一种基于SVM重采样的似然粒子滤波算法

针对弱观测噪声条件下非线性、非高斯动态系统的滤波问题,提出一种基于支持向量机的似然粒子滤波算法.首先,采用似然函数作为提议分布,融入最新的观测信息,比采用先验转移密度的一般粒子滤波算法更接近状态的真实后验密度;然后,利用当前粒子及其权值,使用支持向量机估计出状态的后验概率密度模型;最后,根据此模型重采样更新粒子集,有效地克服粒子退化现象并提高状态估计精度.仿真结果表明了所提出算法的可行性和有效性.     

无线传感器网络层次参考时间同步算法的研究

无线传感器在网络应用中要求节点间保持时间同步,但现存的经典时间同步算法,因节点的接收时间受时钟偏差和传输延迟的影响,其同步精度不高。为提高网络时间同步精度,均衡节点能耗,提出了一种改进的层次参考时间同步算法（Improved Hierarchy Referencing Time Synchronization,IHRTS）。该算法基于节点在层次结构中唯一物理位置的时间特性,采用贝叶斯估计对节点接收时间进行估算,缩小时间偏差的误差范围,获得比较精确的同步偏移量,从而改善时间同步精度;同时采用无线信道的广播特性与双向同步机制的同步思想,最小化了通信负载,均衡了节点能耗。通过仿真结果表明将贝叶斯估计方法应用到时间同步算法中,在均衡节点能量消耗同时有效地提高了网络同步精度。     

基于箱式粒子滤波的群目标跟踪算法

在现有群目标跟踪方法中,粒子滤波(Particle filter, PF)算法常被用来解决点量测的非线性滤波问题.而当量测数据受到测量偏差或未知分布边界误差的影响时,传感器获得的点量测需要转换成区间量测,此时原有PF算法不能直接适用.因此,本文提出基于广义似然(Generalized likelihood, GL)函数加权的PF算法.该算法在原有PF算法的基础上,利用广义似然函数的积分解来计算区间量测下的粒子权重.为了降低算法的运算量问题,又提出基于箱式粒子滤波(Box particle filter, Box-PF)的群跟踪算法.首先,在目标状态空间内抽样矩形区域的箱式粒子.然后采用区间分析和约束传播方法,利用区间量测压缩后的粒子与预测粒子的容积比来计算粒子权重.最后,在群目标状态估计结果和群演化网络模型的基础上估计群结构.仿真实验结果表明,与GL-PF算法相比, Box-PF算法具有更高的运算效率,并能降低估计结果中的峰值误差.     

基于二元多跳WSN的信道容错的目标定位方法

针对信道退化的多跳无线传感器网络下的定位问题,基于最大似然估计提出一种新的信道容错的定位算法.传感器节点接收到的源信号强度数据被压缩量化为二元信号,经Rayleigh退化信道多跳中继到达融合中心.利用信道退化统计量和译码策略,推导出二元观测数据的似然函数,基于最大似然估计获得目标定位,进一步给出目标位置估计的克拉美-罗下界.仿真结果表明了所提出算法的有效性.     

基于均值漂移和联合粒子滤波的移动节点定位算法

针对无线传感器网络移动节点定位面临的高精度和实时性要求,把均值漂移算法引入联合粒子滤波(Joint ParticleFilter)框架.提出了基于均值漂移和联合粒子滤波的移动节点定位算法.它使用均值漂移算法构建粒子滤波的建议分布,通过有效利用最新观测信息,提高粒子状态估计的准确性,使得采样粒子的状态分布与后验概率分布更接近,减少了状态估计必需的粒子数目.该算法还提出了基于虚拟海明距离和交互势的权重计算方式,减少相邻移动节点间的干扰.仿真实验结果表明,基于均值漂移算法和联合粒子滤波的移动节点定位,可获得比基本粒子滤波更高的定位精度,其定位精度与无味粒子滤波(Uscented Particle Filter)相当,而计算开销比无味粒子滤波减小至少50%.     

一种基于水下无线传感器网络的目标跟踪方法

本发明公开了一种基于水下无线传感器网络的目标跟踪方法。该方法首先根据最强信号原则选择簇节点,然后根据单跳距离准则组成簇网络对目标进行观测,如果观测信号强度超过阈值,则发送观测数据给簇头节点。簇头节点接收到粗内节点传送的数据,采用改进重采样的粒子滤波算法对当前时刻的目标位置和方差进行估计。根据目标的运动不断地更新簇头节点,将上一簇头节点状态估计值和方差估计值传送给当前簇头节点,再由当前簇头节点采用改进的重采样粒子滤波算法估计运动目标位置,直到运动目标超出了水下无线传感器网络的跟踪范围;本发明使用改进重采样算法的粒子滤波跟踪方法估计水下目标的位置和方差,提高水下无线传感器网络的目标跟踪性能。     

