基于无线传感器网络的同时定位与跟踪

研究无线传感器网络在位置信息不确定时,同时定位无线传感器网络节点并跟踪移动目标。利用RSSI测量节点对之间的距离,多维定标技术根据距离矩阵完成传感器网络的初始定位。估计与更新阶段提出了压缩EKF滤波确定传感器节点位置和目标位置。仿真结果显示:算法在较低的网络覆盖率下有较高的定位和跟踪准确度,在初始定位误差为5m时,节点和跟踪误差均小于3m,特别是在长距离的跟踪任务中有很好的精度和实时性。     

基于概率假设密度的无线传感器网络多目标跟踪算法

针对无线传感器网络多目标跟踪过程中杂波难以去除以及由数据关联复杂带来的计算复杂度高的问题,将概率假设密度滤波器应用于无线传感器网络,以更好地对多目标状态信息进行融合估计;首先,建立簇-树型无线传感器网络模型,并运用随机有限集理论对目标状态模型和传感器观测模型进行描述;然后,根据目标与节点之间的距离设置观测阈值,当传感器节点测量值小于观测阈值时,概率假设密度滤波器将实时对该组测量数据进行处理,从而实现传感器网络对目标状态的联合检测与跟踪;仿真结果表明,在无线传感器网络的多目标跟踪应用中,该算法比粒子滤波算法具有更高的跟踪效率和精度。     

一种WSN下的Mean Shift跟踪算法*

为有效地利用无线传感器网络跟踪移动目标,提出了一种基于高斯混合模型的Mean Shift跟踪算法。该算法运用高斯混合模型描述网络区域内目标信号分布的统计特征,利用Mean Shift区分目标信号与环境噪声,并对目标进行定位与跟踪。仿真实验结果表明,该算法在网络存在较大噪声,特别是网络存在大量异常传感器节点读数的情况下,定位精度高、受异常传感器节点读数影响较小。较之以往无线传感器网络目标跟踪算法,该算法具有更好的鲁棒性。     

双层协作的无线传感器网络目标跟踪方法

通过在无线传感器网络中引入双层监测机制,提出一种基于象限定位的目标跟踪方法。该方法依据位置关系选取相关性高的内外层节点,利用外层节点的快速侦测和内层节点的准确定位对移动目标进行定位跟踪,同时向汇聚节点快速上传移动目标轨迹。理论分析和实验结果表明,该方法可以降低无线传感器网络功耗,提高目标定位精度。     

基于能量优化的无线传感器网络动态分簇目标跟踪

针对无线传感器网络动态分簇目标跟踪中的数据碰撞与簇首选择过程导致能耗过高问题,提出一种基于能量优化的无线传感器网络动态分簇方法。首先,构建时分竞选传输模型,主动避免动态簇内数据碰撞,降低节点能耗;然后,基于能量信息与跟踪质量,提出能量均衡的最远节点调度策略,优化簇头节点调度;最后,根据加权质心定位算法,完成目标跟踪任务。实验结果表明：在节点随机部署的环境下,所提方法对于非线性运动目标的平均跟踪精度为0.65 m,与多目标跟踪动态簇员选择方法（DCMS）相当,比分布式事件定位动态分簇目标跟踪算法（DELTA）提高了45.8%;能量消耗方面,与DCMS和DELTA相比,所提方法的动态跟踪簇能量消耗有效降低了61.1%,延长了网络寿命。     

无线传感器网络数据管理平台的设计

无线传感器网络技术是近年来比较热门且研究比较活跃的新兴领域,结合无线传感器网络的体系结构、节点定位算法这两个方面的已有研究,进行了有关无线传感器网络数据管理的平台设计,对传感器网络所获得的感知数据进行查询和分析,模拟仿真不同时刻目标节点的位置信息,进而将整个目标节点运动轨迹绘制出来,有效实现对目标节点的实时监控和跟踪。     

无线传感器网络定位技术研究

无线传感器网络已被誉为改变二十一世纪和改变未来世界的十种新兴技术之一。无线传感器网络中节点的定位是获取位置信息的前提,也是目标跟踪和对移动目标定位的基础。因此,本文从无线传感器网络的非测距两个方面,介绍了无线传感器网络定位的主要方法,并主要研究了基于移动的无线传感器网络定位新方法,包括节点定位算法、三维定位算法和智能定位算法。从实用性、应用环境、硬件条件、能源供应和安全等方面对该技术进行了概述。在分析传感器网络定位技术存在问题的基础上,提出可行的解决方案,并对未来的研究前景和应用趋势进行展望。     

