基于信息量的分布式协同自组织算法

无线传感器网络中节点协同自组织主要涵盖传感器管理和状态估计,也就是如何选择传感器节点、设置传感器参数并估计被监测系统的状态,因此协同白组织为决策与估计的联合优化．本文提出了一种自适应动态协同自组织算法,以量测所提供的信息量和节点自身的剩余能量做为节点选择的综合指标,根据设定的感知精度,自适应地选择参与感知任务的节点集合,在信息滤波的融合框架下完成状态的分布式估计．相比信息驱动传感器查询（information-driven sensor querying,IDSQ）,算法具有精度可调、强鲁棒,同时尽可能地延长了网络的生命周期．以目标跟踪为应用背景,其仿真结果表明：以跟踪精度、失跟率和网络生命周期作为评价指标,该算法优于IDSQ．     

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。     

无线传感器网络信息感知中的自组织算法

构造了信息获取与能量节省的综合性能指标,通过在线优化该函数自适应地选择簇首及簇内成员,提出了一种无线传感器网络动态协同自组织算法(DCS),从而实现综合性能优化意义下的网络自组织．仿真表明:与IDSQ算法相比,DCS算法能有效避免“乒乓效应”问题,节省通讯能量明显,而跟踪精度相当．     

基于生物竞争的无线传感器网络自组织算法

自然界中,生物个体之间为争夺资源存在着竞争行为。通过研究生物竞争行为,针对无线传感器网络自组织覆盖问题,提出了一种新的分布式算法。该方法把传感器网络中的节点类比为生物竞争中的个体,把目标监测区域类比为生活资源,把对传感器网络所做的优化配置类比为生物竞争行为对生活资源的优化配置。将自然界生物活动中通过竞争实现资源的优化配置的方法应用到无线传感器网络的节点部署,降低节点的计算量、移动距离及信息复杂度,以提高无线传感器的行动效率,并间接达到省电的目的。实验结果表明,该方法方便,有效,能够较好地配置节点,提高网络覆盖率。     

自组织、自适应无线传感器网络理论研究

无线传感器网络是当前信息技术的前沿之一,在生态环境监测、基础设施安全、先进制造、物流管理、医疗健康、工业传感、智能交通控制、智能能源及军事等领域具有十分广阔的应用前景。无线传感器网络独特的要求和制约因素决定了不能仅只依靠现有的网络机制和技术,而必须重新设计适合无线传感器网络特点和要求的自组织自适应的网络。分析了传感器网络自组织、自适应的特点与需求,并在此基础上就其中的若干关键性科学问题进行了探讨。     

基于分布式动态簇结构的WSN自适应目标跟踪算法

目标跟踪是无线传感器网络应用研究的一个重要问题,如何在传感器节点随机分布的条件下对目标进行实时、准确的跟踪,并尽可能地降低网络能耗是目标跟踪问题的一个难点。文章基于分布式动态簇结构和并行粒子滤波算法对目标进行跟踪,提出一种跟踪采样周期自适应调整算法来降低网络能耗,同时也提高了跟踪的稳定性。仿真结果表明,文章提出的算法达到了实时、准确和节能的要求,具有一定的实际应用价值。     

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。     

无线传感器网络的元胞自动机自组织算法

提出一种分布式、自适应的无线传感器网络元胞自动机(CA)自组织算法,将网络中的每个节点映射成CA中的元胞,通过控制节点在不同时间的状态转换(活跃/睡眠),消除与邻居节点间的频繁通信,从而降低能源消耗。仿真实验结果表明,该算法具有较强的目标检测能力。     

无线传感器网络的元胞自动机自组织算法

提出一种分布式、自适应的无线传感器网络元胞自动机(CA)自组织算法,将网络中的每个节点映射成CA中的元胞,通过控制节点在不同时间的状态转换(活跃/睡眠),消除与邻居节点间的频繁通信,从而降低能源消耗。仿真实验结果表明,该算法具有较强的目标检测能力。     

传感器网络启动式自组织方法

无线传感器网络如何形成一个有序的自组织网络结构是一项重要研究内容,针对按地理区域交替性工作的动态监测网络,提出了相应的网络自组织方法,该方法以启动式方式运行网络,通过单播信令的方式分配MAC地址,标记相邻节点。在数据转发过程中以局部最小代价函数为准则转发数据。仿真实验表明,该自组织方法具有较短的MAC地址,适宜相应的网络环境。     

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.

     

基于粒子群优化的大规模传感器网络节点调度策略

针对资源受限条件下大规模无线传感器网络中协作目标跟踪问题,提出一个基于粒子群优化的节点调度方案.该方案利用高斯粒子滤波算法和方差交叉融合算法获得目标状态预测信息,进而选择下一时刻簇成员节点,并构造了通信能耗的代价函数,利用粒子群优化方法选择最佳的簇头节点,减少了节点调度的计算复杂度,同时保持了较好的跟踪精度.仿真结果验证了所提出方案的有效性.     

