基于分布式粒子滤波的二进制无线传感器网络目标跟踪

为了提高二进制无线传感器网络跟踪算法的精度和实时性,降低传感器节点能耗,将分布式粒子滤波运用到二进制无线传感器网络中进行目标跟踪。选择信号强度最大的节点作为簇头节点,在簇头单跳通信范围内的所有节点和簇头组成对目标跟踪的动态分簇,在簇头节点进行粒子采样和状态估计,在簇头之间传递粒子及其权值,从而得到了二进制无线传感器网络的分布式粒子滤波跟踪算法。研究了粒子数和网络节点数量对跟踪精度的影响。仿真结果表明,传感器的节点数量会影 响跟踪精度,但是粒子数对跟踪精度的影响更大。同时分布式粒子滤波比集中式粒子滤波具有更好的实时性和更低的能耗。     

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。     

基于无线传感网的目标检测与跟踪系统研究

无线传感器网络能够实时检测和采集网络分布区域内的各种监测对象的信息,因此基于无线传感器网络的目标检测与跟踪系统研究成为当前的研究热点.在研究时差到达(TDOA)技术的基础上,设计了一种基于无线传感器网络的超声波和无线电相结合的小范围移动目标检测与跟踪系统,用基于距离和角度计算来精确定位,并根据定位信息绘制其轨迹图,达到检测与跟踪的目的.理论及实践证明了该方案的有效性,并有着广泛的应用前景.     

面向单目标跟踪的二进制无线传感器网络自组织方法

针对二进制无线传感器网络单目标跟踪,为了有效获取信息,并降低网络能耗,提出二进制传感器网络自组织算法:异步动态成簇算法(asynchronous dynamic cluster,ADC).该算法在时间异步条件下,用动态簇的方式来组织节点对目标进行跟踪.深入研究了目标发现及节点激活,异步动态跟踪簇的构建、调整和异步时间配准的问题.仿真分析证明,本算法具有一定的稳定性和收敛性,能在保证跟踪精度的同时降低网络能耗.     

无线传感器网络定位技术研究

无线传感器网络已被誉为改变二十一世纪和改变未来世界的十种新兴技术之一。无线传感器网络中节点的定位是获取位置信息的前提,也是目标跟踪和对移动目标定位的基础。因此,本文从无线传感器网络的非测距两个方面,介绍了无线传感器网络定位的主要方法,并主要研究了基于移动的无线传感器网络定位新方法,包括节点定位算法、三维定位算法和智能定位算法。从实用性、应用环境、硬件条件、能源供应和安全等方面对该技术进行了概述。在分析传感器网络定位技术存在问题的基础上,提出可行的解决方案,并对未来的研究前景和应用趋势进行展望。     

基于Repast框架的无线传感器网络仿真实现

基于全新的多Agent的仿真开发框架Repast,设计和实现了对二进制无线传感器网络的原理模型仿真,并将其用于对线性拟和目标定位算法进行仿真分析,说明Repast在无线传感器网络仿真方面有广泛的应用前景。     

一种WSN下的Mean Shift跟踪算法*

为有效地利用无线传感器网络跟踪移动目标,提出了一种基于高斯混合模型的Mean Shift跟踪算法。该算法运用高斯混合模型描述网络区域内目标信号分布的统计特征,利用Mean Shift区分目标信号与环境噪声,并对目标进行定位与跟踪。仿真实验结果表明,该算法在网络存在较大噪声,特别是网络存在大量异常传感器节点读数的情况下,定位精度高、受异常传感器节点读数影响较小。较之以往无线传感器网络目标跟踪算法,该算法具有更好的鲁棒性。     

不确定观测滤波及在无线传感器网络中的应用

比较几种具有代表性的基于卡尔曼滤波框架的带有不确定观测的滤波算法。比较它们的数学模型和算法实现,并将它们应用于无线传感器网络目标跟踪。仿真结果显示不同模型下的不确定观测滤波方法滤波效果不同,多步丢包模型在无线传感器网络中应用于移动目标跟踪具有优越的跟踪性能。     

无线传感器网络中基于微粒群算法的优化覆盖机制

建立了无线传感器网络节点覆盖优化数学模型,设计了一种基于二进制随机多目标微粒群优化(SMOPSO)算法.根据最大化覆盖网络目标函数和最小化传感器节点的利用率目标函数进行优化算法操作,以达到降低网络冗余,延长网络生存时间的效果.仿真实验结果表明,本文提出的无线传感器网络优化覆盖方法能够满足节点利用率低、覆盖率高的要求.     

