基于分布式有限感知网络的多伯努利目标跟踪

针对感知范围受限的分布式传感网多目标跟踪问题,在多伯努利滤波跟踪理论基础上提出分布式视场互补多伯努利关联算术平均融合跟踪方法.首先,通过视场互补扩大传感器感知范围,其中,局部公共区域只互补一次以降低计算成本.其次,每个传感器分别运行局部多伯努利滤波器,并将滤波后验结果与相邻传感器进行泛洪通信使得每个传感器获取多个相邻传感器的后验信息.随后,通过距离划分进行多伯努利关联,将对应于同一目标的伯努利分量关联到同一个子集中,并对每个关联子集进行算术平均融合完成融合状态估计.仿真实验表明,所提方法在有限感知范围的分布式传感器网络中能有效地进行多目标跟踪.

基于改进智能体模型的群集运动行为研究

为进一步探索多智能体复杂的群集运动行为,给出了两种改进的智能体模型,即改进的有限感知范围的Boid模型和改进的具有优先方向的Leader-Follower模型。以改进的有限感知范围的Boid模型为基础,研究了群集趋同和危险躲避行为。并以改进的具有优先方向的Leader-Follower模型为基础,进一步研究了群集趋同和危险躲避行为,与Boid模型不同的是,由于引进了具有对环境先验信息已知的智能体Leader,后者的行为具有更丰富的动力学行为和更高效的群集趋同和危险躲避效果。结果表明,基于领域知识或结合工程实际背景对智能体模型进行有目的的改进是进一步推动智能体群集运动行为研究的有效途径。