一种目标监测的移动传感器网络覆盖分布式优化算法

针对移动传感器网络中目标监测的节点部署问题,为保证在无覆盖漏洞的同时减少覆盖冗余,以六边形棋盘结构(HTL)为网络的目标部署结构,提出一种基于群集控制的分布式部署算法.该方法只需目标的相对方向和邻居节点的相对位置、速度信息,可不依赖于通信.仿真结果表明,所提出的算法对静止和运动目标均有效,与基于虚拟力的算法相比所需信息更少,部署更均匀,对HTL的逼近效果更好,覆盖更优.     

面向移动无线传感器网络的高效协作定位算法

在移动无线传感器网络中如何高效节能地获取节点的位置信息是热点研究问题。由于传感器网络一般采用电池供电且很难从外界获得能量补充,因此如何以尽可能低的能耗实现对节点的精确定位是研究的重点。本文提出采用虚拟多输入多输出VMIMO技术来实现节点的定位,该定位技术从总能耗、定位误差和节点移动速度三方面综合计算收发节点的最佳数量,从而降低了定位过程中的能耗。同时结合到达时间(TOA)算法实现了移动节点的高效定位。最终,实验分析了节点在不同移动速度等情况下的性能,结果表明基于VMIMO的定位算法在能耗方面具有显著的优势,且在节点移动的情况下具有非常强的鲁棒性。     

基于洋流模型的水下传感器网络实时定位算法

针对近海监控领域内水下传感器网络的节点随着海洋运动具有流动性的问题,提出了基于洋流模型的水下传感器网络实时定位算法(RTLC).利用洋流模型表示节点的运动模型消除流动性对定位造成的影响,成功模拟了节点在水中的移动速度.通过卡尔曼预测方法结合观测值与估计值优化运动模型,使其更贴近节点运动规律.采用信息记录机制及列表更新机制保证信息的时效性从而提高了定位准确度.通过仿真分析,RTLC算法性能优于基于移动预测的大规模水下传感器网络可扩展定位算法(SLMP),具有较高的定位覆盖度,较低的平均定位误差及平均通信能耗.     

基于跟踪单个移动目标的移动传感器网络蜂拥控制模型

该文提出了一个新的基于跟踪单个移动目标的移动传感器网络蜂拥控制方法。这个方法通过控制网络中所有移动传感器质心的位置和速度(Single-CoM)或者每个传感器和它邻域质心的位置和速度来跟踪并观察一个移动目标(MultiCoM)。此外,在自由空间内,质心的位置和速度按指数规律地向移动目标聚合。基于这种方法,目标节点将一直位于传感器网络的中心,而这对于传感器认识和辨别目标节点无疑是一个很大的优势。并且在整个目标跟踪过程中保证了移动传感器间无冲突和速度匹配,同时我们也研究了算法的稳定性。     

分布式粒子滤波实现无线传感器网络目标跟踪

为了延长无线传感器网络寿命,减小通信代价,提出一种层次型网络结构下基于粒子滤波的分布式跟踪算法.层次型网络由簇头节点和普通传感节点组成,簇头节点采用粒子滤波获得目标运动状态,联合当前时刻目标的本地估计位置、预测速度预测下一时刻的目标位置.并根据目标的预测位置判断是否转移簇首.目标离开节点探测范围后,节点进入休眠状态.实验表明,该方法能满足目标跟踪精度,并可有效的减少网络能耗,提高无线传感器网络使用寿命.     

DSNs中基于虚拟力的节点部署与目标定位方案

基于分簇的分布式传感器网络的有效性在很大程度上取决于传感器部署所实现的覆盖范围。针对现有的节点部署与目标定位方案的不足,提出一种虚拟力量算法作为传感器部署策略,以便在传感器初始随机部署后提升覆盖范围。给定一定数量的传感器后,该策略通过综合利用引力和斥力来确定传感器在随机部署之后的虚拟移动路径和移动速度,从而使传感器区域覆盖最大化。同时,文中提出一种由簇头运行的概率目标定位算法。簇头只需查询少量传感器(汇报目标存在的部分传感器)即可获得详细定位信息。仿真实验结果表明,本文方案只需一次性计算即可同步确定所有传感器节点的位置,另外,概率定位算法也可显著节约目标检测和定位的能耗。     

一种温度自适应无线传感网络时间同步方法

无线传感器网络节点中的廉价晶振极易受到温度、电压、湿度等工作环境因素的影响.节点晶振的这一特性,为室外大规模无线传感器网络时间同步技术带来了两方面的挑战:(1) 过高的通信开销;(2) 精度与能耗之间的不平衡.针对以上问题,提出了一种基于温度感知的、自适应的无线传感器网络时间同步算法.该算法能够依赖本地温度信息对节点时间频偏进行估计及补偿,在保证算法同步精度的同时,降低了网络通信开销.除此之外,提出一种动态同步周期调节机制,使得算法能够根据当前环境温度变化情况对节点同步周期进行动态调节,从而达到了能耗与精度之间的平衡.大量仿真实验结果表明:所提出的时间同步算法可将通信能耗降低至传统同步算法的10%;且在环境温度不断变化的情况下,80%的频偏估计值其误差小于0.5ppm.故,所提出的时间同步方法能够有效地适用于室外环境下部署的大规模无线传感器网络.     

