无线传感器网络中移动目标的定位与跟踪

对侵入无线传感器网络中的目标,提出了一种移动节点和静态节点相结合的定位与跟踪方式.静态节点可以发现侵入传感器网络中的目标,移动节点与静态节点配合进一步确定目标的具体位置.仿真实验验证表明:该方法可以减少大规模的频繁移动节点,不需要过多地对移动节点的选择和运动进行特别复杂的计算,具有较好的定位精度和鲁棒性,对多目标的定位与跟踪研究有一定的启发作用.     

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。     

基于无线传感器网络的同时定位与跟踪

研究无线传感器网络在位置信息不确定时,同时定位无线传感器网络节点并跟踪移动目标。利用RSSI测量节点对之间的距离,多维定标技术根据距离矩阵完成传感器网络的初始定位。估计与更新阶段提出了压缩EKF滤波确定传感器节点位置和目标位置。仿真结果显示:算法在较低的网络覆盖率下有较高的定位和跟踪准确度,在初始定位误差为5m时,节点和跟踪误差均小于3m,特别是在长距离的跟踪任务中有很好的精度和实时性。     

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。     

基于移动锚节点无线传感器网络定位的算法

无线传感器网络应用在很多场合中,监测目标进行定位和跟踪是最基本的应用。在无线传感器网络中基于移动锚节点的定位算法进行设计仿真,网络部署成本显著减少。节点能耗减少,运行时间延长,而且在网络边缘上的节点100％都能获得节点位置．该设计算法能得到完整的网络信息,即使在网络节点出现故障后,通过移动锚节点来重新确认所有无故障节点的位置,进行重新定位。     

动态无线传感器网络中的移动节点定位机制研究

为了提高动态无线传感器网络在目标跟踪、入侵检测、姿态检测、环境监控等应用中的准确性,文章提出了一种移动节点的定位机制,运用概率栅格方案确定移动节点在监测区域的概率分布,由带权重的离散采样集估计出考察时刻移动节点的概率分布,并通过统计实验方法完成移动节点的自定位。该定位机制无需对无线传感器网络的先验知识和节点移动方向进行假设,利用低密度的锚节点即可得到较高的定位精度,能够有效地利用移动节点的移动性,降低不确定性因素的影响。仿真实验结果验证了该定位机制的有效性。     

一种无线传感器网络定位系统的设计与实现

随着计算机和网络技术的快速发展,对于运算以及管理和控制要求更加精细。虽然无线传感器网络有很强的应用相关性,但在无线传感器网络的应用中对定位的要求都很普遍。本文基于无线传感器网络实现了一般环境下的人员定位系统,能够进行地图的实时更换,锚节点的部署,移动节点的跟踪定位,相关人员信息的管理,人员的实时监控和定位。这对于锚节点固定,未知节点在已布设锚节点区域内随机移动的应用环境都可以借鉴和使用。     

面向无线传感器网络节点定位的移动锚节点路径规划

节点定位是无线传感器网络技术研究的一个基本问题,大多数无线传感器网络的应用和中间件技术都需要节点的位置信息.目前比较实用的定位方法是利用一些移动锚节点(如安装有GPS)根据有效的规划路径移动,通过发送包含其自身坐标的信息来定位其他节点,该方法不过多地增加无线传感器网络成本,还可以获得较高的定位精度.在该方法中,移动锚节点的路径规划问题是需要解决的基本问题.主要研究移动锚节点的路径规划问题,把图论引入到无线传感器网络节点定位系统.把无线传感器网络看成一个连通的节点无向图,路径规划问题转化为图的生成树及遍历问题,提出了宽度优先和回溯式贪婪算法.仿真实验和真实系统实验结果表明,该方法能够很好地适应无线传感器网络节点随机分布的节点定位,可以取得较高的定位精度.     

