对前后数据进行融合处理的灰色双重建模测法

提出一种基于原始数据序列,构建一个新的数据序列,分别两次建立灰色建模GM(1,1),并对秘得的两组数据进行算术平均融合处理。实例证明,这种预测方法提高了预测精度。

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.