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.     

基于双层预测机制的传感器网络目标跟踪算法

针对层次型传感器网络的目标跟踪问题,提出了一种基于双层预测机制的目标跟踪算法,由传感器节点执行Bayes估计算法进行目标位置的预测与更新(微观预测);由簇头进行基于曲线运动方程的目标位置预测(宏观预测),并用预测结果对传感器节点所得到的目标位置进行更新,提高了目标位置计算精度.仿真结果表明,算法具有较好的跟踪精度和能量效率.     

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.     

传感器网络下机动目标动态协同跟踪算法

对传感器网络下的机动目标跟踪问题提出一种分布式传感器节点动态分簇、协同跟踪算法. 通过在线优化目标跟踪的性能函数和通讯代价, 自适应地选择节点并动态分簇, 通过多传感器节点的协同感知以及信息融合提高了跟踪精度. 由于问题的非线性和传感器节点的随机性, 本文基于粒子滤波器在线预测和估计目标状态的概率分布, 使用混合高斯粒子滤波器以及选择最短路径用于传感器节点之间的信息交换节约了通讯能量, 通过一种有效的粒子方法逼近目标状态的预测方差以实现传感器节点的最优选择. 仿真结果表明, 与 IDSQ 算法相比较, 本文提出的动态分簇算法实现了对机动目标的高精度跟踪.     

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。     

基于不可靠节点序列和面感知路由的目标跟踪

目标跟踪是无线传感器网络最基本的应用之一,如何在节约能量的同时保证一定的跟踪精度一直是研究热点之一.本文提出基于不可靠节点序列和面感知路由的目标跟踪算法,采用基于不可靠节点序列的定位模式有效减少网络中数据传输量,大大节约了能量.为了解决基于节点序列的定位算法在节点数目过多时算法复杂度过高的问题,算法引入了面感知路由技术...     

无线传感器网络中能效优化的自适应节点选择算法

在无线传感器网络多目标跟踪的传感器管理问题中,跟踪精度和传感器节点寿命是两个重要的性能指标,针对在提高跟踪精度时现有算法复杂度较高的问题。本文采用基于目标预测位置的Mahalanobis距离为传感器节点观测信息量度量,同时利用三角形面积和原理来解决节点共线问题,针对节点剩余能量分布不均的问题,本文基于节点的剩余能量以及能量消耗,利用模糊逻辑计算任务节点、休眠节点的概率,并用标准差来衡量节点概率之间的差异。因此,综合考虑跟踪精度和传感器节点剩余能量分布,设计综合优化指标,提出能效优化的自适应节点选择算法。仿真结果表明,该算法在保证一定跟踪精度的同时使得网络中节点的剩余能量分布较为均匀。     

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。     

基于移动传感器网络的节能目标跟踪

首先证明最小化移动传感器网络的目标跟踪能耗是 NP 完全问题, 并基于邻近图理论提出一种近似最优的分布式引导跟随算法. 每一时刻离目标预测位置中心较近的节点引导较远处节点向中心移动, 逐步覆盖目标下一时刻可能在的区域, 整个网络在跟踪全程保持连通. 证明该算法的节点运动能耗在数值上逼近最小能耗. 仿真结果进一步验证了该方案的有效性.     

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.     

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.     

基于概率阈值通信感知的WSNs目标跟踪算法

针对移动Sink节点目标跟踪定位时间长,能耗大等问题,提出基于概率阈值通信感知的WSNs目标跟踪算法。采用离散数据传输方式,并定义目标信息传输概率阈值来确定是否将节点当前位置信息由传感器节点传输到Sink节点。若当前位置信息不传输到Sink节点中,则使用最近一次通报的目标位置信息进行目标定位。然后开启目标周围相关传感器节点来有效降低算法数据传输量,并保持足够的定位精度。仿真结果显示：该方法比预测跟踪算法降低数据传输量87%左右,比动态目标跟踪算法降低跟踪时间33.7%左右。     

分布式动态一致性非线性目标跟踪策略研究

针对集中目标跟踪和分层目标跟踪中心节点通信瓶颈以及容错性能差的不足, 提出了一种分布式动态一致性非线性目标跟踪策略。目标状态初始化由网络节点采用加权最小二乘法完成。整个跟踪过程采用动态成簇策略, 分阶段选择并唤醒任务节点检测目标并执行分布式一致性扩展卡尔曼滤波策略完成目标的状态估计, 其余节点进入休眠状态从而能降低系统的能耗。从跟踪误差和能量两个方面, 与集中目标跟踪算法相比, 仿真结果表明所提算法与集中卡尔曼滤波相比, 跟踪精度相当, 适用于要求高可靠度的非线性跟踪。此外分布式的工作方式使得节点仅需与邻居交换数据并在局部完成状态估计, 消除集中式结构中心节点的瓶颈, 以保证部分传感器节点的损坏不会影响到全局任务的完成。     

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。     

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.