无线传感器网络中移动目标探测跟踪研究进展

传统的固定无线传感器网络在进行目标跟踪过程中面临着跟踪质量较低、网络能耗较高等问题.移动传感器网络提供了新的解决方法,即移动式目标跟踪.目前的研究大多将被跟踪目标的探测和定位混为一谈.故此,区分了以探测为主和以定位为主的两类方法,着重介绍以探测为主的移动式目标跟踪方法的研究现状.通过对比现有方法在跟踪质量和网络能耗等方面的优缺点,揭示了现有研究存在的问题,总结了移动式目标跟踪领域存在的研究热点和趋势.     

无线传感器网络运动目标定位跟踪研究

针对无线传感器对运动目标的定位跟踪,考虑无线传感器网络定位中涉及的非线性性和能量约束问题,论文将UKF引入用于无线传感器网络的运动目标定位,将UKF和RSSI测量结合建立了一种面向匀速运动和变速运动的目标定位跟踪方法。仿真结果表明：与EKF相比,无论匀速运动和变速（匀加速）运动的目标,UKF都具有较高的滤波精度,可以满足无线传感器网络定位的需求。     

无线传感器网络目标跟踪算法的研究

研究传感器网络目标跟踪精度问题,跟踪目标的运动轨迹具有时变性,是一种非线性、非高斯问题,传统跟踪算法解决非线性问题时具有局限性,导致目标跟踪精度不高。为提高目标跟踪精度,将不受非线性、非高斯问题限制的粒子滤波算法引入到无线传感器网络目标跟踪应用中,并对基本粒子滤波算法的缺陷进行改进。仿真结果表明,改进粒子滤波算法提高了粒子利用效率,不仅提高了目标跟踪的精度,跟踪性能更好,并适合于目标跟踪的精度和实时性要求,为设计网络系统提供了参考。     

基于TDOA方法的无线传感器网络运动参数估计方法

采用移动目标与信标节点间的到达时间差(TDOA)测量,提出了移动目标运动参数包括初始位置及速度的共同估计方法。通过建立移动目标运动参数估计的优化模型,首先推导了移动目标初始位置及运动速度估计的非约束线性最小二乘(ULLS)法。然后将优化模型松弛为凸优化的半正定规划(SDP)问题,又设计了运动参数估计的SDP算法。仿真分析表明,TDOA方法能有效避免到达时间(TOA)测量的时钟同向误差,提高位置的估计精度。由于使用了约束条件,基于TDOA测量的SDP算法估计误差比ULLS算法的估计误差更小,但是计算复杂度较大。TDOA-ULLS和TDOA-SDP算法能有效减少时钟同向误差引起的估计误差,采样周期和采样点数量的增加也能有效提高估计精度。     

无线传感器网络中基于移动节点的目标覆盖方法研究

在无线传感器网络覆盖中,由于传感器节点的随机分布和随着工作时间的延长,部分节点可能因为多种原因导致其失效或损毁,从而形成监测区域中的盲区问题。基于以上问题,在研究国内外网络覆盖的基础之上,提出了一种利用可移动的传感器节点对选择性目标的覆盖方法,从理论上验证该方法能很好地解决盲区问题。     

考虑目标捕获率和能量限制的无线传感器网络管理

究目标跟踪背景下的无线传感器网络管理问题,在保证目标跟踪需求的情况下减小能耗, 首先对集中式无线传感器网络结构和目标跟踪任务中传感器网络的工作过程进行了介绍,其次介绍了以多交互滤波方法为基础的机动目标跟踪理论,接着建立同时考虑传感器能耗节省和目标捕获概率的传感器调度模型,继而提出基于Logistic混沌序列和Boltzmann选择策略的改进布谷鸟算法用于求解最优传感器调度方案。最后通过仿真证明了本文模型和算法的有效性。     

基于弧参数约束的无线传感网络定位算法

针对现有的无线传感网络非测距定位算法在提高定位精度时,存在计算量大的问题,提出了一种基于弧参数约束的自适应三边定位算法.该算法首先将与未知节点连通的信标节点所构成平面分割成若干个三角形,采用APIT算法确定未知节点所在的三角形集合,选择周长最大的三角形的顶点作为定位所用信标节点.围绕3个定位圆重叠区域,对以未知节点为圆心的假设圆的弧高和弦长进行了多次估计,估计次数则根据未知节点所在区域大小自动调整.再以每条弦的垂直平分线和未知节点所在区域的交点作为位置估计值之一,最后取全部位置估计的均值作为定位结果.仿真结果表明该算法定位精度优于质心法和Convex-PIT算法.     

一种基于预测的无线传感器网络目标跟踪技术

现有的各种日标跟踪技术未能综合考虑不同目标的运动特征,提出了一种新的基于预测的日标跟踪技术,以减少监控节点数目.根据目标运动的当前测量数据或者历史记录确定目标的运动特征,然后结合日标的当前位置、速度、运动方向等信息预测目标的未来位置;当目标位置预测失败时,网络根据目标的运动历史记录和先验知识逐级启动预测失败恢复过程.仿真结果显示在给定节点与基站分布、节点感知范围和目标运动特性等参数的前提下,比PES方法的目标丢失率大大降低,网络寿命有较大增加,表明采用在确保网络可靠跟踪目标的前提下,减少了被唤醒传感器节点的数目,从而降低了节点的能耗,延长了目标跟踪传感器网络的寿命.     

