無線傳感網絡運動目標識別中的容錯方法研究.pdf

1、無線傳感網絡通過大量分布式的傳感器節(jié)點協(xié)作地感知所觀測的地理區(qū)域，能提供巨大的區(qū)域覆蓋和豐富的觀測信息。隨著傳感器技術、微機電技術、分布式信息處理技術、無線通信技術等的發(fā)展，無線傳感網絡在軍事、環(huán)境、商業(yè)等多種領域的應用越來越受到重視。
　　 由于傳感器節(jié)點受到體積、成本等的限制，資源與處理能力十分有限。單個傳感器節(jié)點的精度與可靠性不高并且易于受到環(huán)境噪聲等的影響而產生錯誤的數據，這為無線傳感網絡在一些對系統(tǒng)性能要求較高的應用（

2、如，運動目標的檢測、識別、跟蹤）中的部署提出了巨大的挑戰(zhàn)。
　　 本文圍繞無線傳感網絡中基于聲音信號的運動目標識別問題，從特征提取與容錯信息融合兩個方面研究提高目標識別準確率的方法，所做的主要工作如下：
　　 (1)分析了目標聲音信號的特點與影響其穩(wěn)定性的主要因素。對目標識別中的多種特征提取算法進行了詳細的分析和比較。利用小波變換時頻分析的優(yōu)勢，對由小波包系數重構的信號分段處理，基于噪聲與目標信號小波包能量熵的區(qū)別，去除

3、測量數據中嚴重受噪聲干擾的部分數據，提高所提取特征的可靠性。
　　 (2)將區(qū)間融合算法用于運動目標識別。區(qū)間融合算法有良好的容錯特性，能夠在融合過程中通過計算輸入區(qū)間的交集檢測和排除與融合結果不相交的錯誤區(qū)間。然而將已有的區(qū)間融合算法直接用于分類決策值的融合會遇到正確區(qū)間有可能不相重疊的問題。本文基于Marzullo算法提出用于目標識別的多數投票區(qū)間融合算法，將區(qū)間分類決策值區(qū)分為確定性區(qū)間和非確定性區(qū)間并將它們歸為相應的類別

4、集合，通過計算各類別集合中區(qū)間的個數實現區(qū)間決策值的融合?；趯崪y數據的仿真結果驗證了算法的有效性。
　　 (3) Marzullo區(qū)間融合算法對輸入區(qū)間的微小變化不穩(wěn)定，輸入區(qū)間的較小變化有可能造成輸出區(qū)間的很大改變。多數投票區(qū)間融合算法也會遇到同樣的問題。因此，將置信度引入多數投票區(qū)間融合方法，為區(qū)間決策值分配對應各個類別的置信度，給出一種估計置信度的簡便方法，通過對置信度的融合保證了融合結果對輸入區(qū)間的微小變化的穩(wěn)定。

5、r>　　 (4)基于傳感網絡對運動目標觀測數據的時空相關特性，提出了基于時空融合框架的錯誤檢測與更正方法，在時間與空間的兩級信息融合過程中增加一個時間更新的步驟，實現了時空融合過程中實時的錯誤檢測與更正。給出了一個基于DS證據理論的時間更新策略，利用融合中心反饋給每個傳感器節(jié)點的錯誤檢測結果修改基本概率分配函數，用前一時刻的分類決策值更新當前的分類決策值。算法分析和仿真結果表明，該方法在沒有增加很大的通信負擔的前提下，實現了目標識別正