本文關鍵詞：基于WSN的目標跟蹤方法研究

  更多相關文章： 無線傳感器網(wǎng)絡 協(xié)同跟蹤 強化學習 目標跟蹤 概率假設密度 量化新息

【摘要】：無線傳感器網(wǎng)絡(WSN)具有跟蹤精細、可靠、及時、隱蔽等特點,非常適用于復雜環(huán)境下的目標跟蹤。由于WSN節(jié)點資源有限,本文針對WSN的目標跟蹤熱點問題進行了研究,主要研究內(nèi)容如下:針對WSN協(xié)同跟蹤過程中跟蹤精度與能量消耗矛盾的問題,提出基于強化學習的協(xié)同跟蹤算法。該算法通過Q學習方法獲得簇首最優(yōu)動作策略,進行最優(yōu)簇首切換及簇成員的最優(yōu)選擇;在滿足跟蹤精度的前提下,通過減少簇成員個數(shù)和動態(tài)選擇采樣時間間隔降低網(wǎng)絡能耗。仿真結果表明該算法不僅保證了跟蹤精度,且有效降低了網(wǎng)絡的能量消耗。針對多目標跟蹤中新生目標強度未知的問題,提出基于量測驅(qū)動的概率假設密度濾波算法。該算法以量測驅(qū)動方式避免了對新生目標強度先驗知識的依賴;采用增廣狀態(tài)空間方法,避免了雜波對真實目標強度估計的干擾。仿真結果表明,該算法具有對目標數(shù)目變化敏感的優(yōu)勢,同時可降低計算復雜度,明顯提高了跟蹤精度。針對WSN中能量有限的問題,提出基于量化新息的目標跟蹤算法。該算法使用量測新息量化方法,降低了量化誤差;同時設置數(shù)據(jù)刪減門限,降低了能量消耗。仿真結果表明該算法在可降低網(wǎng)絡能耗的情況下對跟蹤精度改變較小。搭建了基于WSN的目標跟蹤仿真平臺,包括超聲波六元陣列傳感器網(wǎng)絡與監(jiān)控中心軟件平臺兩部分。前者實現(xiàn)了傳感器異步數(shù)據(jù)采集以及無線組網(wǎng)數(shù)據(jù)傳輸功能;后者既能根據(jù)采集數(shù)據(jù)計算目標運動軌跡,又能夠進行不同參數(shù)下目標跟蹤算法的性能研究。系統(tǒng)平臺測試表明,該平臺可初步實現(xiàn)對運動目標的跟蹤。
【關鍵詞】：無線傳感器網(wǎng)絡 協(xié)同跟蹤 強化學習 目標跟蹤 概率假設密度 量化新息
【學位授予單位】：南京航空航天大學
【學位級別】：碩士
【學位授予年份】：2016
【分類號】：TP212.9;TN929.5
【目錄】：

• 摘要4-5
• ABSTRACT5-10
• 縮略詞10-11
• 注釋表11-12
• 第一章 緒論12-18
• 1.1 研究背景與意義12-13
• 1.2 國內(nèi)外相關研究現(xiàn)狀13-16
• 1.2.1 WSN跟蹤算法研究現(xiàn)狀13-15
• 1.2.2 多目標跟蹤算法研究現(xiàn)狀15-16
• 1.2.3 WSN目標跟蹤仿真平臺研究現(xiàn)狀16
• 1.3 WSN目標跟蹤面臨的挑戰(zhàn)16-17
• 1.4 論文的主要研究工作和組織結構17-18
• 第二章 基于強化學習的無線傳感器網(wǎng)絡協(xié)同跟蹤算法18-30
• 2.1 引言18
• 2.2 強化學習理論概述18-19
• 2.3 基于強化學習的WSN協(xié)同跟蹤算法19-27
• 2.3.1 模型建立20-21
• 2.3.2 基于強化學習的節(jié)點參數(shù)選擇及協(xié)同自組織方法21-24
• 2.3.3 基于強化學習的WSN目標跟蹤24-25
• 2.3.4 RLCTA算法流程25-27
• 2.4 算法仿真及結果分析27-29
• 2.5 本章小結29-30
• 第三章 基于量測驅(qū)動的PHD濾波多目標跟蹤30-43
• 3.1 引言30
• 3.2 PHD濾波理論基礎30-33
• 3.2.1 PHD濾波算法31-32
• 3.2.2 傳統(tǒng)PHD濾波算法存在問題32-33
• 3.3 MDTBI-PHD濾波算法33-39
• 3.3.1 基于增廣空間的PHD濾波器33-34
• 3.3.2 基于量測驅(qū)動的新生目標強度估計方法34-35
• 3.3.3 MDTBI-PHD多目標跟蹤35-36
• 3.3.4 MDTBI-PHD濾波器的實現(xiàn)36-39
• 3.4 算法仿真及結果分析39-41
• 3.5 本章小結41-43
• 第四章 基于量化新息的無線傳感器網(wǎng)絡目標跟蹤算法43-49
• 4.1 引言43
• 4.2 量化條件下的運動模型建立43
• 4.3 基于量化新息的目標跟蹤算法43-47
• 4.3.1 量化策略選取43-45
• 4.3.2 量化對象選取45
• 4.3.3 數(shù)據(jù)刪減新息量化45
• 4.3.4 數(shù)據(jù)刪減量化新息目標跟蹤算法45-47
• 4.4 仿真結果與分析47-48
• 4.5 本章小結48-49
• 第五章 基于WSN的目標跟蹤仿真平臺設計與實現(xiàn)49-68
• 5.1 引言49
• 5.2 基于WSN的目標跟蹤仿真平臺總體架構49-50
• 5.3 超聲波六元陣列無線傳感器網(wǎng)絡設計50-60
• 5.3.1 節(jié)點硬件設計50-56
• 5.3.2 無線傳感器網(wǎng)絡節(jié)點程序設計56-60
• 5.3.3 跟蹤對象設計60
• 5.4 監(jiān)控中心軟件平臺設計60-64
• 5.4.1 監(jiān)控中心軟件平臺總體框架與功能60-61
• 5.4.2 監(jiān)控中心軟件平臺功能實現(xiàn)61-64
• 5.5 系統(tǒng)測試及結果分析64-67
• 5.5.1 測試環(huán)境及過程64-65
• 5.5.2 測試結果及分析65-67
• 5.6 本章小結67-68
• 第六章 總結與展望68-70
• 6.1 全文工作總結68-69
• 6.2 研究展望69-70
• 參考文獻70-74
• 致謝74-75
• 在學期間的研究成果及發(fā)表的學術論文75

