基于能效的分布式轻量级WSN目标跟踪算法

针对不确定性复杂运动目标跟踪中的节点调度以及节能问题,提出了基于能效的无线传感器网络分布式多节点协作的目标跟踪算法.根据监控区域内目标的运动状态以及局部区域的节点密度,利用节点的剩余能量和调度情况,确定无线传感器网络在跟踪目标过程中的簇规模,使网络的局部能量消耗达到均衡.利用高斯Cost-Reference粒子滤波对目标进行跟踪,以减少对噪声建模的依赖性.仿真结果表明,该算法达到了跟踪精度的要求,解决了节点调度问题,并有效地均衡了网络能耗.     

基于负载均衡分簇的无线传感器网络目标跟踪算法

针对无线传感器网络目标跟踪算法节点负载不均衡的现状,结合非线性模型下目标跟踪的研究,提出一种基于负载均衡分簇的无线传感器网络目标跟踪算法.采用分簇时选出高能量簇首,簇间通信时通过辅助簇首多跳通信,在跟踪目标时使用分布式扩展卡尔曼滤波的方法.仿真结果表明:本文算法在多次分簇后有效减少了死亡节点数量降低了节点剩余能量差,与分布式卡尔曼滤波相比降低了跟踪误差.该算法均衡了无线传感器网络节点的负载并提高了非线性模型下目标跟踪的精度,在有限的资源下增加了目标跟踪算法的可靠性.     

一种改进的无线传感器网络目标跟踪机制

针对无线传感器网络环境下运动目标跟踪问题,采用簇-树层次型的网络拓扑模型,提出了一种在该模型中改进的各传感器节点的工作机制.详细介绍了模型中节点的工作流程,并通过无线传感器网络中的能量模型方程与原节点工作机制中能量消耗进行比较,实现对网络中运动目标的跟踪.结果表明在不影响跟踪精度的条件下,改进的工作机制可以有效降低通信能量的开销.     

无线传感网跟踪任务中的目标运动 模型估计与节点调度

在无线传感器网络进行目标跟踪的过程中,合理的节点调度算法可以兼顾跟踪精度和能量消耗,延长网络的使用寿命.然而,当目标运动模型未知时,难以实现高效的节点调度.为解决目标运动模型未知场景下的跟踪问题,本文将监控区域中的目标移动和传感器观测建模为隐马尔可夫模型(HMM),并提出了HMMQMDP算法,把问题分解为运动模型估计和节点调度两个阶段:运动模型估计阶段是根据传感器采集的观测序列估计目标状态转移概率;节点调度阶段则被建模为部分可观测马尔可夫决策过程(POMDP),综合考虑决策的短期和长期损失,应用QMDP算法近似求解优化策略.仿真结果表明:该算法可以根据观测样本有效地学习和估计目标运动模型,提升节点调度算法的效果.     

无线传感器网络自适应动态簇目标跟踪策略

考虑到无线传感器网络的特点及目标跟踪对实时性要求较高,提出一种基于动态簇的无线传感器网络目标跟踪策略.当目标出现时,基于节点管理机制采用层次分析法选举簇首,定义节点跟踪权值作为参与跟踪的依据,并建立动态簇.目标监视过程中,根据实际跟踪质量自适应调整动态簇规模;为了避免目标丢失,在自适应机制的基础上提出目标恢复机制.目标离开后,解散动态簇,释放节点资源.采用NS2对所提算法进行仿真测试,结果表明,基于动态簇的跟踪策略能够以较少的通信开销为代价获得很好的目标捕获率.     

无线传感网络可信信息覆盖泰森多边形区域划分算法研究

针对无线传感网络区域划分问题,基于可信信息覆盖模型,设计了一种新的面向可信信息覆盖的泰森多边形区域划分算法。首先,该算法利用节点间的协作感知,通过节点聚类形成节点协作感知盘;然后基于可信信息覆盖模型计算各重建点的权值;最后利用权重泰森多边形图理论设计基于该模型的泰森多边形区域划分算法。仿真实验结果表明,该算法与传统圆盘模型下的泰森多边形法相比较,在相同数量节点下划分的泰森多边形区域数量更少,并且有着更高的覆盖率。     

无线传感器网络的目标跟踪能量优化策略

为了满足无线传感器网络的目标跟踪性能要求,解决节点能量消耗不均衡的问题,建立了面向无线传感器节点底层硬件和时序流程的能量模型,在节点通信过程中使用量化算法对数据进行压缩量化,在此基础上综合考虑节点的跟踪精度及剩余能量,提出了基于能量优化策略的调度算法,并采用双重唤醒/休眠机制来延长网络寿命.该策略采用分布式计算方式,易...     

基于Q学习和TD误差的传感器节点任务调度算法

针对现有合作学习算法存在频繁通信、能量消耗过大等问题,应用目标跟踪建立任务模型,文章提出一种基于Q学习和TD误差(Q-learning and TD error,QT)的传感器节点任务调度算法。具体包括将传感器节点任务调度问题映射成Q学习可解决的学习问题,建立邻居节点间的协作机制以及定义延迟回报、状态空间等基本学习元素。在协作机制中,QT使得传感器节点利用个体和群体的TD误差,通过动态改变自身的学习速度来平衡自身利益和群体利益。此外,QT根据Metropolis准则提高节点学习前期的探索概率,优化任务选择。实验结果表明:QT具备根据当前环境进行动态调度任务的能力;相比其他任务调度算法,QT消耗合理的能量使得单位性能提高了17.26%。     

无线传感器网络中基于网格的目标跟踪算法

提出了一种适用于无线传感器网络中基于网格的目标跟踪算法,以解决在目标跟踪过程中信任度(belief)更新和传感器节点信息贡献量估计问题.该算法对信任度进行非参数化表示,用基于网格的算法对序列贝叶斯滤波过程进行实现.并且利用目标位置预测和基于网格的算法在不预先获知传感器节点测量数据的情况下,对节点的信息贡献量进行估算.在资源受限的无线传感器网络中,该算法在降低计算复杂度、提高算法适用范围方面都有显著改进.最后在仿真环境中验证了基于网格的目标跟踪算法的有效性.     

