一种移动信源追踪活动目标的方法

无线网络的出现使移动追踪并定位正在运动的目标变为可能,在多传感器网络中,测距定位是目标定位的一种常用手段。利用测距定位的移动追踪方法,根据移动传感器信源节点的信息及感知目标所得的测距数据,推算出目标的位置,由信源节点与目标节点的位置分别确定各个信源节点的追踪方向,使移动传感器信源节点沿该方向追踪目标。但被追踪的目标本身也是移动点,再利用孤立求解的特性再次推算出目标的位置,如此循环往复,直至完成任务。通过在MATLAB环境中进行仿真的实验,表明该方法可使移动信源节点有效地追踪活动目标。     

无线传感器网络中基于移动智能体的目标追踪

就无线传感器网络中的目标追踪问题而言,减少传感器之间的冲突、提高追踪精度是两个重要问题．为此,采用移动智能体方法协同声音传感器追踪移动目标．当目标出现时,负责追踪的智能体产生,并随目标移动而移动．为减小在选举移动智能体的过程中出现的冲突,采用基于概率的选举策略,给出概率函数的设置方法．在目标关联过程中,时间窗口的大小对算法的追踪精度而言至关重要,经过分析,给出了设置时间窗口大小的基本原则．仿真结果表明设计恰当的随机函数和时间窗口可以有效地减小冲突、提高追踪的精度．     

浅析电磁定位传感器的系统测量误差

物体在三维空间里的姿态包括六个自由度:三个坐标值(x,y,z)和三个姿态角(a,e,r)。常用的空间跟踪定位系统有光学定位系统和电磁定位系统。由于电磁定位系统不要求被测目标点的可视性,在某些应用场合具有很大的优势。比如:利用磁感应传感器测量空间里不可直视的任意点的坐标,进而求出点与点之间的空间关系。但是磁感应传感器并不是理想中的质点,而是有尺寸的,传感器记录的坐标值是传感器中心点的坐标,直接利用传感器测量容易造成系统测量误差。本文将通过实验分析如何利用传感器记录的信息推算传感器顶点的坐标,消除这一测量误差。     

基于移动WSN目标追踪算法

水下移动无线传感器网络是追踪水下目标的重要手段,由于水下环境复杂,传感器节点会因为损坏或能量耗尽等问题脱离WSN网络,造成目标追踪困难。针对该问题,在拓扑熵理论基础上建立移动WSN目标追踪算法模型,利用拓扑熵对空间中点集拓扑关系描述移动WSN节点的部署情况。当有节点脱网后,通过不断计算拓扑熵值的变化合理调度节点移动,实现节点移动过程中的分布式自适应部署。仿真结果表明,在传感器节点损耗的情况下,提出算法和现有WSN目标追踪方法相比,在优化移动传感器网络的部署和目标追踪方面,具有更高的算法性能和效率。     

多目标多传感器数据融合轨迹追踪的建模与仿真

利用卡尔曼滤波(KF)和交互多模型(IMM)滤波进行传感器多目标测量的建模,在多目标轨迹跟踪中利用JPDAF和神经网络融合算法.轨迹联合和数据融合用于融合轨迹数据时假设,2只传感器追踪单目标到3只传感器追踪3个目标,在此基础上评估了多个散布式传感器对于单目标、双目标和多目标的测量效能.对于不同滤波器的性能进行了比较,并得到轨迹融合可以很好地逼近真实轨线,优于其他任何传感器目标测量方法.     

三维水下移动传感网多目标有向路径覆盖增强研究

水下传感网中实现多个移动目标的协同追踪任是一个技术难题,针对这个问题论文提出了一种分布式的多目标有向路径覆盖增强算法。在实际的三维水下传感网中,水下传感器节点会随着水流运动而移动,被追踪的目标具有自主行动能力。假设移动规律遵从Meandering Current Mobility模型,多个运动目标沿着基于概率的Random Walk移动模型轨迹运动。在论文提出的算法中,覆盖运动路径的传感器节点通过两跳邻居节点范围内的水下传感器节点协同决策来实现最大化路径覆盖,通过调整水下传感器节点自身的有向覆盖方向达到多目标轨迹路径有向覆盖率平均值最大,并使多目标轨迹路径有向覆盖率标准方差尽量小。最后论文通过MATLAB软件仿真来验证分布式覆盖增强算法的有效性,能够显著提高多个移动目标的路径覆盖率。     

一种高效的大监控区域移动目标追踪算法

针对目前无线传感器网络中利用位置指纹进行移动节点室内追踪时,为提高追踪精度引入的训练及匹配计算量大的问题,提出了一种兼顾定位精度和计算效率的算法。该算法适合锚节点稀疏分布的大监控区域,通过锚节点和参考位置点的局部匹配降低指纹匹配的复杂度,利用加权K-近邻算法获得粗定位,再通过融合目标节点加速度信息的卡尔曼滤波进一步减少追踪误差。仿真实验表明,本文算法具有良好的定位一致性和较高的定位精度,在指纹间隔10 m,接收信号强度指示值的测量方差高达16时,追踪过程中平均定位误差为1.4 m,适合室内移动目标的实时追踪。     

