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。     

基于预测的动态分簇目标跟踪算法

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。     

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。     

基于能量高效动态分簇的目标跟踪算法

目标跟踪是无线传感器网络中的一项基本应用,如何在保证高跟踪精度的前提下降低网络能耗、延长网络生命周期是目标跟踪的核心问题。为此,提出一种基于能量高效动态分簇的目标跟踪算法。从最大限度节省能量的角度出发,设计动态簇生成方法,利用无迹粒子滤波算法对目标进行跟踪,预测下一时刻目标的位置坐标,并根据预测结果给出簇头更换策略。仿真结果表明,与PPF和DPF算法相比,该算法不仅具有较高的目标跟踪精度,而且能有效降低网络能耗,延长网络寿命。     

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。     

基于能量的WSN多跳簇生成算法

提出一种基于能量的多跳簇生成(EMHC)算法,根据剩余能量争先原则选择簇首,并采用最小通信代价的多跳簇内结构。通过OMNet++模拟器对算法进行实验,结果表明,EMHC形成的簇首分布较为均匀,可以利用最佳多跳路径节约传输能量,提高网络生存时间,与LEACH和HEED算法相比具有较大优势。     

基于三边测量的分簇目标跟踪算法

针对目标跟踪应用中目标移动的随机性和偶然性,以及跟踪节点的能量有限、通信半径小等问题,为了提高跟踪精度,并尽可能地减少节点能量消耗、延长网络寿命,提出了一种基于三边测量的分簇目标跟踪算法。所提方案采取三边测量技术进行移动目标的定位以提高定位精度,而且为了达到能效均衡,在建立唤醒簇阶段根据节点与目标之间距离、节点残余能量两个参数进行簇头及簇成员选举。仿真结果表明,所提方案与基于预测的能量节省(PES)方案、基于混合簇的目标跟踪(HCTT)协议相比,网络寿命更长,预测轨迹更精确,跟踪精度更高。     

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。     

基于能量优化的无线传感器网络动态分簇目标跟踪

针对无线传感器网络动态分簇目标跟踪中的数据碰撞与簇首选择过程导致能耗过高问题,提出一种基于能量优化的无线传感器网络动态分簇方法。首先,构建时分竞选传输模型,主动避免动态簇内数据碰撞,降低节点能耗;然后,基于能量信息与跟踪质量,提出能量均衡的最远节点调度策略,优化簇头节点调度;最后,根据加权质心定位算法,完成目标跟踪任务。实验结果表明：在节点随机部署的环境下,所提方法对于非线性运动目标的平均跟踪精度为0.65 m,与多目标跟踪动态簇员选择方法（DCMS）相当,比分布式事件定位动态分簇目标跟踪算法（DELTA）提高了45.8%;能量消耗方面,与DCMS和DELTA相比,所提方法的动态跟踪簇能量消耗有效降低了61.1%,延长了网络寿命。     

基于粒子滤波预测的WSN分布式动态目标跟踪设计

为了保证在具有较高跟踪精度的条件下,实现WSN监测区域移动目标的动态跟踪,并尽可能地降低节点能耗和延长网络的生命周期,提出了一种基于改进粒子滤波算法的分布式移动目标跟踪算法;首先,对网络假设和目标移动模型均进行了描述,然后设计了实现对移动目标进行跟踪的节点组织策略,对网络进行动态分簇,在初始时刻簇头收集簇成员的目标估值并进行信息融合以获得目标的初始位置,然后在簇头处运行改进的粒子滤波算法并周期收集各簇成员的观测值进行目标跟踪;采用Matlab仿真工具进行仿真,结果表明文中方法能精确地实现WSN监测区域的移动目标跟踪,且与其它方法比较,具有较高的跟踪精度、较小的误差及较大的优越性。     

