无线传感器网络具有跟踪质量保证的节点选择算法

目标跟踪广泛地应用于无线传感器网络的各个领域.该文研究无线传感器网络目标跟踪中的节点选择问题,提出了具有跟踪质量保证的跟踪节点选择算法.该算法在保证给定目标跟踪可靠性要求的同时对网络生存期进行优化.文中首先分析了影响传感器节点生存期的3个因素,包括节点感知数据的可靠性、节点剩余能量以及节点通信和采样的能量消耗.在此基础上建立节点生存期函数,在满足用户给定目标跟踪可靠性要求的前提下选择使网络生存期最大化的节点参与目标跟踪.实验结果表明该文所提出的节点选择算法可以有效延长网络生存期.     

一种新的面向目标跟踪的传感器节点调度策略

在用于目标跟踪的无线传感器网络中,传感器节点的电池能量有限,跟踪质量和网络生命周期是两个冲突的优化目标。在目标的移动过程中,如何选择合适的传感器节点子集,在指定时刻被唤醒,是延长网络生命周期和保证跟踪质量的关键。一种能量高效的传感器节点调度机制被提出,该机制综合考虑跟踪质量和网络生命周期,根据目标可能的运动区域选择需要启动的传感器节点子集。仿真试验结果证明该调度策略是高效的和节能的。     

无线传感器网络中目标定位的节点选择策略

提出一种利用无线传感器网络定位目标时的节点选择策略．在综合考虑节点测量误差和节点坐标误差的基础上，推出根据不同节点组合估计目标位置时的均方根误差，并以此作为衡量指标选择最优的节点组合参与目标定位．仿真结果表明，与传统节点选择方法相比，本文方案在选择相同数目节点的前提下提高了目标定位精度．     

一种优化的传感器网络节点选择算法

节点选择的合理性是影响传感器网络生命期的重要因素。在分析了GB节点选择算法原理的基础上,对算法进行了性能分析,并提出了几点优化策略,改进后的算法更加准确和高效。     

基于预测的移动目标跟踪节点协同调度算法

节点调度是分布式传感网降低节点能耗、延长网络寿命的重要手段。针对基于传感网的目标跟踪应用,提出目标运动和节点感知模型,并在此基础上提出一种基于预测的移动目标跟踪节点协同调度算法。算法利用粒子滤波构造节点感知功效函数,利用一种均衡节点剩余能量的方法构造感知能效函数,选举出参与目标跟踪过程的感知组成员。仿真结果表明,该算法具有较高的目标跟踪和定位精度,且可有效平衡节点之间的能耗分布。     

一种面向目标跟踪的无线传感器网络分簇算法

用于目标跟踪的无线传感器网络(WSNs)一般采用分簇的系统架构,针对高密度的WSNs,设计了基于节点度数的分簇算法(CAND),该算法引入由具有相似度数的节点组成的虚拟节点的概念.组成虚拟节点的多个节点按分配的TDMA时隙轮流充当簇首.仿真实验表明:该算法在满足目标跟踪的前提下,能有效地减少簇的更新,延长整个网络的寿命.     

一种三维无线传感器网络节点调度算法

在三维无线传感器网络中为了满足指定的覆盖率要求,同时使活动节点数最少,提出了一种基于邻节点分类的调度算法。将邻居节点按距离分类,分析了每类邻居节点的网络覆盖率与活动节点数[k]之间的约束关系,根据此约束关系判断节点是否冗余,并通过回退机制休眠冗余节点。理论分析和仿真结果表明,该算法能在满足指定覆盖率的条件下有效判别和休眠冗余节点,从而延长网络的寿命。     

一种高跟踪质量保证的预先节点选择策略

为保证传感器网络节点高质量的目标跟踪效果,采用在目标移动的方向上提前选择一些节点进行监控的策略,保证当目标移动到新的位置时总有监测节点进行持续的监测,使这些监测节点总是离目标最近,感知质量最高;该策略依据网络能量消耗的不均衡性,在能量有剩余的区域提前唤醒更多的节点,而在能量消耗紧张的区域少唤醒节点,与其他策略相比并没有降低网络寿命。通过实验性能分析对比表明：该策略可以在不降低网络寿命的前提下大幅度提升跟踪质量。     

无线传感器网络中一种基于分簇的节点调度算法

本文研究m覆盖与连通的无线传感器网络中的节点调度问题,提出了一种两跳簇的概念,并在此基础上提出了一种新的节点调度算法.该算法可在不知道节点位置信息的情况下,将无线传感器网络中的所有节点较为均匀地指派到k(km)个不同的分组{0,1,...,k1}之中,且可同时保证每个分组中的节点具有全局连通性与较高的网络覆盖率.理论分析与实验结果表明,该算法具有比传统随机调度方法更好的节点调度性能,可更加有效地延长无线传感器网络的生命周期.     

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.     

无线传感器网络基于2阶段聚合的目标跟踪算法

研究无线传感器网络中能量有效的移动目标跟踪问题.1)定义了一个基于网格的网络模型,该模型使处于网格顶点附近的节点工作、其他节点睡眠以节省能量,同时保证跟踪质量.2)分析了目标出现位置与网格单元的关系,针对每种位置关系给出了一个通用的定位算法.在此基础上,设计了一个基于2阶段聚合的目标定位算法,对单个网格内定位结果进行优化.3)提出了一个基于顺逆时针机制的最短路径选择算法传输目标定位的结果,保证最小化参与传输的节点数目.4)通过大量实验验证了所提出算法在能源节省和跟踪质量方面的有效性.     

