基于传感器监测网络的空间事件定位方法及仿真研究

摘要

传感器相关技术的发展使得低成本、多类型传感器的应用越来越普遍。相比于传统的采用少量高成本传感器的监测网络，现代化监测网络具有传感器多、成本低和数据质量下降等特点，而如何在这样的网络数据中提取更多有用信息已成为监测的首要问题。文章基于传感器监测网络，开展面向空间事件的定位方法及仿真研究，具体研究内容如下:
　　（1）提出一种基于多级主元分析的空间事件检测方法。利用集中式策略，对监测网络中的量测数据进行统一决策，判断事件是否发生。该方法在检测事件发生后，再估计异常大小，并根据统计量的变化为人们提供事件展开的态势感知。
　　（2）提出一种基于序贯无迹卡尔曼滤波的事件源定位方法。针对静态单一点源，在有事件浓度扩散模型时，构造系统的动态序列方程，利用序贯无迹卡尔曼滤波进行定位，有效降低传统线性最小二乘方法在稳健性方面的保守性。
　　（3）分别提出基于ELM的非线性PLS建模方法和基于ELM的过程监控方法。前者旨在利用ELM建立PLS内模型解决非线性拟合问题，以避免仅用ELM时因训练数据匮乏造成的建模精度不高的问题；后者利用ELM得到的质量预测值对PLS得到的主元空间进行进一步分解，旨在提高故障检测能力。
　　（4）提出一种ELM与卡尔曼滤波相结合的空间事件定位方法，旨在解决无浓度扩散模型时的事件源定位问题。利用ELM拟合系统量测方程，结合序贯无迹卡尔曼滤波进行定位，仿真验证了该方法在事件定位上的有效性。

目录

封面

声明

中文摘要

英文摘要

目录

第1章 绪论

1.1空间事件概念

1.2研究背景及意义

1.3空间事件定位研究中的主要问题及研究现状

1.4文章的项目来源、主要内容及章节安排

第2章 基础知识

2.1事件扩散模型

2.2主元分析（Principal Component Analysis, PCA）

2.3序贯无迹卡尔曼滤波

2.4超限学习机（Extreme Learning Machine, ELM）

2.5本章小结

第3章 空间事件检测方法研究

3.1引言

3.2多级主元分析算法

3.3基于多级主元分析的空间事件检测方法

3.4仿真研究

3.5本章小结

第4章 基于序贯无迹卡尔曼滤波的空间事件定位方法研究

4.1引言

4.2问题描述

4.3目标源定位方法

4.4仿真研究

4.5本章小结

第5章 一种ELM与卡尔曼滤波相结合的空间事件定位方法研究

5.1引言

5.2基于超限学习机的非线性PLS建模方法

5.3一种基于超限学习机的过程监控方法

5.4基于ELM的事件源浓度扩散模型的建立及事件定位

5.5仿真验证

5.6本章小结

第6章 总结与展望

6.1工作总结

6.2工作展望

致谢

参考文献

附录