学位论文 > 优秀研究生学位论文题录展示

分布式声源定位与跟踪算法研究

作　者: 施爱春
导　师: 胡波
学　校: 复旦大学
专　业: 电路与系统
关键词: 基于能量的声源定位无线传感器网络分布式算法交互方向拉格朗日方法 EM算法混合高斯模型粒子滤波器
分类号: TN912.3
类　型: 硕士论文
年　份: 2011年
下　载: 66次
引　用: 0次
阅　读: 论文下载

内容摘要

声源定位与跟踪在视频会议、人机交互、安全监控、狙击手定位等方面有着广泛的应用。无线传感器网络由于其节点体积小、功耗低、布置灵活等优点非常适用于声源定位与跟踪中。集中式的声源定位与跟踪算法应用于传感器网络中时,存在中心节点运算量过大,节点之问通信传输不均衡,系统可靠性差等问题。采用分布式算法可以有效解决上述问题。现有分布式声源定位与跟踪算法存在只能应用于特定网络拓扑结构,串行计算,易陷入局部最优,节点信息不能充分融合等问题。本文针对上述问题,分别对单声源定位,多声源定位和单声源跟踪三个方面进行研究,提出相应的分布式算法。基于交互方向拉格朗日方法的分布式声源定位的算法,将最大似然问题拆解到每个传感器节点进行实现,并采用桥接传感器节点和一致性算法两种节点间信息融合方式,针对最优化函数是非凸函数的问题,采用多重网格搜索算法避免陷入局部最优。相对于现有算法,算法具有可应用于任意网络拓扑,可并行计算,不易陷入局部最优等优点。基于EM算法的分布式多声源定位算法,采用EM算法将多个声源拆解成并行的多个单声源定位问题,通过单声源定位的分布式算法直接实现多声源定位的分布式算法。算法逼近于集中式的多声源定位算法,每个节点可以对每个声源并行进行定位计算,运算速度更快,并且网络不受拓扑限制。基于混合高斯模型的分布式粒子滤波器声源跟踪算法,用混合高斯模型来逼近后验概率分布,通过一致性算法实现传感器节点之间信息融合,每个节点都能获得全局的后验概率分布,并且相邻节点之间只需要传递混合高斯模型参数。与现有算法相比,算法有效地减少了节点间数据的通信量,可以应用于任意网络拓扑,每个节点可以并行进行计算,并且具有更好的跟踪性能。

全文目录

摘要  5-6
Abstract  6-8
第1章绪论  8-14
  1.1 研究背景  8-10
    1.1.1 声源定位与跟踪的应用  8
    1.1.2 无线传感器网络简介  8-10
  1.2 研究现状  10-12
  1.3 本文主要工作及创新点  12-13
  1.4 本文组织结构  13-14
第2章单声源定位算法  14-29
  2.1 声源的能量衰减模型  14
  2.2 最大似然声源定位  14-16
  2.3 基于交互方向拉格朗日方法的分布式声源定位算法  16-24
    2.3.1 交互方向拉格朗日方法  16-18
    2.3.2 分布式一致性算法  18-19
    2.3.3 基于桥接传感器的分布式声源定位算法  19-22
    2.3.4 基于一致性算法的分布式声源定位算法  22-23
    2.3.5 多重网格搜索算法  23-24
  2.4 算法仿真  24-28
  2.5 本章小结  28-29
第3章多声源定位算法  29-37
  3.1 多声源能量衰减模型  29-30
  3.2 分布式多声源定位算法  30-34
    3.2.1 EM算法  30-31
    3.2.2 分布式多声源定位算法  31-34
  3.3 算法仿真  34-36
  3.4 本章小结  36-37
第4章单声源跟踪算法  37-55
  4.1 集中式粒子滤波器声源跟踪算法  37-41
  4.2 分布式粒子滤波器声源跟踪算法  41-47
    4.2.1 混合高斯模型分布式EM算法  42-44
    4.2.2 基于高斯混合模型的分布式粒子滤波器声源跟踪算法  44-47
  4.3 算法仿真  47-54
  4.4 本章小结  54-55
第5章总结与展望  55-56
参考文献  56-59
攻读学位期间发表或录用的学术论文  59-60
后记  60-61

分布式声源定位与跟踪算法研究

内容摘要

全文目录

相似论文