奥德·格雷拉德;普里亚姆·密特拉;谢明戈;陈荣 利用移动传感器网络实现快速核源探测和定位的动态融合系统。 （英语） Zbl 1406.93388号 申请。斯托克。模型总线。印度。 34，第1期，4-19（2018）. 摘要：本文提出了一个动态系统，以及相关的融合学习推理过程，以使用移动传感器网络对核源进行实时检测和定位。这是因为需要一个可靠的探测系统，以防止纽约等主要城市发生核袭击。这里提倡的方法是在城市中行驶的出租车和警车上安装大量相对便宜（也许相对不太准确）的核源探测传感器和GPS设备。传感器读数和GPS信息以高频发送到控制中心，在那里信息立即被处理并与早期信号融合。我们开发了一种实时检测和定位方法，旨在检测核源的存在并估计其位置和功率。我们采用贝叶斯框架进行融合学习，并使用序贯蒙特卡罗算法估计模型参数并进行实时定位。提供了一个模拟研究来评估该方法对固定和移动源的性能。研究结果为实际实施此类监测系统提供了指导和建议。 MSC公司： 93E35型 随机学习与自适应控制 93E10型 随机控制理论中的估计与检测 关键词：SMC算法;贝叶斯模型选择;核探测;实时定位 PDF格式BibTeX公司 XML格式引用 \textit｛A.Grelaud｝等人，应用。斯托克。模型总线。Ind.34，No.1，4--19（2018；Zbl 1406.93388） 全文： 内政部 参考文献： [1] Wrobel M.Sigma，2014年。https://www.darpa.mil/program/sigma。[2017年7月访问]。 [2] 新加坡国立科技大学。国家城市安全技术实验室，2015年年度报告，2015年。https://www.dhs.gov/sites/default/文件/出版物/NUSTL_2015_Annual_Report_FINAL_508.PDF。国土防卫部。[2017年7月访问]。 [3] Vilim R，Klann R.RadTrac：实时检测、定位和跟踪放射源的系统。核技术2009;168:61‐73. [4] Brennan SM、Mielke AM、Torney DC。通过传感器网络检测放射源。核科学汇刊2005;52:813‐819. [5] Qian L，Fuller J，Chang I.使用传感器网络快速检测核辐射。2012年IEEE国土安全技术会议（HST），马萨诸塞州沃尔瑟姆，美国，2012年；648‐653. [6] Nemzek RJ、Dreicer JS、Torney DC、Warnock TT。用于检测移动放射源的分布式传感器网络。核科学汇刊2004;51:1693‐1700. [7] Coulon R、Kondrasovs V、Boudergui K、Normand S.移动源探测系统。2013年第三届核仪器、测量方法及其应用进展国际会议（ANIMMA），法国马赛，2013年；1‐4. [8] Coulon R，Kondrasovs V，Boudergui K，Normand S。线性网络中使用的辐射入口监测器的移动源检测算法。核科学汇刊2014;61:2189‐2194. [9] Boudergui K、Kondrasovs V、Coulon R、Corre G、Normand S。检测运动中的放射性物质的新监测系统。程序。ANIMMA，2013年，法国马尔赛尔，2013年；1‐5. [10] Carpenter T，Cheng J，Roberts F，Xie M。核探测的传感器管理问题。《安全和风险建模及其应用》，Pham H（编辑），《可靠性工程中的Springer系列》，Springer London，2011年；299‐323. [11] Hochbaum D，Fishbain B。移动分布式传感器网络的核威胁检测。运筹学年鉴2011;187:45‐63. ·Zbl 1225.90016号 [12] Borozdin KN、Klimenko AV、Priedhorsky WC、Hengartner N、Alexander CC、Cortez RA、Tanner HG、Papageorgiou X。智能核搜索优化策略。2006年IEEE核科学研讨会会议记录，第2卷，圣地亚哥，加利福尼亚州，美国；926‐928. [13] Klimenko AV、Priedhorsky WC、Tanner H、Borozdin KN、Hengartner N。核搜索和放射性调查中的智能传感器管理。美国核学会会刊2006;95:21‐22. [14] DARPA。2017年，西格玛放射性威胁探测系统在首都完成了应急车辆测试部署。