基于Voronoi图的无线传感器网络K覆盖算法

针对无线传感器网络(WSN)在随机高密度部署节点情况下的多重覆盖问题,提出一个基于Voronoi图的K覆盖算法。该算法利用邻居节点信息计算Voronoi覆盖邻居节点集,构建有向Voronoi覆盖关系图,通过调整关系图中的节点状态实现K覆盖。仿真结果表明,该算法能正确判断网络覆盖率,连通K覆盖的近似最小活动节点集数目少于CCP算法。     

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。     

一种基于扫描线的传感器节点调度算法

系统生命期对无线传感器网络至关重要。在保证监控性能的前提下,通过调度传感器节点,使得部分节点工作,部分节点休眠,可以有效延长系统生命期。现有调度算法的性能不是很好,该文提出了一种基于扫描线的传感器节点调度算法,该算法将节点的监控区域近似为一组扫描线,通过这些扫描线判断是否为冗余节点。仿真实验表明,此算法的性能良好,调度得到的活动节点数约为现有算法的91%,平均覆盖度约为1.84。     

传感器网络基于Voronoi 网格的数据压缩算法

提出了一种传感器网络中分布式多分辨率数据压缩算法.在分布式域剖分模型DDPM(distributed domain partition model)基础上,提出了一种多分辨率的数据压缩模型MDCM(multiscale data compress model),DDPM 把传感器网络按域划分来构建连通核,传感节点只需在连通核中寻径,因而能够明显减少寻径时间复杂度并且具有更好的分布性;MDCM 利用Voronoi 网格来对DDPM所形成的域中的节点进行划分,然后采用多分辨率方法构建数据压缩模型.理论分析和实验仿真结果表明,MDCM 具有很好的逼近性能,并且能够对传感器网络中的数据进行有效压缩,可以更大程度地降低传感器网络中的数据传输量.     

无线传感网络中基于误差椭圆的自适应节点 选择目标跟踪算法

追踪精度与传感器节点能耗是无线传感网络WSN(Wireless Sensor Network)中主要考虑的两个性能指标,现有的许多目标追踪算法在提高追踪精度、降低传感器节点能耗的同时缺乏对传感器节点位置与数目的考虑.因此,提出一种基于误差椭圆的自适应节点选择目标追踪算法,以误差椭圆为基准计算目标最可能出现的区域,然后根据误差判决调整区域内所需激活的传感器节点数量,完成对目标的跟踪.仿真结果表明,该算法可以在保证追踪精度的同时有效降低激活传感器节点数量.     

基于量子遗传粒子滤波的无线传感器网络的目标跟踪算法的研究

文章主要研究的是关于量子遗传粒子滤波跟踪算法,该算法适用于无线传感器网络目标跟踪;用传统的粒子重采样可以解决粒子退化问题,但容易导致粒子逐渐减少,甚至耗尽;针对粒子耗尽问题,采用量子遗传算法,其独特的量子遗传的编码方式有效保证粒子组成的多样性,从而减缓了粒子滤波的退化现象,解决了粒子耗尽问题;通过引入量子的概念,同时让其并行可以有效地减少算法的运行时间,实时跟踪性能得到了大大提高;通过仿真结果表明该算法具有有效性、可行性;通过仿真:PF,GAPF、QGPF算法运行时间分别是56.16 s,46.71 s和30.46 s;全面比较后,QGPF算法计算时间最短;跟踪精度用均方根误差表示,与GAPF算法和PF算法相比QGPF算法位置和算法速度的中均方根误差最低(位置为0.0302,0.0258,速度0.0201,0.0101),其中PF算法的跟踪精度最低,QGPF跟踪精度最高,进一步表明QGPF算法具有良好的跟踪性能;实验结果表明,在大噪声条件下量子遗传粒子滤波算法改善了粒子贫乏问题,缩短跟踪时间和提高跟踪位置的精确性,鲁棒性,算法具有显著的优点。     

基于改进的Camshift视频对象跟踪算法

针对Camshift算法需要人工手动选择跟踪目标的局限性,提出一种改进算法.首先在灰度图像下;采用最大类间方差法所选定的全局阀值进行二值化,并利用空间信息对二值图像聚类,确定跟踪目标,然后在HSV空间中,结合颜色概率分布图,实现目标自动跟踪.实验结果表明,改进算法有效的克服了Camshift算法在跟踪初始时刻,需要人工...     

基于扩展卡尔曼滤波的声传感器跟踪算法

针对声传感器单站单目标跟踪,提出了一种基于扩展卡尔曼滤波(EKF)的跟踪算法,将声波传输时延的影响转换到运动模型的可变周期上,通过参数在线估计的方法,估计该可变周期,进而解决了有信号时延的跟踪问题。通过把先验已知的速率当作观测值,解决了纯方位角跟踪时系统不完全可测的问题。仿真验证了算法的正确性和有效性。     

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。