水下声学传感器网络节点定位算法及自组织过程研究

针对水下声学传感器网络中锚节点稀少的问题,给出了一种分布式的水下节点自定位算法.为配合定位算法的完成,提供定位过程所需的邻接信息表等信息,提出了一种分布式的并发数据传播算法,并针对该数据传播算法中存在的通信冲突问题,给出了冲突解决策略.仿真试验验证了上述两种方法配合完成水下节点定位的可行性和有效性.     

无线传感器网络目标跟踪性能优化及仿真

无线传感器网络中传感器节点相互协同完成感知任务,以传感器量测的信息效用和获取量测的能量消耗来折中地选择参与的节点,但用户对服务质量Qos( Quality of Service)的需求并没有在节点选择时得以体现。为此本文以目标跟踪为应用背景,提出了一种自适应动态协同自组织算法A-DCS,该算法同时完成检测与状态估计任务,首先根据用户设定的检测概率,确定候选节点集合,选择具有最大检测概率的节点为簇首;随之根据给定的状态估计精度,自适应确定参与感知任务的簇成员顺序和个数。统计不同检测概率和状态估计精度时相应的能量消耗,以此作为系统设计时参数设定的依据,从而最大可能地延长网络的生命周期。仿真表明：在跟踪精度和能量消耗两个指标下,该算法优于IDSQ和DCS。 A-DCS也适用于传感器网络系统中的其他估计问题。     

基于二元多跳WSN的信道容错的目标定位方法

针对信道退化的多跳无线传感器网络下的定位问题,基于最大似然估计提出一种新的信道容错的定位算法.传感器节点接收到的源信号强度数据被压缩量化为二元信号,经Rayleigh退化信道多跳中继到达融合中心.利用信道退化统计量和译码策略,推导出二元观测数据的似然函数,基于最大似然估计获得目标定位,进一步给出目标位置估计的克拉美-罗下界.仿真结果表明了所提出算法的有效性.     

基于随机模糊贝叶斯网络的敌我属性融合识别算法

基于全过程综合敌我识别中不同阶段综合敌我识别信息来源的差异,采用动态贝叶斯网络进行建模.在建模过程中,由于参数众多、样本难以全面获得、学习训练计算量巨大等问题,将随机模糊思想引入参数学习,从而既可充分利用先验信息,又尽可能地消除主观因素.最后仿真了整个过程,其结果验证了所提出方法的有效性.     

空间相关背景加权直方图均值漂移目标跟踪

针对传统的基于直方图的均值漂移跟踪算法, 当目标出现于复杂跟踪条件时, 因无法显著区分颜色相近的目标或背景而导致跟踪失败的问题, 提出一种基于空间相关背景加权直方图的均值漂移跟踪算法, 并给出了推导过程. 实验结果表明, 该算法通过在目标模型中减少背景显著特征来增强目标定位, 能在遮挡、光照变化等复杂情况下实现有效的目标跟踪, 改善了传统均值漂移算法中模板不能及时更新等方面的局限性.

     

考虑信息成功传递概率的多无人机协同目标最优观测与跟踪

针对考虑通信因素的多无人机协同目标最优观测与跟踪问题, 引入费舍信息矩阵对无人机探测所获取的信息进行表征, 考虑无线通信链路特性并对无人机间信息成功传递概率进行建模. 以无人机群体所获取的关于目标的信息量为指标函数, 分别建立是否考虑通信因素情况下的多机协同目标最优观测及跟踪问题模型. 对两种情况下的多机协同目标观测与跟踪进行仿真比较, 仿真结果验证了所建模型的有效性, 并体现了通信因素的重要影响.

     

无线传感器网络中的节点协作算法研究

由于受传感器节点存储能量、通信带宽等因素的制约,传统高功耗网络协议无法直接应用在无线传感器网络中.本文根据无线传感器网络的特点,以信息引导技术为研究方法,以最小化能耗为目标,提出了基于信息有效性函数的传感器节点信息协作算法,并通过理论及仿真计算验证该算法的有效性.     

一种基于目标和背景加权的目标跟踪方法

Mean shift算法在实际应用中,若目标部分被遮挡或有背景因素干扰,则跟踪精度会降低.鉴于此,将背景和目标本身分别进行加权,通过背景加权改善对目标特征的描述,对目标的不同部位赋予大小不等的权值,有效地提高了Bhattacharyya系数值.从原算法对目标模型的描述出发,将其加入到Mean shift算法的数学模型表达式中.通过算法改进前后的实验结果以及跟踪偏差和迭代次数的比较发现,跟踪效果得到了明显改善.