文摘
英文文摘
声明
第1章绪论
1.1 无线传感器网络体系结构
1.2 无线传感器网络的特征
1.3 无线传感器网络中的数据融合
1.3.1 数据融合的层次
1.3.2 数据融合的方法
1.4 无线传感器网络中的目标跟踪
1.4.1 传感器定位技术
1.4.2 目标特征
1.4.3 目标跟踪
1.5 论文的内容及后续章节安排
第2章相关工作与技术
2.1 多目标跟踪问题描述
2.2 多目标跟踪问题的研究现状
2.2.1 DAM和EBAM算法
2.2.2 基于声音信号能量定位的目标跟踪算法(EBL)
2.2.3 基于分布式粒子滤波的目标跟踪算法(DPF)
2.3 粒子滤波
2.3.1 重要性采样(IS)
2.3.2 序贯重要性采样(SIS)
2.3.3 退化和重采样
2.4 常见粒子滤波算法
2.4.1 普通粒子滤波算法
2.4.2 序贯重要性重采样粒子滤波(SIR)
2.4.3辅助粒子滤波(Auxiliary Particle Filter)
2.5 小结
第3章自适应的粒子滤波多目标跟踪算法
3.1 系统模型
3.1.1 传感器网络模型
3.1.2 状态空间模型
3.1.3 目标运动模型
3.2 算法思想
3.2.1 特征提取
3.2.2 目标关联
3.2.3 目标跟踪
3.3 算法设计
3.3.1 特征提取算法设计
3.3.2 目标关联算法设计
3.3.3 目标跟踪算法设计
3.4 小结
第4章算法仿真及验证
4.1 仿真工具及仿真方法介绍
4.2 特征提取算法仿真
4.2.1 利用QAM、DAM算法计数比较
4.2.2 利用QAM、DAM算法定位比较
4.3 多目标跟踪算法仿真
4.3.1 节点密度对算法性能的影响
4.3.2 节点分布规则度对算法性能的影响
4.3.3 目标运动对算法性能的影响
4.3.4 粒子数目对算法性能的影响
4.3.5 观测噪声对算法性能的影响
4.3.6 重采样方法对算法性能的影响
4.4 小结
第5章总结与展望
5.1 工作总结
5.2 未来工作展望
参考文献
附录
致谢
在读期间发表的学术论文与取得的研究成果