https://www.darpa.mil/news-events/2017-03-01。[2017年7月访问]。 [15] Akyildiz I，Su W，Sankarasubramaniam YE，Cayiric E.传感器网络调查。IEEE通讯杂志2002;40:102‐114. [16] Kulldorff M，Nagarwalla N.空间疾病集群：检测和感染。医学统计学1995;14:799‐810. [17] Diggle P、Rowlingson B、Sun TL.用于在线时空疾病监测的点处理方法。环境计量学2005;16:423‐434. [18] Glaz J，Balakrishnan N.扫描统计与应用。博克豪泽：波士顿，1999年·Zbl 0919.00015号 [19] Glaz J、Naus J、Wallenstein S.扫描统计与应用。施普林格：纽约，2001年·Zbl 0983.62075号 [20] Fu JC，Lou WY。运行和模式的分布理论及其应用：有限马尔可夫链嵌入方法。世界科学：新加坡，2003年·Zbl 1030.60063号 [21] Naus J，Wallenstein S.多窗口和集群大小扫描程序。应用概率的方法与计算2004;6:389‐400. ·Zbl 1056.62081号 [22] 假定污染源问题的Lawson A.Markov链蒙特卡罗方法。环境流行病学1995;14:2473‐2486。 [23] Ghosh M、Natarajan K、Waller LA、Kim D.空间数据分析的层次Bayes GLMs：疾病制图应用。统计规划与推断杂志1999;75:305‐318. ·兹比尔0931.62094 [24] Gangnon R，Clayton M.Bayesian空间疾病图的检测和建模。生物计量学2000;56:922‐935. ·Zbl 1060.62610号 [25] Denison D，Holmes C.用于估计疾病风险的贝叶斯分割。生物计量学2001;57:143‐149. ·Zbl 1209.62276号 [26] Gangnon R，Clayton M.空间聚集疾病率的层次模型。生物计量学2003;22:3213‐3228. [27] Xie M，Sun Q，Naus J.一种检测多个时间聚类的潜在模型。生物计量学2009;65:1011‐1020. ·Zbl 1181.62185号 [28] Cheng J，Xie M，Chen R，Roberts F.一种检测多个空间簇的潜在源模型，应用于核材料监测的移动传感器网络。美国统计协会杂志2013;108:902‐913. ·Zbl 06224975号 [29] Varshney PK.分布式检测和数据融合。施普林格科学与商业媒体：纽约，2012年。 [30] Liu J，Chen R.动态系统的序贯蒙特卡罗方法。美国统计协会杂志1998;93:1032‐1044. ·Zbl 1064.65500号 [31] Doucet A，Godsill S，Andrieu C.关于贝叶斯滤波的序贯蒙特卡罗采样方法。统计与计算2000;10:197‐208. [32] Del Moral P，Doucet A，Jasra A.连续蒙特卡罗采样器。英国皇家统计学会杂志B辑2006;68:411‐436. ·Zbl 1105.62034号 [33] Wang X，Chen R，Liu J.无线通信的蒙特卡洛贝叶斯信号处理。信号处理杂志2002;30:89‐105. ·Zbl 1009.94002号 [34] Rao NS、Sen S、Prins NJ、Cooper DA、Ledoux RJ、Costales JB、Kamieniecki K、Korbly SE、Thompson JK、Batcheler J、Brooks RR、Wu CQ。辐射源检测的网络算法。物理研究中的核仪器和方法A部分：加速器、光谱仪、探测器和相关设备2015;784:326‐331. 2014年辐射测量与应用研讨会（SORMA XV）。 [35] Sun J、Tanner HG、Poulakakis I.用于核探测的主动传感器网络。2015年IEEE机器人与自动化国际会议（ICRA），西雅图，华盛顿州，美国；3549‐3554之间。 [36] Gordon N，Salmond D，Smith A.非线性/非高斯贝叶斯状态估计的新方法。IEEE会议录雷达和信号处理1993;140:107-113。 [37] Avitzour D.