传感器网络中一种基于维诺图的跟踪节点选择算法

能源节省和跟踪的及时、准确是移动目标跟踪的重要研究问题.提出了一种基于维诺图的跟踪节点选择算法,利用维诺图的性质建立网络模型,选择距离目标最近的传感器节点参与目标跟踪,同时给出了睡眠节点的唤醒机制,以保证跟踪及时准确的同时最小化唤醒节点数量.最后通过实验讨论了网络中各个参数对算法性能的影响.实验结果表明,该算法在能源节省和跟踪精度方面具有很好的效果.     

基于动目标检测的视频监控智能节点设计

针对现有视频监控系统无效信息多造成存储资源严重浪费的现象,提出了基于动目标检测的视频监控智能节点设计方案;利用微波移动传感器检测运动目标多普勒信号,通过微控器采集调理后的多普勒信号完成运动目标识别,并控制传输设备将含有动目标的视频监控信息和多普勒频率数据传输到监控中心进行实时处理;实验结果表明,视频监控智能节点最大探测距离可达15m,该设计有效提高了视频监控的有效信息,减少了存储资源,具有广泛的应用前景。     

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。     

无线传感器网络中移动目标的定位与跟踪

对侵入无线传感器网络中的目标,提出了一种移动节点和静态节点相结合的定位与跟踪方式.静态节点可以发现侵入传感器网络中的目标,移动节点与静态节点配合进一步确定目标的具体位置.仿真实验验证表明:该方法可以减少大规模的频繁移动节点,不需要过多地对移动节点的选择和运动进行特别复杂的计算,具有较好的定位精度和鲁棒性,对多目标的定位与跟踪研究有一定的启发作用.     

一种无线视频传感器节点协作跟踪方法

由于网络通信带宽以及节点能量等因素限制,信息的有效获取与能耗的平衡优化是无线视频传感器网络近期研究的热点,面向目标跟踪的无线视频传感器网络实现节能的关键在于节点的高效协作;文章目的在于研究一种无线视频传感器节点协作跟踪方法,通过综合考虑目标跟踪效果和节点能耗等因素,采用自适应混合高斯算法进行背景建模,分布式均值漂移算法进行目标跟踪,并构建一种基于效能函数的最优节点选择方法;实验结果显示该方法能在真实场景下高效地进行目标跟踪。     

公共区域监控视频数据目标特征跟踪定位方法

为了提高公共区域监控视频的目标定位检测能力,需要进行目标特征跟踪定位算法设计,提出一种基于图像超分辨率重建的公共区域监控视频数据目标特征跟踪定位方法。构建公共区域监控视频的三维图像重建模型,采用边缘层的高分辨融合方法进行公共区域监控视频图像数据的三维结构重组,提取公共区域监控视频的关键特征点,用图像退化模型进行公共区域监控视频数据目标特征检测,结合线性滤波模型使得监测输出图像满足最优匹配特征解,提高对公共区域监控视频数据目标特征跟踪能力。引入引导滤波方法进行公共区域监控视频数据的图像超分辨重建,实现对目标特征准确跟踪定位。仿真结果表明,采用该方法进行公共区域监控视频数据目标特征跟踪定位的准确性较高,图像重建能力较强,归一化均方根误差较小。     

动态无线传感器网络中的移动节点定位机制研究

为了提高动态无线传感器网络在目标跟踪、入侵检测、姿态检测、环境监控等应用中的准确性,文章提出了一种移动节点的定位机制,运用概率栅格方案确定移动节点在监测区域的概率分布,由带权重的离散采样集估计出考察时刻移动节点的概率分布,并通过统计实验方法完成移动节点的自定位。该定位机制无需对无线传感器网络的先验知识和节点移动方向进行假设,利用低密度的锚节点即可得到较高的定位精度,能够有效地利用移动节点的移动性,降低不确定性因素的影响。仿真实验结果验证了该定位机制的有效性。     

双层协作的无线传感器网络目标跟踪方法

通过在无线传感器网络中引入双层监测机制,提出一种基于象限定位的目标跟踪方法。该方法依据位置关系选取相关性高的内外层节点,利用外层节点的快速侦测和内层节点的准确定位对移动目标进行定位跟踪,同时向汇聚节点快速上传移动目标轨迹。理论分析和实验结果表明,该方法可以降低无线传感器网络功耗,提高目标定位精度。     

基于卡尔曼滤波的移动节点定位研究

基于RSSI(received signal strength indication)的定位方法由于成本低廉而得到了广泛的应用,但其容易受到环境因素的影响使得定位精度下降。针对这个问题,提出了一种基于卡尔曼滤波的移动节点定位方法。简要介绍了卡尔曼滤波技术,在RSSI定位的基础上,建立了移动节点的运动模型,对所建模型进行了滤波稳定性的分析。采用Matlab软件对运动模型进行卡尔曼滤波仿真,结果表明,卡尔曼滤波可以有效地对移动节点跟踪定位。     

基于Kullback-Leibler分歧的变分滤波WSNs贝叶斯移动定位跟踪西

为了在降低资源能耗和带宽占用情况下,提高无线传感器网络WSNs移动目标定位跟踪的精度,提出了基于Kullback-Leibler分歧的变分滤波的WSNs贝叶斯移动目标定位跟踪算法。首先,利用高斯和Wishart分布在不考虑速度限制和方向移动限制情况下,构建WSNs移动定位的贝叶斯状态演化模型,并基于路径损耗模型构建移动目标定位的观测模型;其次,利用Kullback-Leibler分歧构建变分滤波的误差计算模型,通过周围激活节点实现移动节点目标的位置估计,设计了递归概率计算过程综合预测和更新两个过程,并实现了定位和目标跟踪的同步化;最后,通过仿真验证了所提模型在跟踪精度和资源节约上的优势。     

