在无线传感器网络中操作目标跟踪,使用卷积双向长短记忆神经网络和扩展卡尔曼过
Duo Peng1, Kun Xie1, Mingshuo Liu1
1School of Computer and Communication, Lanzhou University of Technology, Lanzhou 730050, China.
Sensors (Basel, Switzerland)
|July 13, 2024
概括
这项研究引入了一种新的方法,用于在无线传感器网络中跟踪移动的目标,减轻噪声干扰. 该方法结合了卷积神经网络和卡尔曼过,在线性和非线性场景中提高了准确性.
科学领域:
- 工程 工程师 工程师 工程师
- 计算机科学 计算机科学
- 信号处理 信号处理
背景情况:
- 传统的无线传感器网络 (WSNs) 由于固有的噪音干扰,在机动目标中面临着严重的定位和跟踪错误.
- 精确跟踪机动目标对于各种应用,包括监视和自主系统至关重要.
研究的目的:
- 为WSNs开发一种改进的机动目标追踪方法,克服传统方法的局限性.
- 提高目标定位和实时跟踪在动态环境中的准确性和稳定性.
主要方法:
- 一种混合方法,集成一个卷积双向长期和短期记忆神经网络 (BiLSTM) 与扩展的卡尔曼过 (EKF).
- BiLSTM使用模拟的接收信号强度指标 (RSSI) 值和实际目标数据进行训练,以提供准确的初始机动目标状态.
- 基于精细的初始状态,EKF用于实时目标定位和轨迹跟踪.
主要成果:
- 实验模拟证明了拟议的算法在跟踪线性和非线性机动目标方面的有效性.
- 与传统的WSN跟踪技术相比,该方法显著减少了定位和跟踪错误.
- 实现了机动目标的准确实时定位和跟踪信息.
结论:
- 拟议的卷积BiLSTM和EKF集成方法为WSN中的机动目标跟踪提供了强大的解决方案.
- 这种先进的跟踪技术在各种机动场景中表现出卓越的性能,解决了现有系统的关键限制.
