粒子滤波实现无线传感器网络目标跟踪预测

被引:6
作者
黄奕微 [1 ]
张晓平 [1 ]
刘桂雄 [1 ]
何学文 [1 ,2 ]
机构
[1] 华南理工大学机械与汽车工程学院
[2] 江西理工大学
基金
广东省自然科学基金;
关键词
无线传感器网络; 目标跟踪; 粒子滤波; 预测;
D O I
10.16526/j.cnki.11-4762/tp.2010.04.076
中图分类号
TP212.9 [传感器的应用]; TN929.5 [移动通信];
学科分类号
080202 ; 080402 ; 080904 ; 0810 ; 081001 ;
摘要
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%。
引用
收藏
页码:930 / 932
页数:3
相关论文
共 5 条
[1]   基于二次多项式运动建模的WSN目标跟踪预测 [J].
张晓平 ;
刘桂雄 .
暨南大学学报(自然科学与医学版), 2009, 30 (05) :474-478
[2]   降低WSN目标失跟率的自适应采样频率方法 [J].
张晓平 ;
刘桂雄 ;
洪晓斌 ;
刘美 .
华南理工大学学报(自然科学版), 2009, 37 (08) :61-64+70
[3]   基于神经网络与粒子滤波的柔性臂控制方法研究附视频 [J].
石英 ;
陈文楷 .
计算机测量与控制, 2008, (12) :1847-1849+1855
[4]   基于测距技术的无线传感器网络定位算法研究 [J].
武君胜 ;
段荣平 .
计算机测量与控制, 2008, 16 (12) :2006-2008
[5]   用于状态估计的自适应粒子滤波 [J].
邓小龙 ;
谢剑英 ;
郭为忠 .
华南理工大学学报(自然科学版), 2006, (01) :57-61