传感器网络中基于压缩感知的压缩域目标跟踪算法研究与应用.pdfVIP

传感器网络中基于压缩感知的压缩域目标跟踪算法研究与应用.pdf

  1. 1、本文档共9页,可阅读全部内容。
  2. 2、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
  3. 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载
  4. 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
  5. 5、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
  6. 6、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们
  7. 7、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
  8. 8、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
传感器网络中基于压缩感知的压缩域目标跟踪算法研究与应用.pdf

第30 卷第11 期 电子测量与仪器学报 Vol. 30 No. 11 2016 年 11 月 ]OURNAL OF ELECTRONIC MEASUREMENT AND INSTRUMENTA刀ON .1617. DOI: 10. 13382/j.jemi. 2016. 11. 001 传感器网络中基于压缩感知的压缩域 目标跟踪算法研究与应用* 孙斌马春晖金心宇吕鹏吴项川 (浙江大学信息与电子工程学院杭州 310027) 摘 要:复杂环境下传感器网络目标跟踪,存在跟踪准确性与算法复杂性这对矛盾,需要考虑准确性、通信和计算能耗之间 的折中。针对此问题,研究传感器网络中基于压缩感知的压缩域目标跟踪和压缩域数据融合,并提出了用稀疏的测量矩阵 对}剧rlike 特征压缩,压缩域特征送入朴素贝叶斯分类器,在压缩域直接实现目标跟踪的算法。然后通过配置传感器网络 以生成多个层次类型不同的簇结构,压缩后的数据在网络中传输,并在各层簇头实现压缩域下的数据融合。该算法通过稀 疏测量矩阵压缩表征原始图像信息和分类器的自我学习更新,提高了对压缩域目标特征分类的准确性,在复杂环境下有更 好的鲁棒性。而压缩域直接进行目标跟踪,不需要重构图像,也减少了网络运算量和数据传输量。通过仿真实验和标准数 据库测试对比以及在机器人足球赛实验平台中的应用表明,该算法在跟踪准确性,数据传输量及传输能耗上均有优势。 关键词:压缩感知;传感器网络目标跟踪;压缩域;数据融合 中图分类号: TN401 文献标识码:A 国家标准学科分类代码: 510.4030 Research and application of target tracking algorithm based on compressed domain in wireless sensor network Sun Bin Ma Chunhui Jin Xinyu Lv Penghao Xiang Chuan ( College of Information Science Electronic Engineeri吨, Zhejiang University , Hangzhou 310027 , China) Abstract: Target tracking of sensor networks in complex environment has contradictions between the tracking accuracy and the complexity of the tracking algorithm. The tradeoff between accuracy and energy consumption of communication and calculation should be considered. To solve this problem , the compressed-domain target tracking and compressed-domain data fusion based on compressive sensing are studied , and a target tracking algorithm performed in compressed domain is proposed. The Haarlike features of original images are compressed by a sparse measurement matrix , fed into the Bayesian Classifier directly in compressed domain. By configuring the sensor networks to gener

文档评论(0)

heroliuguan + 关注
实名认证
文档贡献者

该用户很懒,什么也没介绍

版权声明书
用户编号:8073070133000003

1亿VIP精品文档

相关文档