無(wú)線傳感器網(wǎng)絡(luò)中基于節(jié)點(diǎn)協(xié)作的目標(biāo)跟蹤算法研究.pdf

1、無(wú)線傳感器網(wǎng)絡(luò)(Wireless Sensor Networks，簡(jiǎn)稱WSNs)是由大量微型廉價(jià)的傳感器節(jié)點(diǎn)組成的無(wú)線自組織網(wǎng)絡(luò)，廣泛應(yīng)用于軍事、環(huán)境監(jiān)測(cè)、健康護(hù)理、智能家居、城市交通和空間探索等各個(gè)領(lǐng)域。目標(biāo)跟蹤作為無(wú)線傳感器網(wǎng)絡(luò)的一項(xiàng)基本應(yīng)用，要解決的主要問題就是無(wú)線傳感器網(wǎng)絡(luò)自組織節(jié)點(diǎn)對(duì)進(jìn)入感知區(qū)域的移動(dòng)目標(biāo)進(jìn)行監(jiān)測(cè)、定位和跟蹤。
　　 本文在分析現(xiàn)有目標(biāo)跟蹤算法的基礎(chǔ)上，提出了一種基于鄰域協(xié)作的目標(biāo)跟蹤算法(Target

2、 Tracking Algorithm based onNeighborhood Collaboration，簡(jiǎn)稱TNC)。本論文首先討論了感應(yīng)節(jié)點(diǎn)在鄰域空間的權(quán)重，然后提出了一種基于節(jié)點(diǎn)權(quán)重的加權(quán)質(zhì)心算法來估算目標(biāo)的位置，通過節(jié)點(diǎn)之間的相互協(xié)作來確定目標(biāo)的運(yùn)動(dòng)軌跡。模擬結(jié)果表明，TNC算法在跟蹤精度和能量消耗兩個(gè)方面具有較好的效果。針對(duì)目前基于樹狀的目標(biāo)跟蹤算法大多存在計(jì)算量大或更新復(fù)雜的問題，提出了一種基于協(xié)作樹的目標(biāo)跟蹤算法(Ta

3、rgetTracking Algorithm based on Collaboration Tree，簡(jiǎn)稱TCT)。該算法基于異構(gòu)節(jié)點(diǎn)，不僅僅是超級(jí)節(jié)點(diǎn)之間簡(jiǎn)單的合作，而是通過構(gòu)建協(xié)作樹來充分利用超級(jí)節(jié)點(diǎn)周圍的普通節(jié)點(diǎn)，一起執(zhí)行監(jiān)測(cè)和跟蹤任務(wù)。TCT算法還為超級(jí)節(jié)點(diǎn)和普通節(jié)點(diǎn)設(shè)計(jì)了不同的節(jié)點(diǎn)調(diào)度算法，通過兩類節(jié)點(diǎn)的協(xié)作來實(shí)現(xiàn)網(wǎng)絡(luò)中目標(biāo)的監(jiān)測(cè)與跟蹤。模擬結(jié)果表明，TCT算法在性能上要比現(xiàn)有的基于樹狀的目標(biāo)跟蹤算法優(yōu)越。低能量消耗和高跟蹤精