无线传感器网络动态最近邻协作目标跟踪算法

针对现有的目标跟踪算法不能兼顾精度和能耗的问题,提出了一种动态最近邻协作目标跟踪算法。本算法动态构建目标跟踪簇以更好地适应目标位置的实时变化,从而获取最佳的跟踪精度。当目标进入监控区域后,多个传感器节点感知到目标则自动成簇最小二乘方法初始移动目标的最初位置。引入预测机制,根据目标的未来位置,基于最近邻协作准则选择下一时刻的簇头节点。目标跟踪簇头节点在其邻居范围内选择任务节点观测目标位置,并采用集中卡尔曼滤波完成目标的状态估计。仿真结果表明:提出的目标跟踪算法具有跟踪精度高,节点间的单跳通信距离能够有效减少能耗。     

基于移动锚节点无线传感器网络定位的算法

无线传感器网络应用在很多场合中,监测目标进行定位和跟踪是最基本的应用。在无线传感器网络中基于移动锚节点的定位算法进行设计仿真,网络部署成本显著减少。节点能耗减少,运行时间延长,而且在网络边缘上的节点100％都能获得节点位置．该设计算法能得到完整的网络信息,即使在网络节点出现故障后,通过移动锚节点来重新确认所有无故障节点的位置,进行重新定位。     

基于IMM-IKF的无线传感器网络非视距节点定位方法

针对非视距(NLOS)环境下的移动定位问题,提出一种基于交互式多模型-改进卡尔曼滤波(IMM-IKF)的无线传感器网络NLOS节点定位算法.算法在IMM算法框架下估计移动节点位置,采用两个平行的改进卡尔曼滤波算法对多个移动节点候选位置进行滤波处理,通过Markov链实现LOS状态与NLOS状态的转换,根据似然概率对两个滤波结果进行加权融合,从而获得移动目标位置.仿真实验结果表明,所提出算法可以有效抑制NLOS误差,实现精确定位.     

Interacting multiple model and sensor selection algorithms for manoeuvring target tracking in wireless sensor networks with multiplicative noise

This article addresses the problem of tracking a manoeuvring target in a wireless sensor network (WSN) consisting of distance-measuring sensor nodes. In order to cope with target manoeuvres, an interacting multiple model (IMM) filter is applied to estimate the position and velocity of the target. The distance-dependent measurement error of sensors is formulated as both additive and multiplicative noise in the observation equation. To deal with nonlinearities in the process and observation equations and also to solve the problem of multiplicative measurement noise, a new particle filter (PF)-based IMM approach is developed. Furthermore, the multiple-model posterior Cramér-Rao lower bound (PCRLB) is derived in the presence of both additive and multiplicative noise and it is used to perform a sensor selection algorithm to reduce energy consumption in WSN nodes. Simulation results show the effectiveness of the proposed IMMPF and sensor selection algorithms in target tracking.     

移动传感器网络中路径扫描覆盖问题研究

扫描覆盖作为无线传感器网络中的重要应用之一,通过规划移动传感器对区域内兴趣点（POI）进行定期覆盖,因此相较于传统覆盖方法能以更低廉的成本监测POI。研究最少传感器数量-最小罚时路径扫描覆盖问题,即通过调度移动传感器扫描给定路径上的POI集合,使传感器使用数量及产生的POI总罚时成本之和最小。将该问题转换为整数规划,并基于该问题的特殊结构设计贪心算法和遗传算法,以求解大规模实例。在遗传算法基础上引入模拟退火操作,以设计一种遗传模拟退火算法,从而提高求解质量和算法局部寻优能力。实验结果表明,所提贪心算法、遗传算法及遗传模拟退火算法均有较好的收敛性,贪心算法求解质量相对较差,但求解速度快;遗传算法解的质量更好,但存在不稳定的问题,局部寻优能力较弱;遗传模拟退火算法的局部寻优能力和求解稳定性明显增强,解的质量优于其他两种算法。     

基于自组织图算法的水下传感器网络优化部署研究

水下传感器网络部署是开展水下传感器网络相关应用的基础,良好的传感器节点部署方案可以有效提高目标的监测质量;针对水环境中随机事件的突发性和不确定的特点,提出了基于自组织图算法的水下传感器网络优化部署方案;首先,随机部署传感器节点,预设随机事件呈L型不均匀分布,当随机事件发生在传感器覆盖漏洞处时,采用自组织图算法确定传感器节点需要移动到的目标位置;仿真结果表明,基于自组织图算法的水下传感器网络优化部署方案可以显著提高对随机事件的覆盖率,实现对水环境的有效监测。     

