共查询到17条相似文献,搜索用时 125 毫秒
1.
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。 相似文献
2.
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。 相似文献
3.
4.
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。 相似文献
5.
在保证高跟踪准确度的基础上,降低节点的能耗,延长网络的寿命是目标跟踪的核心问题。为此,提出了一种基于预测的动态分簇目标跟踪算法Pre-DC。该算法首先建立动态的簇结构,然后利用粒子滤波算法实现簇对目标的跟踪,最后根据预测误差大小动态地更新簇结构。这样不仅降低了跟踪簇的能量消耗,同时也提高了跟踪精确度。仿真结果表明,算法在参与跟踪节点较少的情况下,能获得很好的目标跟踪精度。 相似文献
6.
7.
一种新的基于动态最优簇数目的WSN分簇协议 总被引:3,自引:1,他引:3
针对低功耗自适应分簇(LEACH)协议不足,提出一种新的分簇协议,称为动态最优簇数目(DONC)分簇协议。在分簇阶段,它能够根据网络中剩余节点个数来确定最优簇数目而不是固定值,并在簇首选择中充分考虑节点能量和地理位置因素;在传输阶段,采用改进的簇首链式转发。仿真表明,协议能保证簇数目始终保持最优状态,并且簇首在网络中均匀分布,有效延长网络的生存期。 相似文献
8.
9.
无线传感器网络目标跟踪机制的研究与改进 总被引:2,自引:0,他引:2
文章对无线传感器网络(WSN)目标跟踪机制进行了研究,针对层次型的WSN,提出一种高效的跟踪机制,包括双层的预测机制,以及泛洪(flooding)扩散的恢复机制,并对这两种机制进行了详细的分析。仿真结果表明,该改进后的目标跟踪机制不仅耗费较少的能量,而且能够获得较高的跟踪精度。 相似文献
10.
11.
12.
针对固定预测时间间隔下目标机动对无线传感器网络目标定位预测效果影响较大的问题,分析目标预测误差产生机理及主要影响因素,提出WSN目标定位动态预测方法。该方法根据目标预测模型构造预测时间增量函数,通过固定预测时间增量函数取距离自变量值动态调节目标预测时间间隔,实现目标运动状态自适应动态目标预测。仿真平台分别应用运动学预测、粒子滤波预测方法建立预测模型,并进行目标预测实验;结果表明,目标机动情况下,目标动态预测方法误差相比固定预测时间时间间隔方法分别减小18.5%、12.8%,动态目标预测方法能较好改善机动性目标预测效果,增强预测方法对目标运动变化的自适应能力。 相似文献
13.
针对目标运动是一个包含许多不确定因素的非线性非高斯随机过程,提出基于马尔可夫随机场模型与粒子滤波的WSN分布式目标跟踪方法(MRF-PF)。把目标跟踪过程看作是一个马尔可夫过程,基于贝叶斯规则,建立目标状态分布函数,用粒子滤波估计目标状态,实现目标跟踪。实验结果:对于泊松白噪声,MRF-PF方法的跟踪均方根误差RMSE相比卡尔曼滤波(KF)和扩展卡尔曼滤波(EKF)方法分别降低52.6%、49.2%;对于方差σ2由0.3→3的高斯噪声,GM-PF方法的RMSE相比KF、EKF分别降低54.5%~77.2%和23.5%~54.2%。这表明MRF-PF方法在非线性非高斯噪声或高斯噪声变化较大时具有较好的抗噪能力及跟踪性能。 相似文献
14.
基于粒子滤波的移动物体定位和追踪算法 总被引:1,自引:0,他引:1
提出一种基于粒子滤波的目标定位算法PFTL(particle filter based target localization)以及一种基于网络覆盖问题的节点组织策略SAC(sampling aware tracking cluster formation).PFTL 的基本思想是,采用一系列带权粒子(weighted particles)来预测移动物体位置的后验分布空间,每个新时刻根据传感器的测量数据来权衡和定位目标.PFTL 通过引入误差容忍(error tolerant)的方式来存储和发送目标位置数据,使汇聚点关于物体位置信息的数据误差在一个可控的范围内,进而极大地减少网络通信负荷.SAC基于传感器采样离散化的特点来制订数据融合策略,并以最大化覆盖物体运动轨的方式动态地选取节点和进行节点簇的有效组织.模拟实验结果表明,与现有的几种定位算法和追踪协议相比,结合PFTL 算法和SAC 策略能够以较小的代价取得更好的定位效果和网络负载均衡,进而延长网络寿命. 相似文献
15.
无线多跳传感器网络下基于粒子滤波的信道容错的目标跟踪方法 总被引:3,自引:1,他引:2
对信道衰落的无线多跳传感器网络下的目标跟踪问题, 提出一种新的信道容错的粒子滤波方法. 传感器观测数据被量化成二元信号, 经非理想无线信道多跳中继通讯到达融合中心. 中继节点采用一种二元中继策略, 中继输出是信道污染的中继信号的估计值. 在粒子滤波器下, 考虑实际的物理信道, 计算粒子的似然度函数. 将信道衰落结合进跟踪算法, 在已知信道衰落包络和信道统计分布下, 分别设计信道容错的粒子滤波算法. 仿真结果表明信道容错的粒子滤波器提高了目标跟踪的精度, 对非完美信道具有鲁棒性. 相似文献
16.
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。 相似文献
17.
在无线传感器室内定位系统中,避免参考节点之间的信号相互冲突和干扰是定位系统重点解决的问题之一。针对这一问题,可以采用独占式通信机制,确保某一个参考节点独占某一时刻的通信,禁止其它节点在这一时刻发射信号;同时,采用无中心节点的构架模式,由独占通信的节点在发射信号结束时,随机选择一个有效的参考节点,使其成为下一个临时的中心节点并进入独占状态。该方法结合无中心构架和有中心构架的优点,有效地解决了参考节点之间信号相互间的冲突和干扰问题。 相似文献