基于移动节点的无线传感器网络定位算法

节点定位技术是无线传感器网络应用的重要支撑技术之一,为了提高定位算法的准确性,提出了一种基于移动目标节点的两步定位算法。该算法利用一个移动目标节点遍历整个网络,并周期性地广播包含自身当前位置的信息。而传感器节点的自身定位过程则可用基于无迹卡尔曼滤波(UKF)的目标跟踪方法实现。由于所用的目标状态模型和量测模型有一定的不确定性,所以先选取不共线的3个拥有RSSI测距能力的目标节点信息,利用Euclidean定位法提高滤波的初始位置精度,从而改善定位效果。通过仿真、分析和比较该目标节点在多种移动轨迹情况下的定位误差,这种两步定位法可以改善对目标节点移动轨迹的特殊要求的限制,能取得较好的定位精度,而且更适合于实际情况。     

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。     

基于簇结构的无线传感器网络移动目标 精确跟踪

对于移动目标跟踪,需要利用加速度或速度恒定的模型对其连续轨迹进行推断.在传感器网络环境下,利用无线传感器网络的冗余特点,提出了一种分簇结构和分时机制下采用流水线工作模式进行跟踪探测的方法,减少两次探测值之间的时间差,通过分析和仿真验证,该方法能够有效地降低对移动目标的跟踪误差.所设计的算法计算复杂度低,实现简单,满足无线传感器网络节点的计算能力要求.     

一种基于目标圆的有向强栅栏构建算法

K-栅栏覆盖是有向传感器网络覆盖控制的研究热点之一。提出一种基于目标圆的分布式有向强栅栏构建方法（DBCTC）。首次构建了节点目标圆和能耗比2个模型。以节点感知区域内横坐标最大的点为圆心,以感知半径为半径的圆就是目标圆。节点的运动能耗和栅栏增益的比值就是能耗比。前一个节点根据目标圆模型选择后一个节点的最佳目标位置。从附近移动节点中选择能耗比最少的移动节点构建有向强栅栏。仿真结果证明,该栅栏构建方法比其他算法降低60%左右的能耗。     

一种移动信源追踪活动目标的方法

无线网络的出现使移动追踪并定位正在运动的目标变为可能,在多传感器网络中,测距定位是目标定位的一种常用手段。利用测距定位的移动追踪方法,根据移动传感器信源节点的信息及感知目标所得的测距数据,推算出目标的位置,由信源节点与目标节点的位置分别确定各个信源节点的追踪方向,使移动传感器信源节点沿该方向追踪目标。但被追踪的目标本身也是移动点,再利用孤立求解的特性再次推算出目标的位置,如此循环往复,直至完成任务。通过在MATLAB环境中进行仿真的实验,表明该方法可使移动信源节点有效地追踪活动目标。     

A grid-based coverage approach for target tracking in hybrid sensor networks

Most existing work on the coverage problem of wireless sensor networks focuses on improving the coverage of the whole sensing field. In target tracking, the interested coverage area is the emerging region of a motorized target, not the whole sensing field. As the motorized target moves, the emerging region is also dynamically changed. In this paper, we propose a grid-based and distributed approach for providing large coverage for a motorized target in a hybrid sensor network. The large coverage is achieved by moving mobile sensor nodes in the network. To minimize total movement cost, the proposed approach needs to solve the following problems: the minimum number of mobile sensor nodes used for healing coverage holes and the best matching between mobile sensor nodes and coverage holes. In the proposed approach, the above two problems are first transformed into the modified circle covering and minimum cost flow problems, respectively. Then, two polynomial-time algorithms are presented to efficiently solve these two modified graph problems, respectively. Finally, we perform simulation experiments to show the effectiveness of proposed approach in providing the coverage for a motorized target in a hybrid sensor network.     