多目标跟踪的随机模拟贝叶斯方法。IEE Proceedings‐雷达、声纳和导航，第142卷，1995,41‐44。 [38] Mc Ginnity S，Irwin G.机动目标跟踪的多模型自举滤波器。IEEE航空航天和电子系统汇刊2000;36:1006‐1012. [39] Salmond D，Gordon N.用于跟踪和制导的粒子和混合物。序贯蒙特卡罗方法实践：Springer‐Verlag，纽约，2001；517‐532. ·Zbl 1056.93591号 [40] Hue C，Le Candle J，Pérez P.用于多目标跟踪和数据融合的序列蒙特卡罗方法。IEEE信号处理汇刊2002;50:309‐325. [41] Arulampalam M、Maskell S、Gordon N、Clapp T。在线非线性/非高斯贝叶斯跟踪粒子滤波器教程。IEEE信号处理汇刊2002;50:174‐188. [42] Orton M，Fitzgerald W.使用传感器阵列和粒子滤波器跟踪多个目标的贝叶斯方法。IEEE信号处理汇刊2002;50:216‐223. ·Zbl 1369.94250号 [43] Gustafsson F、Gunnarsson F、Bergman N、Forssell U、Jansson J、Karlsson R、Nordlund P。用于定位、导航和跟踪的粒子过滤器。IEEE信号处理汇刊2002;50:425‐437. [44] Wein L，Wilkins A，Baveja M，Flynn S.防止运输集装箱中非法核材料的进口。风险分析2006;26:1377‐1393. [45] Venere E，Gardner E.《国内核威胁安全倡议》，2009年。 [46] Boros E、Fedzhora L、Kantor PB、Saeger K、Stroud P。寻找最佳集装箱检验策略的大规模线性规划模型。海军研究后勤2009;56:404‐420. ·Zbl 1182.90031号 [47] 沈图英，谢明。关于存在污染和模型错误时连续响应变量二分法的说明。医学统计学2010;49:2200‐2214. [48] Doucet A，de Freitas JFG，新泽西州戈登。实践中的序贯蒙特卡罗方法。Springer‐Verlag：纽约，2001年·Zbl 0967.00022号 [49] 静态模型的序贯粒子滤波方法。生物医学2002;89:539‐552. ·Zbl 1036.62062号 [50] 序贯蒙特卡罗方法的肖邦N.中心极限定理及其在贝叶斯推理中的应用。统计学年鉴2004;32:2385‐2411. ·Zbl 1079.65006号 [51] Andrieu C，Doucet A，Holenstein R.粒子马尔可夫链蒙特卡罗方法。英国皇家统计学会杂志B辑2010;72:269‐342. ·Zbl 1184.65001号 [52] Poyadjis G、Doucet A、Singh SS。状态空间模型中分数和观测信息矩阵的粒子近似及其在参数估计中的应用。生物特征2011;98(1):65‐80. ·Zbl 1214.62093号 [53] Kass RE，Raftery AE.贝叶斯因子和模型不确定性。美国统计协会杂志1995;90:773‐795. ·Zbl 0846.62028号 [54] 杰弗里斯·H·概率论。牛津物理科学经典文本：纽约，1939年。 [55] Efron B，Gous A.模型选择的证据尺度：Fisher与Jeffreys。在模型选择中，Lahiri P.（编辑），《讲义专论系列》，第38卷。数理统计研究所：俄亥俄州比奇伍德，2001年；208‐246. [56] Meng XL、Wong WH。通过简单恒等式模拟归一化常数的比率：一种理论探索。中国统计局1996;6:831‐860. ·Zbl 0857.62017号 [57] Carlin BP，Chib S.通过马尔可夫链蒙特卡罗方法选择贝叶斯模型。英国皇家统计学会杂志B辑1995;57:473‐484. ·Zbl 0827.62027号 [58] Han C，Carlin B.计算贝叶斯因子的MCMC方法：比较综述。英国皇家统计学会杂志B辑2001;96:1122‐1132. [59] 绿色PJ。可逆跳跃MCMC算法计算和贝叶斯模型确定。生物特征1995;82(4):711‐732. ·Zbl 0861.62023号 此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。