《无线传感器网络中目标跟踪的马尔可夫模型与预测方法》PDF+DOC
作者:刘美,黄道平
单位:中国微米纳米技术学会;东南大学
出版:《传感技术学报》2010年第05期
页数:5页 (PDF与DOC格式可能不同)
PDF编号:PDFCGJS2010050230
DOC编号:DOCCGJS2010050239
下载格式:PDF + Word/doc 文字可复制、可编辑
《无线传感器网络中卡尔曼滤波在移动目标跟踪中的研究》PDF+DOC2011年第03期 姚先连,胡贞,吕晓玲
《基于灰预测的无线传感器网络跟踪策略研究》PDF+DOC2016年第04期 左君伟,衣晓,吴斌
《基于无迹卡尔曼滤波和协方差交叉融合的分层多簇无线传感器网络多速率跟踪算法》PDF+DOC2020年第27期 许红香,白星振,董礼廷,张金昌
《无线传感器网络动态最近邻协作目标跟踪算法》PDF+DOC2012年第07期 龙慧,樊晓平,刘少强,唐文妍
《无线传感器网络可扩展一致性目标跟踪算法研究》PDF+DOC2012年第11期 龙慧,樊晓平,刘少强
《基于声强的无线传感器网络目标跟踪方法研究》PDF+DOC2009年第11期 陈积明,张艳平,曹向辉,申兴发,孙优贤
《时间异步无线传感器网络的分布式目标跟踪》PDF+DOC2009年第10期 万江文,薛皓,于宁,陈斌
《无线传感器网络中用于目标跟踪的节点规划算法》PDF+DOC2014年第03期 唐显锭,冯辉,杨涛,胡波
《用于目标跟踪无线传感器网络的动态分簇算法》PDF+DOC2013年第08期 郑国强,李丽,李济顺
《分布式动态一致性非线性目标跟踪策略研究》PDF+DOC2013年第05期 龙慧,樊晓平,刘少强
针对目标运动是一个包含许多不确定因素的非线性非高斯随机过程,提出基于马尔可夫随机场模型与粒子滤波的WSN分布式目标跟踪方法(MRF-PF)。把目标跟踪过程看作是一个马尔可夫过程,基于贝叶斯规则,建立目标状态分布函数,用粒子滤波估计目标状态,实现目标跟踪。实验结果:对于泊松白噪声,MRF-PF方法的跟踪均方根误差RMSE相比卡尔曼滤波(KF)和扩展卡尔曼滤波(EKF)方法分别降低52.6%、49.2%;对于方差σ2由0.3→3的高斯噪声,GM-PF方法的RMSE相比KF、EKF分别降低54.5%~77.2%和23.5%~54.2%。这表明MRF-PF方法在非线性非高斯噪声或高斯噪声变化较大时具有较好的抗噪能力及跟踪性能。
提示:百度云已更名为百度网盘(百度盘),天翼云盘、微盘下载地址……暂未提供。