无线携能协作传感器网络的能效研究

针对携能协作传感器网络中电池容量受限以及网络能效较低的问题,提出了动态能量条件下的协作传输策略.首先,建立了基于节点电池能量有限的携能协作传感器网络模型.其次,利用分式规划和对偶分解结合的分布式叠加算法求解凸优化问题,得到该模型下的最优资源分配策略.仿真分析结果表明,所提出的动态能量下协作策略获得了最大的能效,同时系统的吞吐量也保证在较高的水平.     

传感器网络下目标追踪实验设计

文中设计了一种无线传感器网络下的移动目标追踪实验,介绍如何在模拟器上实现网络节点部署、组织和追踪移动目标。实验中移动物体依据真实出租车轨迹、高斯马尔科夫模型或随机路点模型进行移动;网络中节点则依照粒子滤波算法进行目标追踪和数据采集。该实验作为《无线传感器网络》课程的配套实验,有利于学生更好地理解基础理论知识,并且能锻炼学生在无线传感器网络模拟器上的实际编程能力。     

无线传感器网络下的粒子滤波分布式目标跟踪算法

针对无线传感器网络环境下的机动目标跟踪问题,提出了一种描述目标机动加速度的目标状态空间模型,以此模型为基础开发出基于粒子滤波的单目标和多目标跟踪算法.基本思想是:在状态空间中通过寻找一组传播的随机样本来获得近似后验概率分布,并以样本均值代替积分运算,从而求得最小状态方差估计.仿真结果表明,所提算法可以较好地解决无线传感器网络环境下的机动目标跟踪问题,速度跟踪精度、机动加速度跟踪精度均较经典分布式粒子滤波算法分别提高20%、27%.     

基于正态截断模型的被动传感器目标跟踪算法

被动传感器只能获得目标的角度信息而无法获得位置信息,因此单被动传感器对目标进行跟踪时难以满足可观测性条件.对单被动传感器高斯-厄米特滤波的量测模型进行扩维,建立了多被动传感器高斯-厄米特滤波模型.由于Singer模型只适用于匀速和匀加速范围内的目标运动,对于强烈的机动将引起较大的模型误差.而正态截断模型本质上是非零均值时间相关模型,能够更加真实地反映目标机动泛围和强度的变化,是目前较好的实用模型.文中基于正态截断模型提出了只有角度量测的双被动传感器高斯-厄密特机动目标跟踪算法,仿真结果表明,该方法能够对机动目标进行稳定的跟踪.     

无线传感器网络在战场目标跟踪中的应用

介绍了无线传感器网络的基本概念和体系结构,探讨了无线传感器网络技术在战场目标跟踪定位方面的应用原理,实现了一个简易的目标跟踪系统,并对系统运行结果进行了分析。     

基于BQPSO的无线传感器网络节点调度算法

在多目标跟踪中,要求无线传感器网络在满足跟踪精度的前提下,最大限度地降低对传感器资源的使用。基于这一目的,适当选择节点避免共线度过高,并采用APIT实现精确定位,同时考虑跟踪簇总能耗设计节点调度目标函数,采用二进制量子粒子群优化算法解决传感器资源冲突问题。仿真结果表明:虽然基于BQPSO的节点调度算法比基于PSO的节点调度算法在能耗上增加了17.47%,但定位精度可以提高31.84%。算法在提高定位精度的同时最大限度地降低了对资源的使用,有效延长了无线传感器网络的工作寿命。     

能量有效的无线传感器网络节点选择

基于能量信息的目标定位模型,提出了一种能量有效的本地节点选择方案,通过合理地选择处于工作状态的传感器节点以减少网络的能量消耗.该方案中,节点根据相邻时刻接收到的目标信号能量变化独立决定其工作状态,减少了与相邻节点及中心节点的信息交换.仿真结果表明:应用该文提出的节点选择方法有效减少了网络的能量消耗,且能够准确地对目标进行定位与跟踪.     

协同网络下分布式跟踪的动态传感器管理

协同网络系统采用分等级的分布式信息处理结构,在实现对杂波中多目标的精确跟踪时,需要考虑量测起源不确定性问题和传感器对目标及局部融合中心的同时分配问题.针对上述问题,文中提出了一种适用于分布式跟踪的动态传感器管理方法.首先以修正Riccati差分方程的解作为目标跟踪性能的评价标准,据此构建传感器管理的目标函数,然后根据分层优化策略,利用蚁群算法实时求近似优解,最后基于分布式融合算法获取多目标的最优跟踪轨迹.仿真结果表明,与NN分簇和MV分簇两种传感器管理方法相比,文中所提方法具有更高的目标跟踪精度和网络资源利用率.     

面向目标跟踪的传感器网络协同调度策略及拓扑控制

设计开发了基于扩展卡尔曼滤波估计理论的分布式传感器网络目标跟踪算法，给出了基于邻居节点集的协同调度策略和采用退避机制的AODV拓扑控制策略，实现了分布式环境下任务节点的和拓扑结构的动态自适应切换。通过研制融合了MicaZ原型节点和超声波传感器的自制硬件节点，实现了对移动目标的跟踪和定位，验证了所提出算法的正确性。