×
Kang、Kai;瓦西里厄斯·马卢拉斯;艾奥尼斯·希扎斯;鲍、冯

改进的分布式粒子滤波器用于无线传感器网络中的跟踪。 （英语） Zbl 1469.62089号

计算。统计数据分析。 11790-108（2018）.
摘要：提出了一种新的分布式粒子滤波算法，称为漂移同伦似然桥接粒子滤波（DHLB-PF）。DHLB-PF的设计目的是在粒子滤波的重采样步骤之后使用多级马尔可夫链蒙特卡罗（MCMC）过程来克服简并问题。DHLB-PF考虑了一系列有利于MCMC步骤的相关平稳分布，并探索具有更高自由度的状态空间。该算法在无需融合中心进行数据处理的无线传感器网络多目标跟踪问题中进行了测试。这些观测数据仅从信息传感器收集，这些传感器可以感应到附近移动目标的有用观测数据。这些信息传感器通常是传感器网络的一小部分，通过使用稀疏感知矩阵分解技术进行检测。仿真结果表明，DHLB-PF优于当前流行的跟踪算法。

引用于9文件

MSC公司：

62-08 统计问题的计算方法
2005年6月2日 马尔可夫过程：估计；隐马尔可夫模型
62M20型 随机过程的推断与预测
94甲12 信号理论（表征、重建、滤波等）

关键词：

隐马尔可夫模型;粒子过滤器;多目标跟踪;无线传感器网络;稀疏;同伦

软件：

NeNMF公司
PDF格式BibTeX公司 XML格式引用
\textit｛K.Kang｝等人，计算机。统计数据分析。117、90-108（2018；Zbl 1469.62089）
全文： 内政部