【參考文獻】

中國期刊全文數(shù)據(jù)庫 前10條

1 楊小軍;張亞粉;;基于觀測數(shù)據(jù)刪減及量化新息的無線傳感器網(wǎng)絡目標跟蹤[J];控制與決策;2015年05期

2 趙晴晴;段渭軍;傅賢鋒;;基于超聲波六元陣列TDOA測距的WSN定位系統(tǒng)設計與實現(xiàn)[J];傳感技術學報;2014年09期

3 徐小良;湯顯峰;葛泉波;管冰蕾;;基于量化新息的容積粒子濾波融合目標跟蹤算法[J];自動化學報;2014年09期

4 趙雪剛;宋驪平;姬紅兵;;量化量測條件下的交互多模型箱粒子濾波[J];西安電子科技大學學報;2014年06期

5 李翠蕓;江舟;姬紅兵;;一種新的未知雜波環(huán)境下的PHD濾波器[J];西安電子科技大學學報;2014年05期

6 楊峰;王永齊;梁彥;潘泉;;基于概率假設密度濾波方法的多目標跟蹤技術綜述[J];自動化學報;2013年11期

7 閆小喜;韓崇昭;;基于目標出生強度在線估計的多目標跟蹤算法[J];自動化學報;2011年08期

8 陳延軍;潘泉;梁彥;魏雅川;;基于IDSQ的自適應動態(tài)協(xié)同自組織算法[J];控制與決策;2011年03期

9 危阜勝;胥布工;高煥麗;謝立華;;基于無線傳感器網(wǎng)絡的分布式處理目標跟蹤系統(tǒng)[J];傳感技術學報;2009年10期

10 關小杰;陳軍勇;;無線傳感器網(wǎng)絡中基于量化觀測的粒子濾波狀態(tài)估計[J];傳感技術學報;2009年09期

中國博士學位論文全文數(shù)據(jù)庫 前5條

1 張鶴冰;概率假設密度濾波算法及其在多目標跟蹤中的應用[D];哈爾濱工程大學;2012年

2 許建;基于量化信息的目標狀態(tài)估計與融合[D];上海交通大學;2012年

3 陳軍勇;無線傳感器網(wǎng)絡分布式量化估計[D];華南理工大學;2011年

4 劉美;WSN多目標跟蹤節(jié)點任務分配及跟蹤算法研究[D];華南理工大學;2010年

5 周彥;無線傳感器網(wǎng)絡中基于量化信息的目標狀態(tài)估計與融合[D];上海交通大學;2010年

中國碩士學位論文全文數(shù)據(jù)庫 前3條

1 葉景志;基于混合估計算法的傳感器節(jié)點簇的切換與管理策略[D];華南理工大學;2013年

2 王杰;超聲波傳感器網(wǎng)絡目標跟蹤系統(tǒng)設計與算法[D];浙江大學;2013年

3 于春娣;基于無線傳感器網(wǎng)絡的目標跟蹤技術研究[D];南京航空航天大學;2013年

，

本文編號：554704