基于Ad-hoc和GIS辅助的无线传感器网络定位

针对现有无线传感器网络自定位算法难以脱离大量的静态信标节点的问题,利用Ad-hoc的自组织特性,提出了一种基于分簇并只以簇头节点为移动信标的动态无线传感器网络自定位算法.该算法通过簇内动态混合定位的方式,有效提高了盲节点的定位精度.同时设计和实现了一个基于ArcGIS Engine的动态目标定位监控系统,利用GIS辅助将相对定位与基于地图环境下的绝对定位相结合,进一步提高了无线传感器网络的定位精度.MATLAB仿真实验以及系统实例表明了算法的实时性、有效性和系统的可行性.     

基于多模型预测的WSN动态簇目标跟踪算法

分析了无线传感器网络(WSN)中现有目标定位算法缺陷,针对WSN中跟踪目标的运动不确定特性,提出一种基于多模型动态簇预测的WSN目标跟踪算法;该算法以多模型为目标动态建模框架,适应目标的不确定运动,在得到各模型预测之后,综合各模型预测估计形成全局预测估计,进而构造局部唤醒区域,将落入该局部唤醒区域的节点构造动态簇,通过择优规则,确定该节点动态族的簇首,实现目标的定位跟踪;仿真结果表明,与全局唤醒算法相比,所提出的基于多模型动态簇预测的WSN目标跟踪算法可适用于目标的不确定运动,并得到较好的跟踪精度。     

基于正六边形区域划分的无线传感器网络动态目标跟踪

针对无线传感器网络(WSNs)目标跟踪应用中的跟踪精度与能耗问题,提出一种能量均衡消耗的目标跟踪协同算法.该算法以正六边形网格作为分簇模型,能动态地唤醒无线传感器网络中合适的簇对目标状态进行估计.同时引入了虚拟簇头的概念用于优化簇头选举策略.仿真分析表明:所提出的算法与簇内集中式算法相比不仅具有相当的估计性能,并能有效降低对簇头节点的性能要求.除此之外,通过自适应动态簇头选举策略,有效地均衡了各簇中节点能量消耗,提高了系统的健壮性.     

无线传感器网络目标跟踪动态簇成员调度策略

通过分析目标跟踪无线传感器网络监测精度、节点能量消耗与簇成员唤醒/休眠之间的内在联系,针对网络节点能量有限、密集部署节点监测数据存在冗余、传感器节点的自身位置估计误差和目标监测估计误差等问题,引入部分可观察Markov决策过程(POMDP)理论,提出一种基于目标跟踪准确度和节点能量消耗加权回报率的动态簇成员调度模型;针对动态簇成员调度算法复杂度偏高的问题,采用基于信念点的值迭代在线策略求解算法,实现传感器簇成员节点协作策略的动态生成和在线调整。仿真结果表明:该算法能够提高目标跟踪准确性,降低节点能量消耗,延长网络生存时间。     

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。     

基于动态分簇的矿井WSNs目标跟踪定位技术研究

无线传感器网络(WSNs)定位技术是传感器网络的重要支撑技术.现有的目标定位技术如RSSI、三边定位以及加权质心算法等,较多考虑的是平面网络或是如何提高定位精度问题,带来了较大的能耗.充分考虑了WSNs能耗有限的特点,提出了一种基于动态分簇的目标定位技术.该技术算法给出了基于簇结构的网络形成的算法思想,簇首以及簇成员节点的选取原则.基于动态簇的传感器网络的定位技术分为网络初始化、动态簇跟踪目标和簇的重组3个阶段.通过实验仿真,证明了簇组建成功概率与权值关系,以及不同运动场景和节点布置密度情况下与标跟踪的精度关系.该算法降低了网络能量开销,提高了定位精度,适合矿井传感器网络应用.     

配电网中基于分簇定位的WSN节点故障定位研究

针对电网故障检测中使用的无线传感器网络节点定位精度较低,分簇不均问题,提出了一种基于DV￣Hop算法改进均值粒子群算法(PSO),首先DV￣Hop算法改进均值粒子群算法中粒子的速度与位移,使动态无线传感器网络重新定位簇头节点坐标更加接近真实值;然后递归神经网络学习算法迭代值逼近最合适的惯性权重值,优化均值PSO粒子群算法使其达到最优搜索能力。最后由Sink节点对每一次动态分簇后网络节点进行数据采集后对电能耗尽的节点进行无线充电。仿真结果表明,改进后的PSO算法比PSO算法聚类分簇误差更小,节点定位配电网故障的精确度提高12.8％,有效地延长了网络生命周期。     

