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。     

二进制无线传感器网络中的分布式自适应粒子滤波目标跟踪算法

为了提高无线传感器网络目标跟踪的实时性,减少通信量,提出了一种二进制无线传感器网络的分布式自适应粒子滤波算法,该算法在簇头更换时,簇头之间只需要传送滤波值和误差方差,而无需传递大量粒子,同时该算法根据滤波方差在线调整粒子数,从而降低了算法的计算量。从算法耗时、均方根误差(跟踪精度)以及通信量等方面进行了仿真研究。仿真结果表明,分布式自适应粒子滤波算法的耗时、通信量要明显少于集中式粒子滤波和分布式粒子滤波;同时其均方根误差的变化幅度受粒子数的影响非常小,具有更好的跟踪性能。     

二进制无线传感器网络目标定位跟踪算法

二进制无线传感器网络是一种新的和具有巨大潜在应用前景的目标定位跟踪平台,它具有通信负荷少,生存能力强等特点。提出一种基于网络时间的迭代算法,在目标通过一定数量的节点后,给出较为精确的目标运动参数,并在算法迭代的过程中,不断优化算法结果。最后,运用多Agent仿真思想,借助于RePAST仿真平台对算法进行了仿真验证。     

无线传感器网络目标跟踪算法的研究

研究传感器网络目标跟踪精度问题,跟踪目标的运动轨迹具有时变性,是一种非线性、非高斯问题,传统跟踪算法解决非线性问题时具有局限性,导致目标跟踪精度不高。为提高目标跟踪精度,将不受非线性、非高斯问题限制的粒子滤波算法引入到无线传感器网络目标跟踪应用中,并对基本粒子滤波算法的缺陷进行改进。仿真结果表明,改进粒子滤波算法提高了粒子利用效率,不仅提高了目标跟踪的精度,跟踪性能更好,并适合于目标跟踪的精度和实时性要求,为设计网络系统提供了参考。     

粒子滤波在无线传感器网络目标跟踪中的应用

将粒子滤波（PF）算法应用于无线传感器网络（WSNS）的目标跟踪,并给出了粒子滤波实现的具体步骤。动态组织传感器网络节点成簇,实现了对网络中做匀速直线运动的单个目标的跟踪。分别采用扩展卡尔曼滤波（EKF）、无迹卡尔曼滤波（UKF）和PF算法进行了仿真试验。结果表明,在无线传感器网络目标跟踪领域,PF算法比EKF算法、UKF算法的滤波精度更高,性能更好,并且在实际应用中,由于该算法能够有效解决非线性、非高斯环境中的目标跟踪问题,实现简单而增强了可用性。     

粒子滤波实现无线传感器网络目标跟踪预测

为减少无线传感器网络(WSN)目标跟踪预测误差,提出一种粒子滤波实现WSN目标跟踪预测方法;该方法采用粒子滤波获得目标运动状态,联合当前时刻目标的本地估计位置、预测速度和加速度获得下一时刻目标预测位置,预测位置可作为当前头节点唤醒所述下一时刻传感器节点的依据;结果表明,上述粒子滤波预测方法预测准确度相比线性预测方法明显提高,均方根误差RMSE减少49%;相比基于二次多项式运动建模的WSN目标跟踪预测方法,均方根误差RMSE减少6%。     

权值选优粒子滤波的无线传感器网络目标跟踪

基于动态分簇结构的特点,结合权值选优粒子滤波(PF)算法的优越性,研究了无线传感器网络分布式目标跟踪算法.该方法采用这种改进的粒子滤波算法,利用簇和簇之间的传递关系,获得目标的动态状态.根据当前时刻目标的本地估计位置、预测速度和加速度,获得目标的预测位置.结果表明:此方法相比集中式目标跟踪,能在节省能量消耗的基础上,比...     

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.     

基于粒子滤波的二元无线传感器网络分布式目标跟踪研究

针对二元无线传感器网络中利用粒子滤波进行集中式跟踪的不足,基于动态分簇结构,研究了基于粒子滤波的二元无线传感器网络分布式目标跟踪算法。算法每一时刻根据目标的状态只激活少量的节点参与探测跟踪,其它节点处于休眠状态以节省能量。最后,利用计算机进行了Monte Carlo仿真,仿真结果表明,算法在不损失跟踪精度的情况可以减少能耗和计算量,从而延长网络使用寿命。     

基于粒子滤波的无线传感器网络目标跟踪算法

传感器节点的组织和路由对无线传感器网络(WSN)目标跟踪算法的性能有重大影响.为此,针对具有簇一树型网络拓扑结构的WSN,首先给出集中式粒子滤波跟踪算法(CPFTA)实现的具体步骤,然后提出一种分布式粒子滤波跟踪算法(DPFTA),构建性能评价体系,通过仿真实验给出两种跟踪算法的定量比较,结果表明DPFTA的跟踪精度稍低于CPFTA,但能大幅度减少通信开销,而且具有更小的跟踪反应时间;最后仿真分析了传感器覆盖密度和检测周值对跟踪算法性能的影响.     