无线传感器网络中基于量化观测的粒子滤波状态估计

无线传感器网络环境下处理分布式状态估计问题,由于网络中的带宽限制,减少通信成本是非常重要的一个环节,需要将观测值量化后再传送.针对非线性系统的状态滤波问题,本文提出了一种基于量化观测的粒子滤波状态估计算法,并阐述了基于量化观测的状态估计过程.文中分别采用基于均匀量化(UQDPF)和非均匀量化(NUQDPF)观测的分布式粒子滤波算法进行状态估计,通过被动跟踪仿真实例,利用均方根误差(RMSE)比较了误差性能,并且比较了在不同量化级数下的非均匀量化算法的跟踪误差,仿真结果表明,基于非均匀量化观测的粒子滤波器具有更高的跟踪精度,是一种有效的非线性滤波算法.     

同时机器人定位与人体跟踪的多源感知协作粒子滤波方法

提出了分布式多传感器协作的条件粒子滤波算法以解决人与机器人位置的联合概率分布估计问题．全局视觉系统中,各视角独立运行图像平面上基于粒子滤波的目标跟踪,并利用地平面单应关系实现多视角目标主轴同步融合．视觉观测进一步与机器人激光数据以顺序滤波方式异步融合,提出包含人体位置假设的激光似然场模型以提高对机器人位姿误差的鲁棒性,并引入基于Kullback-Leibler距离的自适应采样以降低描述联合分布所需的粒子数目．实验验证了该方法能够在具有观测噪声且人—机位置均不确定的情况下利用多传感器协作实现基于地图的同时机器人定位与人体跟踪．     

改进粒子滤波的无线传感器网络目标跟踪算法

针对粒子滤波(PF)重采样后造成的粒子枯竭现象的问题,提出了一种基于改进重采样的粒子滤波无线传感器网络目标跟踪算法.该算法避免了残差重采样算法中的残留粒子重采样问题,减少了计算时间;通过产生新的粒子,增加了粒子的多样性,从而改善了粒子枯竭现象.仿真实验结果表明:改进重采样的粒子滤波算法提高了目标跟踪精度,降低了跟踪误差.     

短波突发通信中盲载波恢复及符号检测技术

针对传统短波突发通信中载波恢复及符号检测问题,提出了一种基于粒子滤波的无辅助数据的算法。首先利用贝叶斯准则实现收发频率差的最大后验估计,然后通过粒子滤波算法实现载波相位和调制符号的最小均方误差估计。算法中使用了序列重要性采样技术实现粒子权值的迭代更新和系统重采样技术防止粒子权重的衰退。仿真分析了高斯白噪声信道下的载波恢复性能,结果表明,基于粒子滤波的载波恢复算法载波恢复时间短,同步速度快,恢复频率范围广。建立以Watterson模型为基础的短波通信系统模型,通过该模型在不同的信道状态、信噪比和频偏条件下进行了仿真实验。结果表明在大频差的条件下,算法也具有良好的符号检测性能。     

高精度低功耗无线传感器网络时间同步算法

通过对无线传感器网络参考广播同步（RBS）算法的研究,针对RBS多跳算法网络开销大和不能实现全网同步的问题,在基于环形网络拓扑的参考广播环形同步（RBRS）算法基础上,提出一种改进的RBRS （IRBRS）算法.该算法引入可变周期同步法：根据贝叶斯最大后验估计原理,估算出最大相位偏差来决定同步周期,从而减少节点同步次数,并且采用最小二乘线性回归法,周期性拟合时钟偏移.运用Matlab环境进行仿真,仿真结果表明：IRBRS算法同步精度显著提高,并且能量消耗显著减少,更有利于延长无线传感器网络的寿命.     

基于约束策略的WSN低能耗粒子滤波跟踪算法

目标跟踪是无线传感器网络研究的关键技术之一,如何在保证较低能量消耗的前提下,实现监测场景中运动目标准确跟踪是需要解决的问题。在深入研究分析传感器网络目标跟踪算法的基础上,提出了基于约束策略的WSN低能耗粒子滤波跟踪算法。该算法采用动态分簇,既减少网络的能量消耗,又保证监测目标节点的数量;在跟踪过程中,采用约束策略得出目标估计区域,对粒子采样结果进行优化,同时对状态空间模型进行改进,增强粒子对目标的跟踪能力。仿真结果表明,提出的跟踪算法有效的实现目标的跟踪,在保证低能耗的同时提高了跟踪精度。     

免时间戳交互的无线传感网隐含节点同步参数估计算法

能效是无线传感网(Wireless sensor networks, WSNs)时间同步机制设计时需考虑的一个关键因素. 近年来, 隐含同步和免时间戳同步两种低功耗同步机制备受关注. 前者利用监听方式节省了发送同步信息所带来的能耗; 后者则通过接收端的定时响应, 无需在交互过程中传递时间戳, 减少了能量开销. 将免时间戳同步与隐含同步相结合, 能够进一步降低无线传感网同步功能实施所导致的额外能耗. 但目前免时间戳交互下的隐含节点只能估计时钟漂移, 无法估计时钟偏移. 针对该问题, 提出了一种基于最大似然估计(Maximum likelihood estimation, MLE)的免时间戳同步参数估计算法, 实现对隐含节点时钟漂移和偏移参数的联合估计, 并推导获得了对应估计器的性能界限. 仿真结果验证了所提估计器的有效性.     