基于CPCRLB和一致性算法的分散式传感器管理

针对无线传感器网络中的目标跟踪问题,基于条件后验克拉美—罗下界（CPCRLB）提出一种分散式传感器节点管理方法．基于一致性策略给出一种CPCRLB的分布式迭代算法,并且基于分布式粒子滤波器给出该算法的数值逼近实现．对层次结构的无线传感器网络,将CPCRLB作为传感器管理的准则,基于平均一致性给出一种迭代的局部搜索算法,实现了无线传感器网络下观测节点的分散式在线选择．仿真结果表明了基于CPCRLB的分散式传感器管理方法在目标跟踪精度方面的有效性．     

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．     

HierTrack: an energy-efficient cluster-based target tracking system forwireless sensor networks

Target tracking is a typical and important application of wireless sensor networks(WSNs).Existing target tracking protocols focus mainly on energy efficiency,and little effort has been put into network management and real-time data routing,which are also very important issues for target tracking.In this paper,we propose a scalable cluster-based target tracking framework,namely the hierarchical prediction strategy(HPS),for energyefficient and real-time target tracking in large-scale WSNs.HPS organizes sensor nodes into clusters by using suitable clustering protocols which are beneficial for network management and data routing.As a target moves in the network,cluster heads predict the target trajectory using Kalman filter and selectively activate the next round of sensors in advance to keep on tracking the target.The estimated locations of the target are routed to the base station via the backbone composed of the cluster heads.A soft handoff algorithm is proposed in HPS to guarantee smooth tracking of the target when the target moves from one cluster to another.Under the framework of HPS,we design and implement an energy-efficient target tracking system,HierTrack,which consists of 36 sensor motes,a sink node,and a base station.Both simulation and experimental results show the efficiency of our system.     

Energy-efficient localization and target tracking via underwater mobile sensor networks

Underwater mobile sensor networks (UMSNs) with free-floating sensors are more suitable for understanding the immense underwater environment. Target tracking, whose performance depends on sensor localization accuracy, is one of the broad applications of UMSNs. However, in UMSNs, sensors move with environmental forces, so their positions change continuously, which poses a challenge on the accuracy of sensor localization and target tracking. We propose a high-accuracy localization with mobility prediction (HLMP) algorithm to acquire relatively accurate sensor location estimates. The HLMP algorithm exploits sensor mobility characteristics and the multi-step Levinson-Durbin algorithm to predict future positions. Furthermore, we present a simultaneous localization and target tracking (SLAT) algorithm to update sensor locations based on measurements during the process of target tracking. Simulation results demonstrate that the HLMP algorithm can improve localization accuracy significantly with low energy consumption and that the SLAT algorithm can further decrease the sensor localization error. In addition, results prove that a better localization accuracy will synchronously improve the target tracking performance.     

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。     

无线传感器网络中面向目标跟踪的动态分簇方法

针对传感器网络中的目标跟踪问题,提出一种能量有效的动态分簇方法,通过设置簇内传感器节点数目门限,自适应地调整簇的激活半径,通过多传感器节点的协作处理提高目标跟踪精度;并对动态簇的构建、重组过程以及能量消耗进行了描述和分析。仿真结果表明,与现有算法相比,所提出的方法能够在保证一定跟踪精度的基础上,有效降低网络的能量消耗,提高网络寿命。     

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。     

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.     

面向目标跟踪的传感器网络睡眠调度协议

移动目标跟踪是无线传感器网络中的一项重要应用,将睡眠调度机制引入到目标跟踪算法中可以大大降低能耗。针对目标跟踪的实际需求,提出一种面向目标跟踪的传感器网络睡眠调度协议。根据目标跟踪不同阶段,分别设计了目标跟踪前和跟踪过程中传感器节点的睡眠调度机制;另外给出了目标丢失时,如何唤醒节点继续跟踪目标的调度策略。结果表明:该算法能够在保证跟踪质量的同时,降低跟踪能耗。     

Collaborative target tracking in WSNs using the combination of maximum likelihood estimation and Kalman filtering

Target tracking using wireless sensor networks requires efficient collaboration among sensors to tradeoff between energy consumption and tracking accuracy. This paper presents a collaborative target tracking approach in wireless sensor networks using the combination of maximum likelihood estimation and the Kalman filter. The cluster leader converts the received nonlinear distance measurements into linear observation model and approximates the covariance of the converted measurement noise using maximum likelihood estimation, then applies Kalman filter to recursively update the target state estimate using the converted measurements. Finally, a measure based on the Fisher information matrix of maximum likelihood estimation is used by the leader to select the most informative sensors as a new tracking cluster for further tracking. The advantages of the proposed collaborative tracking approach are demonstrated via simulation results.     

无线传感器网络中一种自适应目标跟踪协议

目标跟踪是无线传感器网络的一个基本应用,而能量高效是目标跟踪研究的一个重要目标.提出了一种自适应目标跟踪协议,该协议将传感器节点的状态分为睡眠状态、监测状态、跟踪状态三种状态;并对每个进行感应的传感器节点设置了节点权值,每个节点通过计算自己的节点权值来决策是否参与目标的跟踪,它在很大程度上减少了参与目标跟踪的节点数量.领导节点根据目标的运动速度来自适应地调整数据报告的频率,提高了能量利用率和跟踪精确度.模拟实验表明我们的算法具有良好的节能效果.