《基于传感器网络的分布式生化气体源参数测定算法》PDF+DOC

📙 相关资料

1. 《EKF和UKF算法在无线传感器网络目标跟踪中的应用》PDF+DOC 目标跟踪技术随着无线传感器网络的发展，已经成为倍受重视的研究课题，而目标跟踪技术中的一个核心部分就是滤波算法。扩展卡尔曼滤波(EKF)和无迹卡尔曼滤波(UKF)是重要的非线性滤波方法。本文介绍了EKF和UKF的基本思想和算法实现步骤，并对无线传感器网络下的目标跟踪进行了仿真。结果表明，UKF算法的跟......
2. 《传感器故障条件下的自适应UKF算法》PDF+DOC 针对目标跟踪中传感器故障导致滤波发散或者滤波精度不高的问题，提出一种自适应无迹卡尔曼滤波(UKF)算法.该算法在滤波过程中，根据自适应估计原理引入自适应矩阵因子，实时调整系统状态向量和量测新息向量的协方差，以满足无迹卡尔曼滤波算法的最优性条件，并采取措施对滤波发散的情况进行判断和抑制.与传统UKF和......
3. 《一类分布式传感器粒子滤波融合算法》PDF+DOC 针对非线性非高斯的分布式多传感器状态估计问题，提出了一种基于无迹卡尔曼滤波与粒子滤波相结合的融合跟踪算法。通过对量测方程的非线性分析，利用改进的粒子滤波算法(UPF)计算局部传感器的状态估计值，再应用分布式加权融合准则得到全局状态估值。...
4. 《基于四元数的UKF多传感器卫星姿态确定》PDF+DOC 对采用磁强计和太阳敏感器的卫星姿态模型，应用无迹卡尔曼滤波(UKF)算法确定卫星姿态。由四元数描述姿态，在算法中将其转换成旋转矢量，另设计了四元数求均值的迭代算法，解决了四元数在UKF算法中的处理。仿真结果表明：广义卡尔曼滤波(EKF)算法对初值依赖性较大，UKF算法不受初值影响且精度高于EKF，具......
5. 《分布式多传感器融合跟踪》PDF+DOC 针对传感器观测的非线性问题，引入了无迹卡尔曼滤波算法，它在稳定性和精确性等方面均高于卡尔曼滤波，进一步，针对其弱可观测性，采用多个传感器分布式融合跟踪策略。而协方差交集算法，它不需要考虑每个传感器之间的相关度，根据实际要求选择好合适的权值后，可以直接进行融合，并且达到很好的精度，于是，提出了基于协方......
6. 《基于“当前”模型的IMM-UKF机动目标跟踪融合算法研究》PDF+DOC 文章设计了一种基于“当前”统计模型的交互式多模型无迹卡尔曼滤波(IMM-UKF)融合算法。首先在交互式多模型算法框架内，计算“当前”统计模型的概率，自适应地调整“当前”统计模型中目标加速度，提高了“当前”统计模型的自适应性。其次，该算法结合了交互式多模型和无迹卡尔曼滤波算法，该算法具有交互式多模型具......
7. 《粒子滤波在无线传感器网络目标跟踪中的应用》PDF+DOC 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......
8. 《无线传感器网络中基于贝叶斯技术的气体源定位研究》PDF+DOC 将无线传感器网络(WSN)引入气体源预估定位。基于贝叶斯原理，提出一种适用于WSN的气体污染源定位算法——改进粒子滤波(IPF)算法。该算法采用权重质心法确定预估定位初始点、退避定时排序法确定参与定位节点信息发送顺序及采用残差重抽样算法减少抽样方差以提高滤波性能。对比研究了改进粒子滤波(IPF)、扩......
9. 《基于自适应变结构信息滤波的目标跟踪算法》PDF+DOC 目前目标跟踪算法采用的交互多模型，大多是通过固定模型之间的切换来完成目标跟踪，这容易出现模型集与目标真实运动不匹配问题，降低目标跟踪的精度。同时，现在大部分观测平台都能提供多传感器量测，这要求跟踪算法能对不同量测信息进行高效数据融合。针对上述问题，提出一种基于自适应变结构多模型和信息滤波的跟踪算法，......
10. 《基于强跟踪UKF的室内目标跟踪》PDF+DOC 针对强跟踪UKF算法在室内目标跟踪中的应用进行研究，利用麻省理工大学的Cricket系统搭建了无线传感器网络作为验证平台，给出了系统状态方程和观测方程，分析了强跟踪思想对UKF算法的改进作用。实验结果表明，强跟踪UKF算法的跟踪精度高于标准UKF，且具有良好的鲁棒性。...