物联网无线传感器的网络分簇拓扑容错算法

无线传感网络是物联网的核心技术,其由部署在监测区域内大量的廉价微型传感器节点组成.节点除了感测特定的对象,还需要维持互相之间的网络连接.在传感器节点能量受限制情况下,良好的网络拓扑控制方法能够提升传感器网络的生存时间.因此合理地控制网络拓扑结构是当前无线传感器网络研究领域的热点和难点.提出了一种无线传感器网络分簇拓扑容错算法,利用主从簇头方式分摊簇头能量消耗,并采用候选簇头机制解决簇头失败.仿真实验证明该算法不仅具有较低的复杂度和较低的节点平均通信半径,而且具有较好的容错性能和较长的网络生命周期,可显著提高物联网的整体性能.     

面向单目标跟踪的二进制无线传感器网络自组织方法

针对二进制无线传感器网络单目标跟踪,为了有效获取信息,并降低网络能耗,提出二进制传感器网络自组织算法:异步动态成簇算法(asynchronous dynamic cluster,ADC).该算法在时间异步条件下,用动态簇的方式来组织节点对目标进行跟踪.深入研究了目标发现及节点激活,异步动态跟踪簇的构建、调整和异步时间配准的问题.仿真分析证明,本算法具有一定的稳定性和收敛性,能在保证跟踪精度的同时降低网络能耗.     

基于自适应动态簇和预测机制的WSN目标跟踪算法

无线传感器网络由大量能量有限的传感器节点组成,如何高效利用网络中节点的能量是无线传感器网络用于目标跟踪时研究的主要内容。合理构建动态簇可以有效降低网络的能量消耗,延长网络的生命周期,本文通过改进动态簇组建过程中簇头的选举和簇成员的征集过程,达到进一步节能的效果。其中,簇头的选择,综合考虑节点的能量和节点离目标的距离两个因素。簇成员的征集,同时考虑目标的移动速度和网络中节点的分布情况。同时,引入有效的预测机制,通过避免盲目的唤醒网络中的节点和降低跟踪延迟,可以进一步增强网络的跟踪性能,使跟踪过程更加有效和稳定。仿真结果表明本文算法在保证跟踪精度的前提条件下,可以有效节省网络中节点的能量。     

基于动态分簇的移动目标追踪方法

针对无线传感器网络（WSN）中目标追踪的准确性低、网络能耗过高和网络生命周期短等问题,提出基于动态分簇的移动目标追踪技术。首先,构建了双层环状动态分簇的拓扑模型（TRDC）,并提出了动态分簇的更新算法;其次,在质心定位算法基础上,考虑到节点的能量,提出了基于功率级别的质心定位（CLPL）算法;最后,为了进一步减小网络的能耗,改进CLPL算法,提出了随机性定位算法。在仿真实验中,与静态簇相比,网络周期延长了22.73%;与非环状簇相比,丢失率降低了40.79%;而追踪准确性与基于接受信号强度值（RSSI）算法相差不大。所提的追踪技术能够有效保证追踪准确度,同时降低网络能耗,减小目标丢失率。     

基于事件驱动和神经网络的无线传感网络数据融合算法研究

为降低突发事件监测的无线传感器网络(WSN)的能量消耗和数据冗余,设计并实现一种基于事件驱动的动态分簇BP神经网络数据融合算法(EBPDF)。其中动态成簇以及簇头选举过程基于事件严重程度和节点剩余能量,簇的生命周期和簇的覆盖范围根据事件紧急程度和节点剩余能量进行动态调整。同时,为减少网络通信量,将神经网络层次结构与WSN的簇结构相结合,在动态形成的簇结构中应用三层神经网络模型,通过神经网络算法从采集到的大量原始数据中提取出少量特征值,并发送到汇聚节点,从而延长网络生命周期,降低数据传输的冗余度。理论仿真实验证明,与LEACH算法相比,该算法既能有效降低网络通信流量,又能减少节点通信次数。     

A dynamic lookahead tree based tracking algorithm for wireless sensor networks using particle filtering technique

In this study, five different algorithms are provided for tracking targets that move very fast in wireless sensor networks. The first algorithm is static and clusters are formed initially at the time of network deployment. In the second algorithm, clusters that have members at one hop distance from the cluster head are provided dynamically. In the third algorithm, clustered trees where members of a cluster may be more than one hop distance from the cluster head are provided dynamically. In the fourth, algorithm lookahead trees are formed along the predicted trajectory of the target dynamically. Linear, Kalman and particle filtering techniques are used to predict the target’s next state. The algorithms are compared for linear and nonlinear motions of the target against tracking accuracy, energy consumption and missing ratio parameters. Simulation results show that, for all cases, better performance results are obtained in the dynamic lookahead tree based tracking approach.     