参考文献：

[1] 艾哈迈德，N。；Rutten，M。；贝塞尔，T。；Kanhere，S.S。；戈登，N。；Jha，S.，《使用基于粒子滤波器的无线传感器网络的检测和跟踪》，IEEE Trans。暴徒。计算。，9, 9, 1332-1345, (2010)
[2] 亚历山大·F·J。；Eyink，G.L。；Restrepo，J.M.，《时间序列最佳估计的加速蒙特卡罗法》，J.Stat.Phys。，119, 5-6, 1331-1345, (2005) ·兹比尔1088.82026
[3] 安萨里，A。；Berendzen，J。；鲍恩，S.F。；弗劳恩费尔德，H。；伊本，I。；索克·T·B。；Shyamsunder，E。；Young，R.D.，《蛋白质状态和蛋白质地震》，Proc。国家。阿卡德。科学。，82, 15, 5000-5004, (1985)
[4] 巴赫，F。；杰纳顿，R。；Mairal，J。；Obozinski，G.，《稀疏诱导范数下的凸优化》（Sra，S.；Nowozin，S.）；Wright，S.J.，《机器学习优化》（2011），麻省理工出版社），第19-53页
[5] 鲍姆，M。；Hanebeck，U.D.，基于集合理论和随机融合的扩展目标跟踪，IEEE Trans。Aerosp.航空公司。电子。系统。，48, 4, 3103-3115, (2012)
[6] Baum，M。；Hanebeck，U.D.，多目标跟踪的内核-SME滤波器，（2013年第16届信息融合国际会议，（Fusion），（2013），IEEE），288-295
[7] O·卡佩。；Godsill，S。；Moulines，E.，序贯蒙特卡罗现有方法和最新进展概述，Proc。IEEE，95，5，899-924，（2007）
[8] Caudle，K.A。；Wegman，E.，使用正交序列对流数据进行非参数密度估计，计算。统计师。数据分析。，53, 12, 3980-3986, (2009) ·Zbl 1453.62059号
[9] Chronopoulou，A。；Spiliopoulos，K.，小噪声多尺度扩散的最大似然估计，统计推断Stoch。工艺。，2013年3月16日，237-266·Zbl 1292.62125号
[10] Coates，M.，传感器网络的分布式粒子滤波器，（第三届传感器网络信息处理国际研讨会论文集，（2004年），ACM），99-107
[11] Doucet，A。；布里尔斯，M。；Sénécal，S.，《序贯蒙特卡罗方法的高效块采样策略》，J.Compute。图表。统计人员。，15, 3, 693-711, (2006)
[12] Frenkel，D。；Smit，B.，《理解分子模拟：从算法到应用》，第1卷，（2001年），学术出版社
[13] Gilks，W.R.，Markov Chain Monte Carlo，（2005），威利在线图书馆
[14] 吉尔克斯，W.R。；Berzuini，C.，《动态贝叶斯模型的移动目标蒙特卡罗推断》，J.R.Stat.Soc.Ser。B统计方法。，63, 1, 127-146, (2001) ·兹比尔0976.62021
[15] Godsill，S。；Clapp，T.，《蒙特卡罗粒子滤波器的改进策略》（Sequential Monte Carlo Methods in Practice，（2001），Springer），139-158·Zbl 1056.93578号
[16] 新泽西州戈登。；Salmond，D.J。；Smith，A.F.，非线性/非高斯贝叶斯状态估计的新方法，（雷达和信号处理，IEE Proceedings F，Vol.140，（1993），IET），107-113，2
[17] 关，N。；陶，D。；罗，Z。；Yuan，B.，Nenmf:非负矩阵分解的最优梯度法，IEEE Trans。信号处理。，60, 6, 2882-2898, (2012) ·Zbl 1391.65115号
[18] Hlinka，O。；Hlawatsch，F。；Djuric，P.M.，《代理网络中的分布式粒子滤波：调查、分类和比较》，IEEE信号处理。杂志，30，1，61-81，（2013）
[19] Hoyer，P.O.，稀疏约束下的非负矩阵分解，J.Mach。学习。第5号决议，1457-1469，（2004）·Zbl 1222.68218号
[20] Jeske，D.R。；De Oca，V.M。；比肖夫，W。；Marvasti，M.，时隙序列的Cusum技术及其在网络监视中的应用，计算。统计师。数据分析。，53, 12, 4332-4344, (2009) ·Zbl 1301.90014号
[21] Kang，K。；马鲁拉斯，V。；Schizas，I.D.，用于非高斯多目标跟踪的漂移同位粒子滤波器，（2014年第17届国际信息融合会议，（Fusion），（2014），IEEE），1-7
[22] Lee，D.D。；Seung，H.S.，非负矩阵分解算法，（神经信息处理系统进展，（2001）），556-562
[23] Lin，C.-J.，非负矩阵分解的投影梯度法，神经计算。，19, 10, 2756-2779, (2007) ·Zbl 1173.90583号
[24] Liu，J.S。；Chen，R.，动态系统的序贯蒙特卡罗方法，J.Amer。统计师。协会，93，443，1032-1044，（1998）·Zbl 1064.65500号
[25] Mahler，R.P.，《统计多源多目标信息融合》（2007），Artech House，Inc·Zbl 1126.68080号
[26] 马勒，R。；Maroulas，V.，跟踪产卵对象，IET雷达声纳导航。，7, 3, 321-331, (2013)
[27] Maroulas，V.，Kang，K.，Schizas，I.D.，Berry，M.W.，2015年。一种学习漂移同伦粒子滤波器。摘自：2015年第18届信息融合国际会议，融合，第1930-1937页。
