發(fā)布時(shí)間：2017-10-18 17:37

  本文關(guān)鍵詞：基于粒子群優(yōu)化的目標(biāo)跟蹤傳感器節(jié)點(diǎn)的選擇

  更多相關(guān)文章： 無線傳感器網(wǎng)絡(luò) 傳感器選擇 后驗(yàn)克拉美-羅下界 粒子濾波器 粒子群算法 多目標(biāo)優(yōu)化

【摘要】：無線傳感器網(wǎng)絡(luò)(Wireless Sensor Networks,WSN)是由一組能夠感知和監(jiān)測(cè)環(huán)境的小型裝置組合而成的且通過無線方式通信的傳感器網(wǎng)絡(luò),它的應(yīng)用已經(jīng)從軍事擴(kuò)展到醫(yī)療、教育和家庭等眾多領(lǐng)域,為社會(huì)的發(fā)展做出了巨大的貢獻(xiàn)。但是由于WSN中的能量、通信帶寬等資源的限制,選擇最優(yōu)且最少的傳感器節(jié)點(diǎn)組合對(duì)目標(biāo)進(jìn)行跟蹤已成為研究熱點(diǎn),因此無線傳感器網(wǎng)絡(luò)中傳感器節(jié)點(diǎn)的管理對(duì)于目標(biāo)的跟蹤具有非常重要的意義。在目標(biāo)的監(jiān)測(cè)與跟蹤過程中,若所有的節(jié)點(diǎn)都參與目標(biāo)的監(jiān)測(cè)跟蹤,其跟蹤精度會(huì)很高但是節(jié)點(diǎn)的能量消耗也非常多,所以需要對(duì)傳感器節(jié)點(diǎn)進(jìn)行選擇從而節(jié)省能量。本文利用條件后驗(yàn)克拉美-羅下界作為傳感器選擇的判斷標(biāo)準(zhǔn),實(shí)現(xiàn)傳感器節(jié)點(diǎn)的在線選擇,該管理準(zhǔn)則能夠更準(zhǔn)確的估計(jì)目標(biāo)的運(yùn)動(dòng),得出更加精確的跟蹤位置。在WSN中,一般采用窮舉算法對(duì)傳感器量測(cè)節(jié)點(diǎn)進(jìn)行管理。但是在節(jié)點(diǎn)的選擇過程中,隨著系統(tǒng)中被選擇的節(jié)點(diǎn)個(gè)數(shù)的增加,其計(jì)算量也越大。針對(duì)這一問題,本文提出利用二進(jìn)制粒子群算法對(duì)傳感器節(jié)點(diǎn)進(jìn)行管理,該算法簡(jiǎn)單易于理解,參數(shù)少,是通過迭代來尋找最優(yōu)的節(jié)點(diǎn)組合,在很大程度上減少了計(jì)算量。在粒子群算法中每一個(gè)粒子表示一種潛在的傳感器節(jié)點(diǎn)的組合,每個(gè)粒子的維數(shù)表示所有節(jié)點(diǎn)的個(gè)數(shù),算法中的適應(yīng)度函數(shù)是條件后驗(yàn)克拉美-羅下界,結(jié)果表明此算法具有很好的跟蹤性能。在利用二進(jìn)制粒子群算法對(duì)傳感器節(jié)點(diǎn)進(jìn)行管理時(shí),目標(biāo)函數(shù)只有一個(gè)。在實(shí)際的應(yīng)用中通常需要解決的是多個(gè)目標(biāo)同時(shí)優(yōu)化的問題,即目標(biāo)的跟蹤過程中,選擇的傳感器節(jié)點(diǎn)需要在滿足跟蹤性能的同時(shí)其被選擇的節(jié)點(diǎn)的個(gè)數(shù)最少。本文提出利用多目標(biāo)粒子群優(yōu)化算法來解決多目標(biāo)優(yōu)化問題,同時(shí)優(yōu)化兩個(gè)目標(biāo)函數(shù),一個(gè)是傳感器的管理準(zhǔn)則條件后驗(yàn)克拉美-羅下界,一個(gè)是傳感器節(jié)點(diǎn)的個(gè)數(shù)。最后仿真表明該算法的有效性。
【關(guān)鍵詞】：無線傳感器網(wǎng)絡(luò) 傳感器選擇 后驗(yàn)克拉美-羅下界 粒子濾波器 粒子群算法 多目標(biāo)優(yōu)化
【學(xué)位授予單位】：長(zhǎng)安大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2015
【分類號(hào)】：TP212.9;TN929.5
【目錄】：

• 摘要4-5
• Abstract5-9
• 第一章 緒論9-18
• 1.1 研究背景、目的及意義9-11
• 1.2 無線傳感器網(wǎng)絡(luò)中目標(biāo)跟蹤的傳感器管理11-16
• 1.2.1 目標(biāo)跟蹤中傳感器管理面臨的問題11-12
• 1.2.2 目標(biāo)跟蹤中傳感器管理的研究現(xiàn)狀12-16
• 1.3 本論文的主要研究?jī)?nèi)容16-17
• 1.4 本論文的結(jié)構(gòu)安排17-18
• 第二章 CPCRLB及粒子濾波器18-27
• 2.1 非線性動(dòng)態(tài)系統(tǒng)下的CPCRLB18-21
• 2.2 粒子濾波器21-22
• 2.2.1 狀態(tài)空間模型21-22
• 2.2.2 基于粒子濾波的目標(biāo)跟蹤22
• 2.3 目標(biāo)的運(yùn)動(dòng)模型和傳感器節(jié)點(diǎn)的觀測(cè)模型22-24
• 2.4 基于目標(biāo)信號(hào)強(qiáng)度的CPCRLB24-25
• 2.5 基于CPCRLB的傳感器選擇25
• 2.6 本章小結(jié)25-27
• 第三章 基于PSO的傳感器節(jié)點(diǎn)的管理27-39
• 3.1 粒子群優(yōu)化算法27-30
• 3.1.1 粒子群算法的思想27
• 3.1.2 粒子群算法的原理27-29
• 3.1.3 粒子群算法的流程29-30
• 3.2 二進(jìn)制粒子群優(yōu)化算法30-35
• 3.2.1 BPSO在傳感器選擇的應(yīng)用31-33
• 3.2.2 BPSO的位置初始化33-35
• 3.3 實(shí)驗(yàn)仿真與分析35-38
• 3.4 本章小結(jié)38-39
• 第四章 基于MOPSO的傳感器節(jié)點(diǎn)的管理39-62
• 4.1 多目標(biāo)優(yōu)化39-42
• 4.1.1 多目標(biāo)優(yōu)化中的基本概念39-41
• 4.1.2 目標(biāo)函數(shù)41-42
• 4.2 多目標(biāo)粒子群優(yōu)化算法42-43
• 4.3 選擇最優(yōu)傳感器組合43-44
• 4.4 實(shí)驗(yàn)仿真與分析44-61
• 4.5 本章小結(jié)61-62
• 總結(jié)與展望62-64
• 參考文獻(xiàn)64-68
• 攻讀學(xué)位期間取得的研究成果68-69
• 致謝69

【參考文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫(kù) 前1條

1 楊小軍;馬祥;宋青松;邢科義;;基于條件后驗(yàn)克拉美 羅下界的目標(biāo)跟蹤傳感器管理[J];控制理論與應(yīng)用;2013年05期

，

本文編號(hào)：1056261