无线传感网络中基于误差椭圆的自适应节点 选择目标跟踪算法

追踪精度与传感器节点能耗是无线传感网络WSN(Wireless Sensor Network)中主要考虑的两个性能指标,现有的许多目标追踪算法在提高追踪精度、降低传感器节点能耗的同时缺乏对传感器节点位置与数目的考虑.因此,提出一种基于误差椭圆的自适应节点选择目标追踪算法,以误差椭圆为基准计算目标最可能出现的区域,然后根据误差判决调整区域内所需激活的传感器节点数量,完成对目标的跟踪.仿真结果表明,该算法可以在保证追踪精度的同时有效降低激活传感器节点数量.     

传感环境下基于局部Voronoi图的启发式反监控路径发现算法

针对移动对象通过传感区域时的安全问题,提出了一种基于局部Voronoi图(VT)的启发式反监控路径发现算法.首先,给出了一种基于局部Voronoi图的路径暴露风险近似估算模型.在该模型中,移动目标可依据当前探测到的传感器节点位置信息动态生成局部Voronoi图,并可依据定义的暴露风险计算公式近似估算出局部Voronoi图中各条边所对应路径的暴露风险.然后,在此基础上设计并实现了一种启发式的反监控路径发现算法.在该算法中,移动目标可首先基于局部Voronoi图确定自己的下一跳位置点候选集,然后再基于定义的启发式代价函数从候选集中选择一个风险代价最小的位置点作为其下一跳目标位置点.最后,沿着局部Voronoi图中对应的最小暴露风险路径移动到该目标位置点.理论分析和实验结果表明,所提算法具有良好的反监控性能,针对部署有n个传感器节点的区域,能够使得移动对象在不超过O(n log n)的时间内快速找到一条具有较低暴露风险的路径来穿越整个传感区域.     

混合无线传感器网络内覆盖洞的双目标修补算法

混合无线传感器网络中的覆盖洞修补通常由网络内的移动传感器移动实现。现有文献中的算法只关注最小化所有移动传感器的移动能量消耗或最小化所有移动传感器中的最大能量消耗中的一个。为此,首先提出一种同时实现前述两个目标的离线算法,其次提出一种双目标的覆盖洞在线修补算法。双目标离线算法基于两个单目标算法的结合。双目标在线算法基于分层分离树上的在线匹配,能有效降低匹配开销。在线算法中感应区域的单元分隔摆脱了算法对覆盖洞的大小或数量预知的要求。仿真结果显示,双目标的离线算法和在线算法对覆盖洞修补中移动传感器的能量保留均具有显著效果。     

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.     

Coverage tracking control for multiple cooperative agents

In this article, we consider coverage problem of a moving target by multiple mobile agents. The mobile agents with global sensing areas and limited actuation region are designed to track down a target with estimation error with the help of flocking and coverage. In order to capture the target, its location and velocity are first estimated. With observer-based estimation combined with flocking control, respectively, the group of agents can catch the target by a coverage tracking policy in finite time.     

分布式动态一致性非线性目标跟踪策略研究

针对集中目标跟踪和分层目标跟踪中心节点通信瓶颈以及容错性能差的不足, 提出了一种分布式动态一致性非线性目标跟踪策略。目标状态初始化由网络节点采用加权最小二乘法完成。整个跟踪过程采用动态成簇策略, 分阶段选择并唤醒任务节点检测目标并执行分布式一致性扩展卡尔曼滤波策略完成目标的状态估计, 其余节点进入休眠状态从而能降低系统的能耗。从跟踪误差和能量两个方面, 与集中目标跟踪算法相比, 仿真结果表明所提算法与集中卡尔曼滤波相比, 跟踪精度相当, 适用于要求高可靠度的非线性跟踪。此外分布式的工作方式使得节点仅需与邻居交换数据并在局部完成状态估计, 消除集中式结构中心节点的瓶颈, 以保证部分传感器节点的损坏不会影响到全局任务的完成。     

紧耦合多传感器混合跟踪算法

在增强现实应用中实现对运动目标的准确跟踪是一个具有挑战性的任务。基于混合跟踪通过对多传感器信息的融合通常比单一传感器跟踪算法更为优越的特性,提出了一种新的紧耦合混合跟踪算法实现视觉与惯性传感器信息的实时融合。该算法基于多频率的测量数据同步,通过强跟踪滤波器引入时变衰减因子自适应调整滤波预测误差协方差,实现对运动目标位置数据的准确估计。通过标示物被遮挡状态下的跟踪实验结果表明,该方法能有效改善基于扩展卡尔曼滤波器的混合跟踪算法对运动目标位置信息预测估计的准确性,提高跟踪快速移动目标的稳定性,适用于大范围移动条件下的增强现实系统。     

