"后验Monte Carlo Gaussian采样粒子滤波WSN定位 (2016年)"
本文探讨了在无线传感器网络(WSN)定位中如何处理由环境因素引起的噪声影响,这些影响使得定位问题变得非平滑且非线性。针对传统粒子滤波算法在处理此类问题时存在的精度不足问题,作者提出了一种基于后验泊松分布的Monte Carlo Gaussian重采样粒子滤波算法。该算法旨在提高WSN定位的准确性。
首先,传统的粒子滤波方法在面对非线性和非平稳的环境噪声时,粒子退化和多样性损失可能导致定位精度降低。为解决这一问题,文章引入了后验泊松分布的概念,利用其特性来更好地描述传感器网络中的观测数据分布。
接着,论文借鉴了扩展卡尔曼滤波的思想,即通过近似后验高斯分布来简化复杂的非线性问题。在此基础上,设计了一种后验泊松分布Monte Carlo Gaussian重采样粒子滤波器。这种重采样策略旨在保持粒子群的多样性,减少样本退化,从而提高滤波器的性能。
在实际应用中,该滤波器被用于设计无线传感器网络定位算法。通过采用这种新的滤波器,算法能够有效地处理非平滑非线性的噪声干扰,实现更精确的定位。为了验证算法的有效性,文章进行了对比仿真实验,实验结果表明,提出的算法在滤波器性能和定位准确性方面均有所提升。
总结起来,这篇论文的贡献在于提出了一种创新的粒子滤波策略,它结合了后验泊松分布和Monte Carlo Gaussian重采样的优点,为WSN定位提供了更高效且准确的解决方案。这一方法对于优化WSN在复杂环境下的定位能力具有重要的实践意义,特别是在需要高精度定位的领域,如环境监测、灾难响应和物联网应用等。
关键词:后验概率;Monte Carlo;高斯分布;粒子滤波;无线传感器网络;定位
中图分类号:TN915.07 文献标志码:A 文章编号:1001-3695(2016)07-2113-04 doi:10.3969/j.issn.1001-3695.2016.07.043
作者简介:陈婷(1982-),女,讲师,硕士,研究方向为计算机应用、计算机软件与理论;刘海燕(1978-),女,高级工程师,博士,研究方向为信息安全、信息隐藏;熊曾刚(1974-),男,教授,博士,研究方向为云计算、大数据安全等。