[发明专利]水声传感网中基于高斯混合模型的流体运动边界预测方法

说明书

本发明公开一种水声传感网中基于高斯混合模型的流体运动边界预测方法，包括了对历史边界沿采样方向进行离散化、获取离散后各采样方向上的边界位移序列S_n、构建各采样方向上边界位移序列S_n的高斯混合模型Ω＝{π₁,π₂,…,π_k；θ₁,θ₂,…,θ_k}、基于分模型θ_i(i＝1,2,…,k)进行位移预测、基于贝叶斯模型平均预测各采样方向的边界位移、拟合各采样方向上的位移点形成预测边界等步骤。本发明具有应用领域广、部署成本低、求解模型复杂度低、预测结果可靠性高等优势。

技术领域

本发明涉及一种水声传感网中基于高斯混合模型的流体运动边界预测方法，属于水声传感器领域。

背景技术

研究流体目标的运动规律，是预测流体扩散速度和方向并制定应急预案和逃生线路的主要依据，也是调度传感器节点工作，提高追踪效率的重要基础。目前，在离散目标的追踪研究中已经广泛使用时空机制预测目标下一时刻的运动位置，其可行性在于单体目标的速度不受周围环境影响，使得目标当前速度与其下一个位置之间具有可靠的时间相关性。然而，这种相关性不存在于蓝藻、石油等流体目标，此类目标的活动区域分布范围广并且会受外部影响自由改变其形状和大小。此外，对离散目标的预测跟踪大多通过估计目标的速度和方向来确定目标的下一步运动，但流体目标的运动方向和速度具有各向异性，因此，将预测离散目标运动状态的方法应用于连续目标并不可行。

近年来，研究者们研究和建立了多种不同物理条件下的流体扩散模型，通常采用随机统计方法，在流体力学模型基础上加以实现，但计算结果的准确性极大程度上受制于模型本身与模拟泄漏扩散场景的匹配性，对于流体目标类型和扩散区域环境无任何先验知识的情况下，如何选择已有模型以及是否存在与该情境匹配性高的扩散模型均无法保证。此外，流体运动是一个包含扩散、收缩、加速、减速等多种运动模式的复杂过程，流体的几何外形易随时间发生，运动状态易受外界干扰而改变。在不同运动状态下，对应的扩散模型输入输出关系也会发生变化，因此难以使用单一形式的模型描述运动状态。

发明内容

为了克服现有技术的缺点和不足，本发明公开了一种水声传感网中基于高斯混合模型的流体运动边界预测方法。

本发明中主要采用的技术方案为：

水声传感网中基于高斯混合模型的流体运动边界预测方法，包括如下步骤：

S1：获取水声传感网中流体目标运动产生的历史边界，对流体的历史运动边界沿采样方向进行离散化采样；

S2：获取经步骤S1离散化采样后沿某一采样方向上的边界位移序列，记为S_n＝{S(t₁),S(t₂),S(t₃),......,S(t_n)}，其中，S(t_n)表示该采样方向上t_n时刻的流体位移边界，测量误差项ε(·)是服从N(0,σ²)的高斯噪声；

S3：利用沿该采样方向上的边界位移序列S_n，使用EM算法训练该采样方向上的高斯混合模型Ω，使用BIC准则确定用于该采样方向上流体运动状态建模的分模型个数为k，即Ω＝{π₁,π₂,..,π_k；θ₁,θ₂,...,θ_k}，其中表示第i个单高斯分布分模型，μ_i是θ_i的均值，是θ_i的方差，π_i是θ_i的权重系数；

S4：在高斯混合模型Ω中，分别基于分模型θ_i(i＝1,2,......,k)进行第t_n+1时刻该采样方向上的边界位移值的预测；