无线传感器网络具有跟踪质量保证的节点选择算法

目标跟踪广泛地应用于无线传感器网络的各个领域.该文研究无线传感器网络目标跟踪中的节点选择问题,提出了具有跟踪质量保证的跟踪节点选择算法.该算法在保证给定目标跟踪可靠性要求的同时对网络生存期进行优化.文中首先分析了影响传感器节点生存期的3个因素,包括节点感知数据的可靠性、节点剩余能量以及节点通信和采样的能量消耗.在此基础上建立节点生存期函数,在满足用户给定目标跟踪可靠性要求的前提下选择使网络生存期最大化的节点参与目标跟踪.实验结果表明该文所提出的节点选择算法可以有效延长网络生存期.     

多媒体传感器网络中基于多视觉信息的被动目标定位算法

目标定位是无线传感器网络应用研究中一个重要而有意义的问题,由于被动目标与信标间无主动通信联系,以及摄像机节点本身传感模型的方向性和区域性,使得传统的定位算法并不适用于新兴的多媒体传感器网络.提出了一种多媒体传感器网络中基于多视觉信息的被动目标定位算法,由发现目标的若干个摄像机节点自组织形成簇,利用单目视觉成像模型,获取目标的上下两点在定位平面的坐标后建立在统一世界坐标系下的直线表达式,簇头节点融合簇内所有直线方程,建立最小二乘意义下的代价函数,令其取最小值从而获得目标的准确位置坐标信息.最后通过实验验证了本算法比仅用单摄像机节点直接定位能够获得更高的定位精度.     

无线传感器网络中移动目标的定位与跟踪

对侵入无线传感器网络中的目标,提出了一种移动节点和静态节点相结合的定位与跟踪方式.静态节点可以发现侵入传感器网络中的目标,移动节点与静态节点配合进一步确定目标的具体位置.仿真实验验证表明:该方法可以减少大规模的频繁移动节点,不需要过多地对移动节点的选择和运动进行特别复杂的计算,具有较好的定位精度和鲁棒性,对多目标的定位与跟踪研究有一定的启发作用.     

被动式煤矿井下环境安全监测系统设计

介绍了一种基于ZigBee无线网络及传感器检测技术的新型被动式煤矿井下环境安全监测系统设计方案。该系统将带有传感器的移动检测终端设备置于矿工帽子上,通过无线传感网络,实现被动式的环境监测及无线信息传输,大大增加了监测的灵活性,并解决了监测死角的问题。     

无线传感器网络中的被动式红外传感器模型研究

针对公共安全的需要，利用无线传感器网络系统进行区域监控已然成为趋势。通过对系统的物理结构分析提出了一种被动式红外传感器模型。该模型对配备被动式红外传感器的无线传感网络的系统设计具有指导意义。传感器节点的测试以及实时系统的试验验证了模型的可靠性。     

基于热释电红外传感技术测距的时间差法研究

利用热释电信号幅值法进行目标测距会产生较大的误判,因为输出信号幅值受诸多因素(目标个体差异、穿着服饰、传感器安放位置)的影响。在不附加光学装置或菲尼尔透镜时热释电传感器通常仅能够短距离地感知动目标的存在与否,并不能辨别其出现和距离。使用加装红外透镜的方法将传感器的感知范围延伸至30 m。在对采集到的大量信号进行特征分析后发现模拟信号峰—峰值时间差与动目标距节点间的距离存在线性关系,利用这种关系实现了30 m可探测范围内较高精度的测距。该方法与信号幅值测距法相比,可明显地提高测距的可靠性和准确性。     

Square-root unscented Kalman filtering-based localization and tracking in the Internet of Things

The Internet of Things (IoT), which is usually established over architectures of wireless sensor networks, provides an actual platform for various applications of personal and ubiquitous computing. Recently, moving target localization and tracking in an IoT environment have been paid more and more attention. This paper proposes a square-root unscented Kalman filtering (SR-UKF)-based algorithm to discover real-time location of a moving target in an IoT environment where there exist quantities of sensors. The data generated from wireless sensor nodes of the IoT make contributions to localization and tracking of the moving target. First, a least-square (LS) criterion-based mathematical model is proposed for localization initialization in an IoT scenario. Next, we employ an SR-UKF idea for the further localization and tracking. By using the data coming from sensor nodes near the target, real-time location of the moving target can be estimated by implementation of SR-UKF in an iterative fashion so as to achieve target status tracking. Simulation results show that the proposed algorithm achieves good performance in estimation of both position and velocity of the target with either uniform linear motion or variable-speed curve motion. Compared with some existing conventional extended Kalman filtering (EKF) or UKF-based methods, the proposed algorithm shows lower location/velocity estimation error under the same computational complexity, which demonstrates its potential significance in ubiquitous computing applications for an IoT environment.     