WSN跟踪中基于链路质量的动态簇簇内通信机制

短距离低功耗的无线传感器网络的链路往往采用理想的通断模型,未考虑实际的链路质量问题。真实的无线传输区域中存在连接区,过渡区和非连接区。针对实际的工程环境,提出了一种应用于目标跟踪的基于链路质量的动态簇簇内通信机制。该机制在竞选簇头时把衡量链路质量的指标LQI(Link Quality Indication)也作为考虑因素。在簇成员与簇头通信时,采用了多跳可靠通信方式。利用MATLAB对该机制进行了仿真。仿真结果表明,该机制降低了网络平均丢包率,减少了网络能量消耗,降低了网络时延。     

知识辅助的多模型机动目标跟踪算法

多模型机动目标跟踪技术是一种先进的目标跟踪算法。由于目标类型越来越多、运动环境越来越复杂,仅使用位置量测进行目标跟踪变得越来越难以满足应用要求。除位置量测之外,引入目标和环境相关的知识,对多模型算法中的模型集、转移概率矩阵和模型概率这3个关键因素进行自适应调整,可以有效提高机动目标跟踪性能。本文对知识辅助多模型机动目标跟踪算法的原理和方法等进行了分析。按照知识作用的对象（模型集、转移概率矩阵和模型概率）和作用方式（智能法和非智能法）分别介绍了该类算法的原理及其特点,最后对该类算法下一步的研究方向和发展趋势进行了展望。     

一种基于预测策略的目标跟踪算法研究

移动目标跟踪是无线传感器网络中的一项重要应用,引起了越来越多的关注.采用静态网格网络结构,针对现有无线传感器网络目标跟踪算法不能兼顾精度和能耗的问题,提出了一种基于预测策略的目标跟踪算法.当目标进入监控区域后,节点携带的震动传感器感知到目标,簇头节点根据节点检测目标信号强度值来计算目标位置,目标位置计算采用一种基于检测...     

多点测试的多模型机动目标跟踪算法

针对机动目标跟踪问题,提出了一种多点测试多模型粒子滤波算法(Independence multi-try method, IMTM).整个算法分为两个阶段,第一阶段为利用多点测试(Multi-try method, MTM)结构从各模型产生的粒子中选取一个最优粒子,实现了模型间的交互;第二阶段为利用IMH (Independence Metropolis-Hastings)滤波算法对第一阶段产生的粒子进行取舍,完成整个状态估计.相对于传统的交互式多模型(Interacting multiple model, IMM)算法,该算法无需事先设定模型转移概率 矩阵且为整体并行结构,结构简单,能够充分地交互各模型之间的粒子,进而自动有效地调整各模型权值比重,降低了人为干扰.仿真表明,该算法能够有效地降低滤波峰值误差,整体跟踪精度较高,算法的实时性较好.     

基于粒子滤波的分布式目标跟踪算法

根据无线传感器网络分布式目标跟踪的特性,提出一种改进粒子滤波算法。将簇内各节点最新的观测数据用极大似然估计法得到目标的状态信息,该信息作为参考分布更换粒子滤波部分粒子,引入模糊推理的数据融合方法为各个节点滤波结果分配不同权值,通过加权平均法得到目标的状态信息。仿真实验表明该算法能有效提高目标跟踪的精度。     

面向单目标跟踪的临时簇构建算法研究

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。     

基于PF-Singer的机动目标跟踪算法

Singer模型是典型的全局统计模型,其严重缺陷在于所采用的零均值时间相关模型和标准卡尔曼滤波算法不能完成对机动目标状态的正确估计1只有当目标做匀速直线运动时,动态误差的稳态值才为零,否则不为零;采用PF—Singer算法对机动目标进行跟踪。能够有效解决传统Singer模型存在的问题,提高其跟踪精度;通过仿真试验证实了该算法的有效性。     

基于功率控制的多节点协同目标跟踪算法

为适应资源有限的无线传感器网络节点的目标跟踪需求,并在保证跟踪性能的同时降低算法复杂度,提出一种功率控制和多节点协调(PC&MC)目标跟踪算法.借鉴Rao-Blackwellized技术,实现多节点协同作业以保证对动态目标的跟踪精度,采用基于连续/离散混合模型的准高斯粒子滤波器完成对目标的跟踪,在跟踪过程中使用功率控制...