基于無線傳感器網(wǎng)絡的目標跟蹤系統(tǒng)中的算法研究.pdf

1、隨著數(shù)字電子、微處理器技術和無線通信技術的發(fā)展，使得無線傳感器網(wǎng)絡能夠通過數(shù)以千計的分布式傳感節(jié)點獲得高密度、高精度的傳感數(shù)據(jù)。由于傳感器節(jié)點的小尺寸和低成本等眾多優(yōu)點，無線傳感器網(wǎng)絡被廣泛應用在軍事和民用領域，如目標跟蹤、區(qū)域監(jiān)測、環(huán)境控制以及醫(yī)療保健。目標跟蹤是無線傳感器網(wǎng)絡中最重要的應用之一。而能量效率、路由協(xié)議、定位算法以及軌跡預測是基于無線傳感器網(wǎng)絡的目標跟蹤系統(tǒng)設計中需要考慮的關鍵問題。論文提出了一種基于無線傳感器網(wǎng)絡的目標

2、定位系統(tǒng)體系結(jié)構，并分別對上述四個關鍵問題進行了研究。
　　 在基于無線傳感器網(wǎng)絡的目標跟蹤系統(tǒng)中，如何提高整個網(wǎng)絡的能量效率是一個核心問題。在當前多數(shù)提高能量效率的研究中，節(jié)點剩余能量是一個重要的參數(shù)。常用的獲取節(jié)點剩余能量的方法是節(jié)點周期性的發(fā)送自己的能量信息，然而在某些環(huán)境下，通信消耗的能量有時大于利用該算法節(jié)省的能量。因此，如何更有效的獲取剩余能量是一個關鍵問題，能量預測方法是一種較好的方法，該方法通過節(jié)點自身能量消耗的

3、歷史數(shù)據(jù)來預測未來一段時間內(nèi)的能量消耗。論文首先對節(jié)點預測方法進行了研究，討論了一種基于馬爾科夫鏈的節(jié)點能量概率模型，該模型將節(jié)點的不同工作模式對應馬爾科夫鏈的不同狀態(tài)：如果一個節(jié)點有種工作模式，則可運用馬爾科夫鏈的種狀態(tài)進行模擬。然后提出了一種基于離散時間馬爾科夫鏈的平穩(wěn)分布的能量預測算法，并進一步討論了基于連續(xù)時間馬爾科夫鏈的能量預測方法。仿真實驗也說明了算法的有效性。
　　 在數(shù)據(jù)傳輸過程中，部分節(jié)點因負載過重能源快速耗盡

4、，造成網(wǎng)絡中傳播路徑的通信距離延長，并由此引發(fā)網(wǎng)絡能量消耗增大，生命周期縮短的負面影響。針對此問題，提出了一種基于能量預測的路由算法。算法以均衡網(wǎng)絡負載為目的，利用預測結(jié)果作為優(yōu)化路由選擇的標準，在路徑建立過程中選取剩余能量較多的鄰居節(jié)點作為下一跳節(jié)點。實驗表明，同傳統(tǒng)路由算法相比，該算法能夠更好地均衡網(wǎng)絡的能量消耗，有效緩解了部分節(jié)點因負載過重造成能源快速耗盡以及由此帶來的負面影響，最大限度地延長了網(wǎng)絡壽命。在另一方面，與傳統(tǒng)的無線傳

5、感器網(wǎng)絡應用不同的是，目標跟蹤系統(tǒng)中的數(shù)據(jù)往往具有很強的實時性。因此，提出了一種能量有效的實時路由算法，該算法在盡可能保證數(shù)據(jù)實時性的前提下通過最大熵原理均衡網(wǎng)絡的能量使用，提高整個網(wǎng)絡的生存時間。實驗表明該算法能夠在滿足數(shù)據(jù)實時性的要求條件下有效地平衡網(wǎng)絡能量。
　　 目標跟蹤系統(tǒng)中定位算法可分為基于測距定位算法和非測距定位算法?；诰嚯x測量和角度測量的定位算法的缺點是對專用硬件有一定的要求，從而使傳感器節(jié)點成本和體積加大，限

6、制了它的實用性。非測距的算法不需要測量未知節(jié)點到信標節(jié)點的距離，在成本和功耗方面比基于測距的定位方法具有一定的優(yōu)勢，但是精度相對不足。因此，提出了一種基于支持向量機的目標定位算法TLSVM。該算法將整個監(jiān)測區(qū)域分成若干個子區(qū)域，通過已知的節(jié)點位置信息作為訓練樣本生成每個子區(qū)域的最優(yōu)SVM。當目標出現(xiàn)時，根據(jù)報告節(jié)點的分類信息估計目標所屬區(qū)域，從而較精確地估計出目標的位置。另外，考慮到SVM分類的準確性直接影響到定位的精確性，如何選擇最優(yōu)

7、SVM是TLSVM的一個關鍵問題。因此，還進一步還討論了最優(yōu)支持向量機的選取方法，通過對SVM的統(tǒng)計分析，給出了一個新的反映支持向量機分類能力的指標。通過比較該指標在不同的模型（不同的核）中的估計值，可以選取最優(yōu)的支持向量機。實驗結(jié)果也說明了該方法的合理性和有效性。
　　 針對多目標跟蹤問題中的核心問題：軌跡關聯(lián)和軌跡預測進行了研究，提出了一種基于卡爾曼濾波的多目標跟蹤算法。該算法通過最近鄰方法將一個多目標跟蹤問題分解成一組單目