无线传感器网络中的目标跟踪算法

在综合分析大量文献和最新研究结果的基础上,探讨无线传感器网络目标定位和跟踪算法的性能评价标准和分类方法,着重研究近年来该领域具有代表性的算法和特点,给出了比较结果及相应分析,并指出进一步的研究方向。     

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。     

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.     

一种基于无线传感器网络的分布式目标跟踪算法

将无线传感器网络与接收信号强度指示测距技术相结合,研究了移动目标的分布式跟踪算法。根据传感器节点与移动目标的相对位置,将节点动态组织成簇,簇头节点作为簇的数据处理中心,利用扩展卡尔曼滤波形成对移动目标位置的本地估计。随着目标的移动,本地估计在簇头节点间传递。仿真结果表明,基于无线传感器网络的分布式目标跟踪算法在精度、收敛性和实时性等方面达到很好的跟踪效果。     

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...     

无线传感器网络中基于粒子滤波的目标跟踪算法研究

近几十年来,随着传感器、无线通信、信息处理、计算机等相关技术的不断发展和创新,基于无线传感器网络的应用越来越广泛,对无线传感器网络中的目标跟踪算法进行研究也具有极大的现实意义。在研究滤波算法的基础上,针对粒子滤波算法中的粒子退化问题,考虑无迹粒子滤波中的重要性函数充分利用了当前观测值但是运行时间长的问题,提出一种在有效粒子数满足一定条件下进行无迹变换的方法,将先验分布和通过无迹卡尔曼方法得到的重要性函数相结合作为新的提议分布以减缓粒子的退化。对于粒子滤波中的样本贫化问题,提出一种改进的分类重采样方法,当粒子的多样性不足时,在大权值粒子上加一个以噪声方差控制的扰动并给予小权值粒子一定的被选概率,以此增加粒子的多样性,并以C++为仿真工具对所提方法进行了试验。结果表明,改进的粒子滤波算法在估计精度上优于标准粒子滤波和无迹粒子滤波,而且运行时间比无迹粒子滤波减小一半多。     

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.     

基于增量部署的无线传感器网络目标跟踪方法研究

目的基于无线传感器网络(wireless sensor network,WSN)进行运动目标定位和跟踪问题研究。方法利用双曲线交汇法建立无线传感器网络目标定位的数学模型,并在此基础之上提出一种基于增量部署的方法对运动目标进行定位和跟踪。结果与结论仿真结果显示该方法能够有效地对目标进行跟踪定位。此外,通过仿真发现了基于此方法的无线传感器网络所需的传感器数量与目标的运动状态、传感器节点的投放距离以及角度等之间的关系。     

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.     

面向目标跟踪的WSN协同调度策略及拓扑控制

基于扩展卡尔曼滤波估计理论提出了分布式无线传感器网络的目标跟踪算法,给出了基于邻节点集的协同调度策略和采用退避机制的按需距离矢量路由(AODV)拓扑控制策略,实现了分布式环境下任务节点和拓扑结构的动态自适应切换.通过研制融合了MicaZ硬件节点和超声波传感器的原型系统,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.     

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。     

目标检测传感器网络参数设计

通过理论分析,给出了目标穿越无线传感器网络防线时的被检测概率与传感器网络设计参数之间的关系,建立了传感器网络目标检测问题的数学模型.传感器网络所有节点均采用基于时间片的休眠/唤醒节能策略,使得节点在每个时间片以一定的激活概率进入活动状态.推导目标检测概率的计算公式表明,检测概率与传感器节点的密度以及节点激活概率均成正比.因此,在满足所需要的目标检测概率条件下,可以采用降低节点密度或者减小节点激活概率的方法来减少系统能耗.此外,建立了节点工作时间片大小与传感器网络能耗之间的关系式.由该关系式得出,在其他参数确定的条件下,存在一个目标运动速率的临界值.当目标速率小于此临界值时,网络能耗随时间片的增加而增大;当目标速率大于此临界值时,网络能耗随时间片的增加而减小.     

无线传感器网络节能策略

无线传感器网络中,能量问题是核心问题,各种节能机制涉及了协议栈各层,每一层都可以根据自身特点和功能设计不同的节能策略.该文分别从网络的物理层、数据链路层、网络层、传输层和应用层分析了无线传感器网络的节能策略.