视野有限的传感器网络中分布式多目标跟踪

在传感器网络的多目标跟踪研究中,大多数现有的跟踪算法通常设定网络中所有节点具有相同的视野,即所有节点都能够得到目标的测量,但在实际中,节点的感测范围通常是有限的。针对这一问题,本文提出了一种能够在感测范围有限的多传感器网络中实现多目标跟踪的分布式概率假设密度滤波算法,该算法通过融合传感器网络视野范围内的后验概率假设密度粒子集来克服传感器节点感测范围的局限。仿真结果表明,提出的算法可以在感测范围有限的情况下实现多目标状态和数目的有效跟踪,同时可以在一定程度上抑制杂波,具有较好的跟踪稳定性。      

OFDMA上行系统中基于随机集理论的多用户信道估计

针对正交频分多址(OFDMA)上行系统,提出一种基于随机集理论的导频辅助多用户信道估计算法。该算法利用有限随机集合来建模和表示OFDMA上行系统中的用户状态、各用户对应的多径信道状态以及信道冲激响应等未知量,采用贝叶斯滤波理论来描述多用户信道估计问题,通过使用Rao-Blackwellized粒子滤波算法,实现了活动用户数和信道多径数动态变化情况下的多用户时变信道估计。计算机仿真结果证明了该算法的有效性。