基于自适应蝙蝠粒子滤波算法的WSN目标跟踪

作     者：郭鲁 魏颖 GUO Lu;WEI Ying

作者机构：沈阳工学院信息与控制学院辽宁抚顺113122 

基　　金：辽宁省自然科学基金重点领域联合开放基金(2020-KF-11-09) 辽宁省自然科学基金(20180550418) 沈抚示范区本级科技计划项目(2020JH13) 辽宁“百千万人才工程”培养项目 

出 版 物：《计算机测量与控制》 (Computer Measurement &Control)

年 卷 期：2022年第30卷第6期

页      码：168-175页

摘      要：为了解决粒子滤波(PF)的无线传感器目标跟踪中样本贫化导致的精度较低的问题,提出了自适应蝙蝠粒子滤波的WSN目标跟踪方法;通过自适应的蝙蝠算法的滤波算法优化粒子重采样过程,结合最新的观测值定义粒子的适应度函数,引导粒子整体上向较高的随机区域移动;同时利用动态自适应惯性权重探索新的粒子位置更新为设计机制,引入动态适应惯性权重值,有效调整全局探索和局部探索适应能力、改善粒子贫化和局部极值问题,增加粒子群多样化从而提高跟踪性能;实验结果表明,自适应蝙蝠粒子滤波算法重采样方法可以防止粒子的退化,增加粒子的多样性,减少跟踪误差,可以减少算法的运行时间,实时追踪性能大幅提高;与BA-PF算法和PF算法相比较,IBA-PF算法的计算时间是最短的,IBA-PF算法的位置和速度的平均平方根误差最小(位置0.031 1、0.020 2、速度0.026 2、0.010 1),PF算法的跟踪精度是最低的,而IBA-PF跟踪精度较高,IBA-PF算法被证明具有良好的跟踪性能。

主 题 词：自适应蝙蝠粒子滤波算法 粒子滤波 跟踪误差 退化 

学科分类：08[工学] 0835[0835] 081202[081202] 0812[工学-测绘类] 

D　O　I：10.16526/j.cnki.11-4762/tp.2022.06.026

馆 藏 号：203112445...