二元传感器网络目标定位与跟踪研究

传感器的通信带宽和能量资源有限使传统的位置测量传感器的应用受到了限制,对此,选择利用二元传感器网络进行相应的研究．基于二元传感器传送信息量少的特性,提出一种新的二元传感器网络目标定位与跟踪算法．仿真结果表明,该算法在传感器个数和探测半径较大、采样周期较短的情况下较质心算法具有更好的性能．     

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。     

传感器网络近场目标定位误差研究

根据近场目标的含义,使用二元传感器模型,通过数学分析和推导,以定理的形式表达得出了传感器网络近场目标的最小定位误差,其可以用于传感器网络对目标的协同跟踪,进而根据传感器位置,可以确定:在某一时刻,由哪些传感器对目标进行定位,在哪一段时间对目标进行跟踪。仿真结果说明了定理的正确性。     

基于分布式聚类的有向传感器网络移动目标跟踪算法研究

针对有向传感器网络DSN（Directional Sensor Networks）中,传感器节点部署数量对目标跟踪精度、网络寿命和能效问题的影响方面,提出了一个分布式聚类算法,该算法在优化活跃传感器和节点的直接通信过程中,由分布式集群来负责协调成员间的节点,通过传输给Sink的定位信息及从多个节点聚集的传感数据来准确定位目标的位置。基于该理论的目标跟踪机制,提高了目标跟踪精度、增加了网络寿命和网络剩余能量。并进行了仿真验证,结果表明该方法能实现更高的跟踪性能。     

一种基于无线传感器网络的目标跟踪调度算法*

基于无线传感器网络的IPv4/IPv6混合组网的视频监控系统的调度算法可以有效地增强视频监控的智能控制功能。在综合考虑无线传感器网络的自身特性和监控系统功能扩展清晰度要求的基础上,对原有的后来先服务调度(LCFS)算法进行改进,并设计和实现了一种简单有效的目标检测和跟踪方案,提出了清晰度最优负载平衡的调度算法(DOLB)。理论分析及实验结果表明,该算法性能明显优于原有的调度算法。     

Energy-efficient adaptive sensor scheduling for target tracking in wireless sensor networks

Sensor scheduling is essential to collaborative target tracking in wireless sensor networks (WSNs). In the existing works for target tracking in WSNs, such as the information-driven sensor query (IDSQ), the tasking sensors are scheduled to maximize the information gain while minimizing the resource cost based on the uniform sampling intervals, ignoring the changing of the target dynamics and the specific desirable tracking goals. This paper proposes a novel energyefficient adaptive sensor scheduling approach that jointly selects tasking sensors and determines their associated sampling intervals according to the predicted tracking accuracy and tracking energy cost. At each time step, the sensors are scheduled in alternative tracking mode, namely, the fast tracking mode with smallest sampling interval or the tracking maintenance mode with larger sampling interval, according to a specified tracking error threshold. The approach employs an extended Kalman filter (EKF)-based estimation technique to predict the tracking accuracy and adopts an energy consumption model to predict the energy cost. Simulation results demonstrate that, compared to a non-adaptive sensor scheduling approach, the proposed approach can save energy cost significantly without degrading the tracking accuracy.     

基于Fisher信息距离的被动传感器目标协同跟踪方法

针对多被动传感器动态跟踪问题,提出了一种基于Fisher信息距离被动传感器目标协同跟踪方法。该算法在进行传感器选择时,依据信息几何理论,以流形中的Fisher信息距离来衡量先验概率密度函数和后验概率密度函数之间的距离,继而以此距离为依据选择传感器进行目标跟踪。仿真实验表明：所提算法能够在动态环境中自适应选择传感器资源,有效提高目标的跟踪精度,实现多被动传感器协同跟踪。     

视频传感器网络中基于相关性图像融合算法

基于图像相关性信息,从系统层面提出了一种图像融合算法.该算法充分考虑到视频传感器节点的有限资源及相邻节点间冗余视觉信息,将同一场景的视觉监测任务分配到相关度较大的2个视频传感器节点上,每个视频传感器节点仅负责传输一部分视觉场景信息.特别地,利用极线约束性质融合多路传输来的部分图像信息,最终实现场景视觉信息的重建.实验结果表明:该算法简单易行,既可以减少网络传输量、节约网络能量,又可以实现场景视觉信息的有效监测.     

视频传感器网络中无盲区监视优化

针对监控区域存在障碍物的情况,从无线视频传感节点的有向感知特性出发,讨论了视频传感器网络覆盖效果与监控区域之间的相互关系.在此基础上,定义了视频传感器网络的无盲区覆盖模型.基于虚拟势场的工作原理,提出了一种适用于无盲区覆盖模型的覆盖率动态优化算法PFOFSA(potential field based occlusion-free surveillance algorithm).设计了PFOFSA中虚拟力的相互作用方法与监控节点运动规则,通过监控区域、重叠区域和遮挡区域之间的相互作用,逐步消除网络中的感知重叠区和盲区,优化视频无线传感器网络的覆盖率.最后,通过一系列的仿真实验分析了不同监控区域参数对PFOFSA算法的影响,验证了算法的有效性.