文献类型：期刊文献

中文题名：区间聚类结合区域划分法实现WSN随机游走模型跟踪

英文题名：A Solution to WSN Random Walk Model Tracking Based on Interval Clustering and Area Division

作者：孙武[1];李小刚[1];祁荣宾[1];钟伟民[1]

机构：[1]华东理工大学化工过程先进控制和优化技术教育部重点实验室,上海200237

年份：2015

卷号：41

期号：6

起止页码：803

中文期刊名：华东理工大学学报（自然科学版）

外文期刊名：Journal of East China University of Science and Technology

收录：CSTPCD;;Scopus;北大核心:【北大核心2014】；CSCD:【CSCD2015_2016】；

基金：国家自然科学基金(61422303;21376077);上海市"科技创新行动计划"研发平台建设项目(13DZ2295300)

语种：中文

中文关键词：跟踪定位;区间聚类;区域划分;随机游走模型

外文关键词：tracking; interval clustering; division; random walk model

摘要：传统的移动目标跟踪方案大都基于理想运动模型,利用滤波方法(如Kalman滤波)进行连续的位置估计和预测。但现实世界中,目标移动规律往往带有强机动性,无任何规律可言,称为随机游走模型。基于此,本文提出了一种低复杂度解决方案,引入离线标准参考样本空间替代在线位置估测过程,为移动目标提供了一种启发式跟踪方案。仿真结果表明,该算法在保证精度的同时降低了计算复杂度,对系统能耗设计有一定指导意义,同时具有更高的灵活性和实用性。
Most of traditional tracking algorithms are based on ideal models and achieve continuous position estimates and predictions by using filtering methods.However,in real-world,moving targets often have no patterns,termed as the random walk model.Hence,this paper proposes a lower-complexity solving scheme for this kind of disorder movement model.By changing positon tracking problem into a data sequence matching problem,the proposed algorithm provides a heuristic tracking scheme for random moving targets.Numerical simulation experiments show that this scheme can effectively reduce the complexity while ensuring tracking accuracy.Meanwhile,it has greater flexibility and universality.