基于朋友圈和节点感知的内容中心MSN路由机制

为了解决移动社交网络(MSN)中由于网络拓扑的时变性以及节点资源的受限性导致路由时延长、投递率低等诸多难题,利用信息中心网络(ICN)内容和位置分离的特点更好地支持终端移动性和网内缓存,设计了一种基于朋友圈和节点感知的内容中心MSN路由机制(FACMR)。首先,明确了节点模型的功能表,使节点具有感知能力。然后,基于节点关系强度和其缓存内容相似性构造朋友圈,快速高效地指导路由。其次,利用缓存特征和置换策略进行朋友圈的维护。最后,利用网络模拟器(NS3)对FACMR进行仿真。仿真结果表明,FACMR与现有的典型算法相比,缓存置换率减少了6.35%,误包数减少了22.9%,平均路由时延降低了43.5%,是一种可行且高效的MSN路由机制。     

有向移动异构传感网分布式部署策略

针对移动异构有向传感网的覆盖增强问题,提出了一种基于虚拟全向感知圆的节点分布式部署策略DDS（Distrib?uted Deployment Strategy）。DDS采用等面积虚拟全向感知圆替代有向节点感知扇形,根据不同感知圆之间的位置与半径大小关系为每个有向节点合理构建区域覆盖子区间,最后由该子区间多边形的形心确定节点的候选位置坐标。同时,DDS策略充分利用有向节点的旋转特性,计算节点视角方向使其面向检测区域外侧。节点通过视角调整和合理移动,不断提高网络覆盖率。仿真结果表明,DDS在提高网络覆盖率,增强节点分布均衡性方面具有明显的优势。     

基于多目标群决策协调技术的WSN 移动节点导航方法

为高效、低成本地实现无线传感器网络（WSN）移动节点自主导航,提出了一种利用节点间接收信号 强度信息（RSSI）和网络拓扑结构实现移动节点自主导航的方法,由多个信标节点组成一个分布式导航子网络,每 个节点都有其相对独立的导航目标并会做出有利于自己的决策,采用多目标群体决策协调技术融合多个节点决策信 息以获得机器人最终导航控制策略,使整个导航系统达到最优控制．导航算法采用分布式处理技术,使绝大部分数 据处理任务都由各个信标节点分布执行,因此很大程度上简化了机器人的设计和硬件成本．仿真和现场实验都表明 了该系统的有效性．     

TBMC:一种基于多探测器协同的DTNs目标追踪策略

延迟容忍网络中的目标追踪问题一直被广泛关注,目前的相关策略主要围绕单探测器追踪单个目标问题。有些搜索策略利用节点相遇的可能性,有些利用节点的地理位置信息,有些采用更加新颖的方法,比如利用目标节点留下的移动方位信息和时间。这些策略都直接或者间接地利用了目标节点的信息进行目标搜索,但是普遍不高的成功率使得这些搜索策略应用范围受到一定限制。设计了一套基于多探测器协同的分布式目标追踪策略,通过远距离协同探测机制DTRs与直接协同机制TRs进行多探测器协同追踪,有效避免探测冲突与冗余步骤,提高追踪效率。理论分析与实验表明,该策略相比传统策略能有效减少追踪步数,提高目标追踪成功率。     

基于情感文本数据筛选的感知节点选择机制

通过分析移动群智感知的协作过程,即感知节点的携带-存储-转发过程,发现该过程忽略了对节点携带信息的内容筛选.而对于有目的的数据获取而言,这种先收集后筛选的方法导致在后续对数据的分析与筛选过程中会耗费更多的时间,同时获取的有效数据占比不高.考虑到这个因素,本文结合遗传算法设计了一种在移动群智感知环境下基于情感文本数据筛选的节点选择机制.该节点选择机制主要通过对节点携带数据类型的筛选来选择感知节点,从而获取感知环境下移动用户的情感文本数据.通过实验验证表明,使用此方法在数据处理的效率上最大提高了27.6%,在有效的数据占比上最大提高了21%,因此该方法能够有效的提高对整体数据处理的效率.