《基于传感器网络的分布式生化气体源参数测定算法》PDF+DOC
作者:张勇,孟庆浩,吴玉秀,曾明
单位:天津大学
出版:《天津大学学报(自然科学与工程技术版)》2012年第05期
页数:6页 (PDF与DOC格式可能不同)
PDF编号:PDFTJDX2012050110
DOC编号:DOCTJDX2012050119
下载格式:PDF + Word/doc 文字可复制、可编辑
《EKF和UKF算法在无线传感器网络目标跟踪中的应用》PDF+DOC2013年第04期 史岩,朱涛,傅军,张亚宁
《传感器故障条件下的自适应UKF算法》PDF+DOC2015年第11期 赵辉,周欢,翁兴伟,李牧东
《一类分布式传感器粒子滤波融合算法》PDF+DOC2015年第18期 高蕊
《基于四元数的UKF多传感器卫星姿态确定》PDF+DOC2012年第02期 陈志明,王惠南,刘海颖
《分布式多传感器融合跟踪》PDF+DOC2011年第06期 黄铫,张天骐,李越雷,苗圃
《基于“当前”模型的IMM-UKF机动目标跟踪融合算法研究》PDF+DOC2011年第06期 崇阳,张科,吕梅柏
《粒子滤波在无线传感器网络目标跟踪中的应用》PDF+DOC2008年第03期 王欣威,董慧颖,杨悦平
《无线传感器网络中基于贝叶斯技术的气体源定位研究》PDF+DOC2008年第12期 匡兴红,邵惠鹤
《基于自适应变结构信息滤波的目标跟踪算法》PDF+DOC2015年第17期 李莹,周德云,俞吉
《基于强跟踪UKF的室内目标跟踪》PDF+DOC2015年第08期 张英坤
针对生化气体源参数测定问题,提出了一种基于传感网络的分布式贝叶斯迭代估计算法,该算法在给定气体物理分布扩散模型条件下,通过传感器节点获取气体浓度,并基于分布式扩展卡尔曼滤波(EKF)和无迹卡尔曼滤波(UKF)实现气体源的坐标定位和释放率估计.通过仿真实验对两种分布式算法进行性能分析,结果表明,UKF算法在参数估计成功率和参数估计误差两个方面均要好于EKF算法,分别可以提高约50%和70%,其收敛速度快,使用节点少,更有助于节省网络能量消耗,并延长其生存周期。
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。