无线传感器网络疑误数据节点自动诊断方法

为了提高无线传感器网络疑误数据检测能力,提出基于轮换调度的无线传感器网络疑误数据节点自动诊断方法。通过采用分块区域特征匹配的方法,得到无线传感器网络疑误数据传输的梯度模型,采用资源优化分配方案,进行数据传输信道的均衡调度,得到节点部署分布模型。通过传感信息跟踪采样方法,得到采样信息分布,建立无线传感器网络疑误数据信息特征分析,通过分组特征检测方法进行无线传感器网络疑误数据的信息融合和空间融合调度,提取无线传感器网络疑误数据的关联规则特征集,通过统计信息分析和融合调度的方法,进行无线传感器网络疑误数据的聚类挖掘,采用预算估计算法,得到疑误数据节点定位优化,结合自主学习算法,实现无线传感器网络疑误数据节点的优化定位和诊断检测。仿真结果表明,采用该方法进行无线传感器网络疑误数据节点检测的自适应性较好,特征辨识能力较强。     

无线传感器网络中的线性移动目标运动参数捕获方法

移动目标跟踪即移动目标的运动路径与参数获取在无线传感器网络应用中具有重要的研究价值.采用移动目标节点与信标节点间的TOA测量方法,提出了无线传感器网络中移动目标运动参数的捕获方法.通过建立移动目标运动参数的估计模型,本文首先推导了线性移动目标初始位置及移动速度估计的非约束线性最小二乘(ULLS)和约束线性最小二乘(CLLS)方法.将估计模型松弛为凸优化的半正定规划(SDP)问题,又设计了运动参数捕获的SDP算法.仿真分析结果表明,在3种所设计算法中ULLS算法的估计误差最大,SDP算法其次,CLLS算法的估计误差最小.随着采样周期的增加,初始位置的估计误差亦稍有增大,但速度估计误差却在减少.更多的采样点数量有利于增加测量信息量,可以有效减少位置及速度估计误差.     

传感器网络近场目标定位误差研究

根据近场目标的含义,使用二元传感器模型,通过数学分析和推导,以定理的形式表达得出了传感器网络近场目标的最小定位误差,其可以用于传感器网络对目标的协同跟踪,进而根据传感器位置,可以确定:在某一时刻,由哪些传感器对目标进行定位,在哪一段时间对目标进行跟踪。仿真结果说明了定理的正确性。     

一种基于多普勒效应的水下无线传感器网络时间同步机制

时间同步是无线传感器网络的基础问题。电磁波在水下环境的传输衰损极大,为此水下无线传感器网络通常采用超声波实现信息传输。由于超声波较低的传输速率和传感器节点在水中的运动,必将导致严重的信号传输延迟。构建了一种基于多普勒效应的水下无线传感器网络时间同步机制,通过检测接收到的超声波频率变化来实现时间同步校正。基于MATLAB实现了该同步算法的仿真。实验结果显示,传感器的采样时间间隔越短,移动速度越快,在水中所处的深度越小,整个系统的同步性越高。     

A Method for Estimating Angular Separation in Mobile Wireless Sensor Networks

Resource-constrained mobile sensors require periodic position measurements for navigation around the sensing region. Such information is often obtained using GPS or onboard sensors such as optical encoders. However, GPS is not reliable in all environments, and odometry accrues error over time. Although several localization techniques exist for wireless sensor networks, they are typically time consuming, resource intensive, and/or require expensive hardware, all of which are undesirable for lightweight mobile devices. In this paper, we describe a technique for determining spatial relationships that is suitable for resource-constrained mobile sensors. Angular separation between multiple pairs of stationary sensor nodes is derived using wheel encoder data in conjunction with the measured Doppler shift of an RF interference signal. Our experimental results demonstrate that using this technique, a robot is able to determine the angular separation between four pairs of sensors in a 45 × 35 m sensing region with an average error of 0.28 rad. in 0.68 s.