利用第一层近似动态规划分配各个时刻的比特,并利用第二层近似动态规划在各分支上实现水下传感器节点的比特分配,进一步提升了计算效率。仿真结果表明,所提算法在满足实时性的要求下具有更稳定的跟踪性能。     

动态热释电传感器网络目标跟踪技术研究

提出了一种动态热释电红外辐射传感器网络的目 标 跟踪方法,使热释电传感器在运动状态下进行目标探测,通过采集、分析 动态热释电传感器输出的信号特征可得到目标的角度信息;使用传感器网络目标定位数 学模型, 对多个节点的信息进行融合即可实现运动目标的定位及跟踪,并有效解决了热释电 探测距离及探测角度的矛盾问题。实验表明,所提方法可在大范围对目标进行定时监控及自 主跟踪,在探测范围及灵敏度、定位精度 等方面具有很大优势。     

基于区域候选孪生网络的红外目标跟踪算法

目标跟踪是光电设备的基本功能。为了应对跟踪任务中目标快速运动、复杂背景干扰以及遮挡的影响,不同于传统生成式方法与核相关滤波方法,本文提出一种使用深度学习的红外目标跟踪算法,使用双分支孪生特征提取网络对输入进行空间映射,经锚框划分图像区块后,分流为区域候选网络的“分类”与“回归”分支并进行特征模板匹配,对每个锚框进行分数评价后取“分类”分支中的最佳锚框,经“回归”分支进行预测边界回归后确定目标跟踪预测框,得到一种可以达到实时要求的红外单光宏观单目标跟踪算法。这种方法能够通过完全离线端到端训练整体系统参数获得,其制作过程简单,只要方法得当地进行参数精调,其性能有充分潜力可供挖掘。     

无线传感器网络中目标追踪策略

协同信息处理是无线传感器网络研究的难点。以跟踪单目标为基础,提出了一种基于对策论的协同机制,对网络节点建立群组方式进行目标跟踪,动态地分配任务,随时更新群组成员,同步信息整合与数据传递,在实验中让基于对策论与已有的基于实例的协同机制进行对比。实验结果证明,采用基于对策论方式进行目标跟踪准确率明显提高,网络能量消耗大幅度降低,信息传递流畅,满足了网络节点的动态扩展性与适应性。     

Energy-efficient collaborative target tracking algorithm using cost-reference particle filtering in wireless acoustic sensor networks

Target tracking is one of the most important applications of wireless sensor networks. Optimized computation and energy dissipation are critical requirements to save the limited resource of sensor nodes. A new robust and energy-efficient collaborative target tracking framework is proposed in this article. After a target is detected, only one active cluster is responsible for the tracking task at each time step. The tracking algorithm is distributed by passing the sensing and computation operations from one cluster to another. An event-driven cluster reforming scheme is also proposed for balancing energy consumption among nodes. Observations from three cluster members are chosen and a new class of particle filter termed cost-reference particle filter (CRPF) is introduced to estimate the target motion at the cluster head. This CRPF method is quite robust for wireless sensor network tracking applications because it drops the strong assumptions of knowing the probability distributions of the system process and observation noises. In simulation experiments, the performance of the proposed collaborative target tracking algorithm is evaluated by the metrics of tracking precision and network energy consumption.     

基于子空间的目标跟踪算法研究

末制导跟踪阶段,导弹的飞行姿态,弹体与目标的距离以及目标自身的运动姿态和形态均会发生较大的变化,采用单一固定模板无法实现稳定跟踪。本文提出一种新的基于子空间的运动目标跟踪算法,首先采用一组正交的稀疏子空间特征向量表示目标模型,然后采用增量方法不断更新子空间模型,以适应由于目标内在和外在因素所造成的在外观上的变化,从而提高跟踪精度;采用重要性采样算法以及最大似然估计,解决复杂的优化问题。实验结果表明,当摄像机与背景发生较大相对运动以及目标姿态发生剧烈变化时,仍然能够实现对目标的持续稳定跟踪,平均跟踪误差小于10个像素。基本满足末制导跟踪系统的稳定性和鲁棒性等要求。