一种路径概率感知的无线传感器网络目标跟踪协议

目标跟踪是无线传感器网络的一种重要应用。目标跟踪协议可分为使用预测和不使用预测两种。许多使用预测的协议假设被跟踪对象保持当前的速度和方向继续运动,但是,在目标沿着一定路径运动时,当处于路径拐点或是分叉点,遵循这种假设的算法很有可能失败。因此,提出一种路径概率感知的目标跟踪无线传感器网络协议。利用路径的拐点和分叉点的目标方向概率信息来预测目标运动新的方向,并且根据节点相对于路径以及邻居的位置来分配感应、通信和运算的能量。提出与路径走向概率相适应的调度方式。概率分析表明,本协议提供更好的目标跟踪效果并且节省能量。     

无线传感器网络目标跟踪性能优化及仿真

无线传感器网络中传感器节点相互协同完成感知任务,以传感器量测的信息效用和获取量测的能量消耗来折中地选择参与的节点,但用户对服务质量Qos( Quality of Service)的需求并没有在节点选择时得以体现。为此本文以目标跟踪为应用背景,提出了一种自适应动态协同自组织算法A-DCS,该算法同时完成检测与状态估计任务,首先根据用户设定的检测概率,确定候选节点集合,选择具有最大检测概率的节点为簇首;随之根据给定的状态估计精度,自适应确定参与感知任务的簇成员顺序和个数。统计不同检测概率和状态估计精度时相应的能量消耗,以此作为系统设计时参数设定的依据,从而最大可能地延长网络的生命周期。仿真表明：在跟踪精度和能量消耗两个指标下,该算法优于IDSQ和DCS。 A-DCS也适用于传感器网络系统中的其他估计问题。     

基于簇结构的无线传感器网络移动目标精确跟踪

对于移动目标跟踪,需要利用加速度或速度恒定的模型对其连续轨迹进行推断.在传感器网络环境下,利用无线传感器网络的冗余特点,提出了一种分簇结构和分时机制下采用流水线工作模式进行跟踪探测的方法,减少两次探测值之间的时间差,通过分析和仿真验证,该方法能够有效地降低对移动目标的跟踪误差.所设计的算法计算复杂度低,实现简单,满足无线传感器网络节点的计算能力要求.     

基于Unscented粒子滤波的无序观测下水下无线传感器网络目标被动跟踪

为提高水下无线传感器网络(UWSN)中的目标被动跟踪性能,提出了一种新的无序观测量(OOSM)处理算法.利用节点动态分簇建立分布式跟踪结构,簇头节点收集子节点的观测量形成本地估计.基于这种分布式结构,利用Unscented粒子滤波(UPF)结合新观测量,产生粒子滤波的建议密度分布,处理OOSM问题.详细推导了基于UPF的OOSM处理算法(OOSM-UPF)的具体实现步骤.利用转弯率建立机动目标跟踪模型,构建虚拟三维WSN仿真环境,比较了几种OOSM算法的性能.仿真结果表明,与其它算法相比,分布式OOSM-UPF算法的跟踪性能有了明显的提高.     

无线传感器网络安全概述

对无线传感器网络的概念、特征进行了简单的介绍,讨论了无线传感器网络特性所带来的安全问题及目前采取的安全机制。其次分析了无线传感器网络的安全目标及特性,并对网络中常见的攻击进行了介绍,最后研究了无线传感器网络目前主要采用的安全路由、密钥管理、身份认证以及入侵检测方面的安全策略,其中重点分析了无线传感器网络入侵检测特点及研究现状。     

无线传感器网络中目标跟踪算法的OPNET仿真

目标跟踪是无线传感器网络在环境测控领域的一个重要应用.由于传感器节点的能量有限,因此研究能量有效的目标跟踪算法是非常关键的.前期提出了一种基于双重负反馈蚁群的目标跟踪算法,将能量消耗平均到多个节点上,避免了部分节点因为长期处于激活状态而过早的失效.通过在OPNET平台上对该算法进行仿真实验,进一步证明了算法在保证一定跟踪精度的前提下,可以实现能量的负载均衡,从而使网络存活时间得以延长.同时也验证了仿真平台的有效性.