[28] 马鲁拉斯，V。；Nebefuhr，A.，《追踪快速细胞内运动：贝叶斯随机集方法》，Ann.Appl。统计，9，2，926-949，（2015）·Zbl 1454.62363号
[29] 马鲁拉斯，V。；Stinis，P.，《用于多目标跟踪的改进粒子滤波器》，J.Compute。物理。，231, 2, 602-611, (2012) ·Zbl 1243.65011号
[30] 姆巴拉瓦塔，印度。；南卡罗来纳州。；维霍拉，M。；Haario，H.，使用变分贝叶斯自适应卡尔曼滤波器的自适应大都市算法，计算机。统计师。数据分析。，83, 101-115, (2015) ·Zbl 1507.62134号
[31] 莫纳切，L.D。；Nipen，T。；刘，Y。；Roux，G。；Stull，R.，Kalman滤波器和模拟方案，用于对数值天气预测进行后处理，周一。《天气评论》，139，3554-3570，（2011）
[32] Neal，R.M.，退火重要性抽样，统计计算。，11, 2, 125-139, (2001)
[33] Olfati-Saber，R.，带嵌入式一致性滤波器的分布式卡尔曼滤波器，（第44届IEEE决策与控制会议，2005年和2005年欧洲控制会议，CDC-ECC’05，（2005），IEEE），8179-8184
[34] Ozdemir，O。；牛，R。；Varshney，P.K.，《使用粒子滤波的无线传感器网络跟踪：物理层考虑》，IEEE Trans。信号处理。，57, 5, 1987-1999, (2009) ·Zbl 1391.94355号
[35] 皮特，M.K。；Shephard，N.，《通过模拟过滤：辅助粒子过滤器》，J.Amer。统计师。协会，94，446，590-599，（1999）·Zbl 1072.62639号
[36] Ren，G。；马鲁拉斯，V。；Schizas，I.，《使用多传感器的多目标分布式时空关联和跟踪》，IEEE Trans。Aerosp.航空公司。电子。系统。，51, 4, 2570-2589, (2015)
[37] Robert，C.P.，分布的混合：推断和估计，（Gilks，W.R.；Richardson，S.；Spiegelholter，D.J.，Markov Chain Monte Carlo in Practice，（1996），Chapman and Hall New York），441-464·邮编：0849.62013
[38] Schizas，I.D.，《通过稀疏感知矩阵分解进行分布式信息传感器识别》，IEEE Trans。信号处理。，61, 18, 4610-4624, (2013) ·Zbl 1393.94616号
[39] Shin，V。；谢夫利亚科夫，G。；Kim，K.，一个新的融合公式及其在具有多传感器环境的连续线性系统中的应用，计算。统计师。数据分析。，52, 2, 840-854, (2007) ·Zbl 1452.62123号
[40] 斯奈德，C。；Bengtsson，T。；比克尔，P。；Anderson，J.，《高维粒子过滤的障碍》，周一。《天气评论》，136，12，4629-4640，（2008）
[41] Stinis，P.，通过漂移松弛对随机微分方程进行条件路径采样，Commun。申请。数学。计算。科学。，6, 1, 63-78, (2011) ·Zbl 1238.60068号
[42] Tibshirani，R.，《通过套索进行回归收缩和选择》，J.R.Stat.Soc.Ser。B统计方法。，267-288, (1996) ·Zbl 0850.62538号
[43] Toral，R.，Ferreira，A.，1994年。一类通用的混合蒙特卡罗方法。摘自：《物理计算学报》，第94卷，第265-268页。
[44] M.O.Ulfarsson。；Solo，V.，使用测地线最速下降的稀疏变量PCA，IEEE Trans。信号处理。，56, 12, 5823-5832, (2008) ·Zbl 1390.94449号
[45] Vo、B.-N。；辛格，S。；Doucet，A.，随机有限集多目标滤波的序贯蒙特卡罗方法，IEEE Trans。Aerosp.航空公司。电子。系统。，41, 4, 1224-1245, (2005)
[46] Weare，J.，《路径采样的粒子滤波及其在双峰海流模型中的应用》，J.Compute。物理。，228, 12, 4312-4331, (2009) ·Zbl 1165.76045号
[47] 维德罗，B。；Steam，S.，自适应信号处理，（1985），普伦蒂斯·霍尔·兹比尔0593.93063
[48] Wu，L。；Yang，Y。；Liu，H.，非负套索及其在指数跟踪中的应用，计算。统计师。数据分析。，70, 116-126, (2014) ·Zbl 1471.62220号
[49] 熊J.，《随机滤波理论导论》（2008），牛津大学出版社·Zbl 1144.93003号
[50] 朱，H。；希扎斯，I.D。；Giannakis，G.B.，使用无线传感器网络进行分布式信道软件卡尔曼跟踪的功率效率降维，IEEE Trans。信号处理。，57, 8, 3193-3207, (2009) ·Zbl 1391.94480号
[51] Zou，H.，《自适应套索及其预言属性》，J.Amer。统计师。协会，1014761418-1429，（2006）·Zbl 1171.62326号
[52] 邹，H。；哈斯蒂，T。；Tibshirani，R.，稀疏主成分分析，J.Compute。图表。统计人员。，15, 2, 265-286, (2006)
[53] Zwanzig，R.，《粗糙势中的扩散》，Proc。国家。阿卡德。科学。，85, 7, 2029-2030, (1988)
此参考列表基于出版商或数字数学图书馆提供的信息。它的项目与zbMATH标识符启发式匹配，并且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。