面向单目标跟踪的临时簇构建算法研究

在目标跟踪中引入分簇机制使得跟踪计算任务可以以簇为单位进行,也可以在持久跟踪中将任务在簇间进行切换;文章针对无线传感器网络单目标跟踪提出一种临时簇构建算法(TCA),算法从感知到目标出现的节点中选出合适的节点,组建起临时簇进行目标跟踪运算,算法采用令牌传递方式来防止多个簇同时跟踪一个目标,使绝大多数节点均处于休眠状态;仿真实验结果表明,TCA组簇快速且能有效地控制整个网络的能耗。     

HierTrack: an energy-efficient cluster-based target tracking system forwireless sensor networks

Target tracking is a typical and important application of wireless sensor networks(WSNs).Existing target tracking protocols focus mainly on energy efficiency,and little effort has been put into network management and real-time data routing,which are also very important issues for target tracking.In this paper,we propose a scalable cluster-based target tracking framework,namely the hierarchical prediction strategy(HPS),for energyefficient and real-time target tracking in large-scale WSNs.HPS organizes sensor nodes into clusters by using suitable clustering protocols which are beneficial for network management and data routing.As a target moves in the network,cluster heads predict the target trajectory using Kalman filter and selectively activate the next round of sensors in advance to keep on tracking the target.The estimated locations of the target are routed to the base station via the backbone composed of the cluster heads.A soft handoff algorithm is proposed in HPS to guarantee smooth tracking of the target when the target moves from one cluster to another.Under the framework of HPS,we design and implement an energy-efficient target tracking system,HierTrack,which consists of 36 sensor motes,a sink node,and a base station.Both simulation and experimental results show the efficiency of our system.     

基于网格的动态能量阈值的簇头选择算法

有效地使用传感节点的能量进而延长网络寿命成为设计无线传感网路由协议的一项挑战性的工作.而动态簇被认为提高能量利用率的有效技术之一.然而,簇头分布不均匀加速了网络能量的消耗,降低了网络寿命.为此,提出基于网格的动态能量阈值的簇头选择算法GDET-CH(Grid Dynamic Energy Threshold-based Cluster Header),平衡簇头分布.GDET-CH算法先将网络区域划分多个网格,并每个网格产生一个簇头.然后,利用节点离网格中心距离和节点剩余能量选择簇头.最后,引用动态能量阈值机制,只有当节点剩余能量大于能量阈值才可能成为簇头,进而平衡网络能耗.实验数据表明,与DDEEC和EDDDEC算法相比,GDET-CH算法的网络寿命分别提高了近24.5%和36%.     

基于三边测量的分簇目标跟踪算法

针对目标跟踪应用中目标移动的随机性和偶然性,以及跟踪节点的能量有限、通信半径小等问题,为了提高跟踪精度,并尽可能地减少节点能量消耗、延长网络寿命,提出了一种基于三边测量的分簇目标跟踪算法。所提方案采取三边测量技术进行移动目标的定位以提高定位精度,而且为了达到能效均衡,在建立唤醒簇阶段根据节点与目标之间距离、节点残余能量两个参数进行簇头及簇成员选举。仿真结果表明,所提方案与基于预测的能量节省(PES)方案、基于混合簇的目标跟踪(HCTT)协议相比,网络寿命更长,预测轨迹更精确,跟踪精度更高。     

一种能量有效的WSN目标跟踪动态协同自组织算法

针对无线传感器网络目标跟踪应用中跟踪精度与网络能耗的权衡问题,提出一种能量有效的动态协同自组织算法(E-DCS)。根据目标预测位置和节点的位置、能量信息,建立了信息效用、通信开销和节点剩余能量的综合性能指标,并利用层次分析法确定了性能指标中各要素的权值系数。通过自适应动态成簇策略,分别设定簇首切换精度阈值和节点选择精度阈值判断是否切换簇首和选择任务节点。簇首节点根据簇内节点提供的测量信息采用序贯EKF进行状态估计。仿真结果表明,与信息驱动传感器查询(IDSQ)和自适应动态协同自组织算法(A-DCS)相比,该算法在保证跟踪精度的基础上,降低了网络能耗,有效延长了网络的生命周期。