异构无线传感器网络对移动目标的连续跟踪

针对固定节点组成的传统无线传感器网络在进行目标跟踪时存在的能耗过高和覆盖空洞问题,提出在传统传感器网络中引入少量移动性节点组成异构传感器网络进行目标跟踪的方案.基于较传统0/1监测模型更为实际的概率监测模型,提出一种协同调度移动节点和固定节点工作的算法来对移动目标进行跟踪.移动节点对目标实施近距离的移动式跟踪,减少了处于活跃状态的固定节点数量,节约了能耗.此外,移动节点可以移动进入空洞监测目标,解决了传统网络不能监测覆盖空洞中的目标的问题.基于NS2的实验结果表明所提出的跟踪方法可以大幅度减少固定节点的能耗并提高跟踪质量,证明了其有效性.     

有源传感网络中目标跟踪的传感器调度方法

Wireless sensor network (WSN) of active sensors suffers from serious inter-sensor interference (ISI) and imposes new design and implementation challenges. In this paper, based on the ultrasonic sensor network, two time-division based distributed sensor scheduling schemes are proposed to deal with ISI by scheduling sensors periodically and adaptively respectively. Extended Kalman filter (EKF) is used as the tracking algorithm in distributed manner. Simulation results show that the adaptive sensor scheduling scheme can achieve superior tracking accuracy with faster tracking convergence speed.     

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。     

一种路径概率感知的无线传感器网络目标跟踪协议

目标跟踪是无线传感器网络的一种重要应用。目标跟踪协议可分为使用预测和不使用预测两种。许多使用预测的协议假设被跟踪对象保持当前的速度和方向继续运动,但是,在目标沿着一定路径运动时,当处于路径拐点或是分叉点,遵循这种假设的算法很有可能失败。因此,提出一种路径概率感知的目标跟踪无线传感器网络协议。利用路径的拐点和分叉点的目标方向概率信息来预测目标运动新的方向,并且根据节点相对于路径以及邻居的位置来分配感应、通信和运算的能量。提出与路径走向概率相适应的调度方式。概率分析表明,本协议提供更好的目标跟踪效果并且节省能量。     

基于簇结构的无线传感器网络移动目标精确跟踪

对于移动目标跟踪,需要利用加速度或速度恒定的模型对其连续轨迹进行推断.在传感器网络环境下,利用无线传感器网络的冗余特点,提出了一种分簇结构和分时机制下采用流水线工作模式进行跟踪探测的方法,减少两次探测值之间的时间差,通过分析和仿真验证,该方法能够有效地降低对移动目标的跟踪误差.所设计的算法计算复杂度低,实现简单,满足无线传感器网络节点的计算能力要求.     

基于不可靠节点序列和面感知路由的目标跟踪

目标跟踪是无线传感器网络最基本的应用之一,如何在节约能量的同时保证一定的跟踪精度一直是研究热点之一.本文提出基于不可靠节点序列和面感知路由的目标跟踪算法,采用基于不可靠节点序列的定位模式有效减少网络中数据传输量,大大节约了能量.为了解决基于节点序列的定位算法在节点数目过多时算法复杂度过高的问题,算法引入了面感知路由技术...     

一种高能效的无线传感器网络模型

在分析集中式体系结构和分布式动态体系结构基础上,提出了一种提高目标跟踪无线传感器网络使用寿命的模型,该模型是一个静态簇型架构,由异构传感器组成,传感集群中的每个成员节点采用两种运作模式:工作模式和睡眠模式.结果表明,所提出的架构比集中式系统消耗更少能源,而且使用寿命更长.     

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。     

基于位置预测的无线传感器网络目标跟踪算法

针对现有的基于位置预测的目标跟踪算法还不完善问题,提出了一种新的基于目标位置预测的分布式无线传感器网络目标跟踪算法(location-based prediction,LBP)。LBP算法包括3部分,即基于自相似技术的目标位置预测算法(prediction based self-si m-lar,PBSS)、基于动态唤醒簇(dynamic wakeup cluster,DWC)的目标跟踪和三级目标恢复机制。实验结果表明:LBP算法的目标预测精度高、跟踪过程中的节点能量消耗小、目标跟踪误差小,并且目标丢失率低;其三级目标跟踪恢复机制,通过逐步扩大激活节点的范围来寻找目标。由此可见采用这种方法,无线传感器网络跟踪目标能量消耗更小,目标丢失率更低。     

基于移动Sink的自组织视频传感网络目标跟踪算法

基于自组织视频传感网络的目标跟踪方法利用节点的分布式观测能力,实现目标的精确跟踪。在研究视频节点观测投射模型和通信模型的基础上,提出一种基于移动Sink的自组织视频传感网络目标跟踪算法MSTTA。该算法包括感知信息聚合和目标位置评估两个部分,利用节点分类机制周期性地更新网络拓扑以适应Sink位置的变化,根据目标运动状态预测目标位置的评估节点小组。仿真实验表明,MSTTA算法能够适应Sink移动带来的网络拓扑变化,具有较高的目标跟踪精度。