六足机器人动态目标检测与跟踪系统研究

动态目标检测与目标跟踪是图像领域的热点研究问题,为研究其在移动机器人领域的应用价值,设计了六足机器人动态目标检测与跟踪系统。针对非刚体运动目标容易被检测为多个分散区域的问题提出区域合并算法,并通过对称匹配、自适应外点滤除对运动背景进行精确补偿,最终基于背景补偿法实现对运动目标的精确检测。研究了基于KCF（Kernel Correlation Filter）的目标跟踪算法在六足机器人平台上的应用,设计了自适应跟踪算法实现六足机器人对运动目标的角度跟踪。将运动目标检测及跟踪算法应用于六足机器人系统。实验表明,在六足机器人移动过程中,系统可对运动目标进行精确检测与跟踪。     

低空运动目标的多传感器自动识别和实时跟踪

讨论了一种用于低空运动目标检测和跟踪的电视跟踪系统。为了提高系统自动跟踪和抗干扰能力,基于声—光—电多种传感器和测量装置如声波传感器、图像传感器和激光测距仪等,提出一种多传感器综合的自动目标识别和实时跟踪算法。该方法将被动声定位技术用于目标初定位,结合目标图像动静态特征和目标声源特征用于目标的特征提取和自动识别,根据视频跟踪和轨迹预测算法,得出期望的目标误差信号控制伺服机构进行精确跟踪。实验结果表明该算法简捷有效、精度和可靠性达到要求,验证了多传感器应用于全自动智能跟踪系统的可行性。     

无线传感器网络被动红外目标跟踪技术研究

无线传感器网络的目标跟踪技术是目前研究的热点之一。被动红外传感器对活动的人具有较高的灵敏度,而目前被动红外多用于双元目标检测,并未实现目标定位,限制了被动红外的应用。本文提出了无线传感器网络的被动红外目标跟踪模型PITM。在该模型中,多个红外传感器节点通过协同可以确定目标的位置和运动速度。仿真实验表明,当节点密度为每1000m224个节点时,定位平均误差在0.5m左右,且节点密度越大,定位误差越小。     

基于超宽带技术的运动目标跟踪高精度定位系统设计

为克服运动目标不断变化导致跟踪定位精度较低的问题,设计基于超宽带技术的运动目标跟踪高精度定位系统;图像采集模块由FPGA单元、VGA显示单元、帧缓存单元以及图像采集单元构成,以此实现运动目标跟踪与定位中的图像采集,在超宽带技术模块中,设计超宽带运动目标定位所需的天线、定位基站、移动节点,完成超宽带动态组网,实现硬件系统的设计;基于硬件系统采集到的图像,实施图像灰度化处理、形态学滤波处理,以增强图像中有用的信息,设计TLD运动目标跟踪算法,随着运动目标开始运动,TLD模型会不断学习跟踪的运动目标,获取目标在距离、景深、角度等层面的改变,并不断学习、识别,达到良好的跟踪效果,基于超宽带技术设计运动目标动态定位算法,依据跟踪结果实现运动目标的高精度定位,完成软件系统的设计;实验测试结果表明,该系统在中、远距离目标跟踪与定位实验中跟踪错误率低于0.60%、2.4%,沿着S型运动时,路线弯折处的定位误差较低,与实验运动目标的飞行路线相贴合,具有良好的定位能力。     

Low-Cost Visual Tracking of a Landing Place and Hovering Flight Control with a Microcontroller

The growth of civil and military use has recently promoted the development of unmanned miniature aerial vehicles dedicated to surveillance tasks. These flying vehicles are often capable of carrying only a few dozen grammes of payload. To achieve autonomy for this kind of aircraft novel sensors are required, which need to cope with strictly limited onboard processing power. One of the key aspects in autonomous behaviour is target tracking. Our visual tracking approach differs from other methods by not using expensive cameras but a Wii remote camera, i.e. commodity consumer hardware. The system works without stationary sensors and all processing is done with an onboard microcontroller. The only assumptions are a good roll and pitch attitude estimation, provided by an inertial measurement unit and a stationary pattern of four infrared spots on the target or the landing spot. This paper details experiments for hovering above a landing place, but tracking a slowly moving target is also possible.     

Performance evaluation of selective and adaptive heads clustering algorithms over wireless sensor networks

Target tracking in wireless sensor networks can be considered as a milestone of a wide range of applications to permanently report, through network sensors, the positions of a mobile target to the base station during its move across a certain path. While tracking a mobile target, a lot of open challenges arise and need to be investigated and maintained which mainly include energy efficiency and tracking accuracy. In this paper, we propose three algorithms for tracking a mobile target in wireless sensor network utilizing cluster-based architecture, namely adaptive head, static head, and selective static head. Our goal is to achieve a promising tracking accuracy and energy efficiency by choosing the candidate sensor nodes nearby the target to participate in the tracking process while preserving the others in sleep state. Through Matlab simulation, we investigate the performance of the proposed algorithms in terms of energy consumption, tracking error, sensor density, as well as target speed. The results show that the adaptive head is the most efficient algorithm in terms of energy consumption while static and selective static heads algorithms are preferred as far as the tracking error is concerned especially when the target moves rapidly. Furthermore, the effectiveness of our proposed algorithms is verified through comparing their results with those obtained from previous algorithms.