基于粒子滤波的二元无线传感器网络分布式目标跟踪研究

针对二元无线传感器网络中利用粒子滤波进行集中式跟踪的不足,基于动态分簇结构,研究了基于粒子滤波的二元无线传感器网络分布式目标跟踪算法。算法每一时刻根据目标的状态只激活少量的节点参与探测跟踪,其它节点处于休眠状态以节省能量。最后,利用计算机进行了Monte Carlo仿真,仿真结果表明,算法在不损失跟踪精度的情况可以减少能耗和计算量,从而延长网络使用寿命。     

Impact of sensor nodes scaling and velocity on handover mechanisms for healthcare wireless sensor networks with mobility support

Health promotion in hospital environments can be improved using the most recent information and communication technologies. The Internet connectivity to small sensor nodes carried by patients allows remote access to their bio-signals. To promote these features the healthcare wireless sensor networks (HWSN) are used. In these networks mobility support is a key issue in order to keep patients under real-time monitoring even when they move around. To keep sensors connected to the network, they should change their access points of attachment when patients move to a new coverage area along an infirmary. This process, called handover, is responsible for continuous network connectivity to the sensors. This paper presents a detailed performance evaluation study considering three handover mechanisms for healthcare scenarios (Hand4MAC, RSSI-based, and Backbone-based). The study was performed by simulation using several scenarios with different number of sensors and different moving velocities of sensor nodes. The results show that Hand4MAC is the best solution to guarantee almost continuous connectivity to sensor nodes with less energy consumption.     

基于水平集的围猎式水下传感器节点布置研究

水下传感器网络作为一种探索和开发海洋的新方法,在人类不易接触的水下区域的探测和监测中发挥着重要作用,是无线传感器网络领域研究的热点.在水下空间中传感器节点如何自主调整位置实现对“兴趣域”的覆盖和监视是一个重要课题.该文引入水平集理论LSM,提出了一种基于水平集的围猎式水下传感器节点布置方法.在该方法中网关节点根据传感器节点的位置信息和可能感知到的兴趣域信息,以能量泛函计算兴趣域边缘参数,传感器节点以此参数为根据,完成趋向兴趣域边缘的迁移;大量节点的迁移可逐步演化成对兴趣域的围猎式布置.同时,该文建立了结构相似度SSIM和网络能耗均衡度两个性能评价指标,以评估该文方法在实现兴趣域驱动的水下节点布置的综合性能.大量仿真实验结果表明,该方法在不同节点规模、节点密度和兴趣域形状情况下均可实现对兴趣域边缘的动态地、围猎式地覆盖,从而达到对兴趣域的有效跟踪和监视.     

基于蜂拥控制的移动传感器网络目标跟踪算法

针对移动传感器网络中的目标跟踪问题, 以及现有控制策略在保持网络拓扑结构连通性和降低能量消耗方面存在的不足, 提出一种基于蜂拥控制的移动传感器网络目标跟踪算法. 首先, 利用网络中部分节点检测目标, 并使用卡尔曼一致性滤波算法估计目标的状态, 在获得比较精确的估计状态的同时降低能量消耗; 然后, 在蜂拥控制下传感器网络始终保持拓扑结构连通性和目标对网络可见, 同时避免节点之间发生碰撞. 仿真结果验证了所提出算法的有效性.

     

A novel estimator with moving ants

In the traditional ant colony optimization (ACO) algorithm, ants are utilized to solve various combinatorial optimization problems regardless of their individual velocities. In this work, however, a moving ant estimator (MAE) is developed on the premise that the issue of moving velocity of each ant is considered. The determination of the velocity of each ant depends directly on the normalized weights between the one-step prediction of the ant starting position and the selected one-step position. Besides this, the velocity of each ant is further adjusted locally based on its individual moving ability, which is defined in the corresponding “pheromone” update process just as the traditional ACO algorithm. To improve the accuracy of the proposed estimator, two improved versions are investigated. Numerical simulations show that the moving ant estimator, as well as its two improved versions, could estimate adaptively the state of maneuvering or non-maneuvering target. To verify the effectiveness of the MAE, the obtained results are compared with those from PF, IMMPF, etc.     

利用本地信噪比实现无线传感器网络的能量有效性*

提出了利用本地信噪比来选择部分传感器节点发送数据从而达到实现无线传感器网络能量有效性的方法。在无线传感器网络中节点分布的密度很大,节点采集的数据具有很强的相关性,这样让每一个节点都发送它们采集的数据是非必要的。采用的方法是选择那些本地信噪比较高（即对恢复目标原始状态贡献大）的那些节点传送它们采集的数据。仿真结果表明该方法可以节约30%50%的能量消耗,并且对目标节点状态的估计几乎没有造成不良的影响。