基于簇的能量均衡无线传感器网络时间同步算法

针对现有时间同步算法应用于多跳无线传感器网络时存在的误差累计和能耗不均衡问题,提出一种基于簇的能量均衡时间同步算法。该算法基于簇状分层的网络拓扑,簇首之间采用双向监听机制代替双向交换机制,以减小通信开销和发送时延带来的同步误差;簇成员节点利用双向交换和单向广播相结合的机制与簇首同步,并通过最优剩余能量选取回应节点,均衡簇内节点能耗。对提出的新方法和传统的同步算法在精度和能耗方面进行理论分析和仿真验证,结果表明,该算法在保证较高同步精度的前提下可以减小通信开销,均衡网内节点能量消耗,延长网络生命周期。     

基于蛙跳算法的无线传感器网络节点定位

为减小测距误差对无线传感器网络定位精度的影响,将蛙跳算法应用到距离式定位算法的位置计算阶段中,提出了蛙跳定位算法。该算法在适应度函数设计中,根据节点间的测距信息对锚节点进行了加权处理,以降低测距误差对定位结果的影响。结合最小最大法构造初始种群,使其包含更多可行解,从而提高算法效率。仿真结果表明,与采用极大似然估计法或总体最小二乘法来进行位置计算的距离式定位算法相比,该算法有效降低了距离误差对定位精度的影响,具有较高的定位精确度和稳定性,是一种实用的无线传感器网络节点定位方法。     

基于闭环调整策略的无线HART时间同步方法

时间同步是无线传感器网络的关键技术之一。无线HART是用于复杂工业环境的WSN通信协议.为了解决其时间同步问题,文章提出了一种基于闭环调整策略的时间同步方法 CATS。该方法通过测量同步节点之间的时间偏差,获得同步节点之间时间偏差对象模型参数,建立内部受控对象模型,实现节点间的时间偏差的短周期闭环调整。在CC2430通信模块上的实测表明:该方法具有同步精度高、环境适应性好、计算复杂度低等特点,为复杂工业领域中无线HART的时间同步提出了较优的方案。     

多层动态分簇的WSN时间同步算法

无线传感器网络受多跳传输延迟和节点中的晶振准确度的影响,造成时间同步误差较大.为了减小同步误差,传统解决方法提高了同步算法的频率,这使得算法面临两个问题:①通信能耗较高;②精度与能耗之间的不平衡.针对以上问题,结合单向广播机制和双向成对机制,提出一种多层动态分簇的无线传感器网络时间同步算法.采用节点分层策略减少了同步通信开销;采用同步误差补偿机制降低了算法同步误差的影响,使用时钟补偿机制减少了传感器节点运行的累积误差.实验测试表明:在保证精度的前提下,本算法降低了同步次数,减少了同步通信开销,从而延长了网络的生命周期.     

基于分布式粒子滤波的二进制无线传感器网络目标跟踪

为了提高二进制无线传感器网络跟踪算法的精度和实时性,降低传感器节点能耗,将分布式粒子滤波运用到二进制无线传感器网络中进行目标跟踪。选择信号强度最大的节点作为簇头节点,在簇头单跳通信范围内的所有节点和簇头组成对目标跟踪的动态分簇,在簇头节点进行粒子采样和状态估计,在簇头之间传递粒子及其权值,从而得到了二进制无线传感器网络的分布式粒子滤波跟踪算法。研究了粒子数和网络节点数量对跟踪精度的影响。仿真结果表明,传感器的节点数量会影 响跟踪精度,但是粒子数对跟踪精度的影响更大。同时分布式粒子滤波比集中式粒子滤波具有更好的实时性和更低的能耗。     

无线传感器网络的多跳时间同步优化算法

通过对无线传感器网络RBS时间同步算法（Reference Broadcast Synchronization,RBS）的研究,针对多跳全网的时间同步问题,提出基于环形网络拓扑的RBS环形算法（References Broadcast Bing Synchronization,RBRS）。该算法在RBS的基础上,采用广播分组和最小平方线性回归的方法实现全网时间同步。从同步误差和开销两方面对该算法和现有的RBS优化算法作理论比较。算法在众多算法中具有一定的优越性,适用于轻型、低功耗的无线传感器网络负载。使用matlab软件进行仿真,实验结果表明优化后的算法和初始算法相比误差累积小、同步开销显著减少,并且能够实现全网络的时间同步。