基于群智能和博弈論的傳感網(wǎng)多目標(biāo)跟蹤研究

1、<p><b>　　單位代碼：</b></p><p><b>　　10293</b></p><p><b>　　密</b></p><p><b>　　級(jí)：</b></p><p>　　專(zhuān) 業(yè) 學(xué) 位 碩 士 論 文</p>&

2、lt;p>　　論文題目： 基于群智能和博弈論的傳感網(wǎng)多目標(biāo)跟蹤研究</p><p><b>　　學(xué)</b></p><p><b>　　姓</b></p><p><b>　　導(dǎo)</b></p><p><b>　　號(hào)</b></p>

3、<p><b>　　名</b></p><p><b>　　師</b></p><p>　　1211042812</p><p><b>　　李夢(mèng)澤</b></p><p><b>　　陳 志 副教授</b></p><p&g

4、t;<b>　　專(zhuān)業(yè)學(xué)位類(lèi)別</b></p><p><b>　　工 程 碩 士</b></p><p><b>　　類(lèi)申請(qǐng)</b></p><p><b>　　型</b></p><p><b>　　全</b></p>

5、<p><b>　　日</b></p><p><b>　　制</b></p><p><b>　　萬(wàn)方數(shù)據(jù)</b></p><p><b>　　業(yè)(</b></p><p><b>　　論文提交日期</b></p&

6、gt;<p><b>　　軟件工程</b></p><p><b>　　二 O 一四年四月</b></p><p>　　Research on Multi-target tracking in Sensor</p><p>　　Network based on Swarm Intelligence and G

7、ame</p><p><b>　　theory</b></p><p>　　Thesis Submitted to Nanjing University of Posts and</p><p>　　Telecommunications for the Degree of</p><p>　　Master of Eng

8、ineering</p><p><b>　　By</b></p><p><b>　　Li Mengze</b></p><p>　　Supervisor: Associate Prof. Chen Zhi</p><p><b>　　May 2014</b></p&g

9、t;<p><b>　　萬(wàn)方數(shù)據(jù)</b></p><p>　　南京郵電大學(xué)學(xué)位論文原創(chuàng)性聲明</p><p>　　本人聲明所呈交的學(xué)位論文是我個(gè)人在導(dǎo)師指導(dǎo)下進(jìn)行的研究工作及取得</p><p>　　的研究成果。盡我所知，除了文中特別加以標(biāo)注和致謝的地方外，論文中不包</p><p>　　含其他人已經(jīng)發(fā)表或

10、撰寫(xiě)過(guò)的研究成果，也不包含為獲得南京郵電大學(xué)或其它</p><p>　　教育機(jī)構(gòu)的學(xué)位或證書(shū)而使用過(guò)的材料。與我一同工作的同志對(duì)本研究所做的</p><p>　　任何貢獻(xiàn)均已在論文中作了明確的說(shuō)明并表示了謝意。</p><p>　　本人學(xué)位論文及涉及相關(guān)資料若有不實(shí)，愿意承擔(dān)一切相關(guān)的法律責(zé)任。</p><p>　　研究生簽名：_______

11、______ 日期：____________</p><p>　　南京郵電大學(xué)學(xué)位論文使用授權(quán)聲明</p><p>　　本人授權(quán)南京郵電大學(xué)可以保留并向國(guó)家有關(guān)部門(mén)或機(jī)構(gòu)送交論文的復(fù)印件和電子文</p><p>　　檔；允許論文被查閱和借閱；可以將學(xué)位論文的全部或部分內(nèi)容編入有關(guān)數(shù)據(jù)庫(kù)進(jìn)行檢索；</p><p>　　可以采用影印、縮印或掃描等

12、復(fù)制手段保存、匯編本學(xué)位論文。本文電子文檔的內(nèi)容和紙質(zhì)</p><p>　　論文的內(nèi)容相一致。論文的公布（包括刊登）授權(quán)南京郵電大學(xué)研究生院辦理。</p><p>　　涉密學(xué)位論文在解密后適用本授權(quán)書(shū)。</p><p>　　研究生簽名：____________ 導(dǎo)師簽名：____________ 日期：_____________</p><p&g

13、t;<b>　　萬(wàn)方數(shù)據(jù)</b></p><p><b>　　摘要</b></p><p>　　無(wú)線傳感網(wǎng)是一種由大量具備無(wú)線通信能力并且內(nèi)置了各種傳感器的無(wú)線傳感器節(jié)點(diǎn)所</p><p>　　組成的網(wǎng)絡(luò)。該網(wǎng)絡(luò)被用于探測(cè)、記錄、分析和傳輸網(wǎng)絡(luò)所覆蓋的區(qū)域內(nèi)特定對(duì)象的狀態(tài)數(shù)</p><p>　　據(jù)，

14、所有的數(shù)據(jù)最后都將通過(guò)網(wǎng)絡(luò)以無(wú)線通訊的方式轉(zhuǎn)發(fā)到接收端。</p><p>　　目標(biāo)跟蹤是人們運(yùn)用各種觀測(cè)和計(jì)算手段，對(duì)運(yùn)動(dòng)目標(biāo)的位置進(jìn)行定位和跟蹤的過(guò)程。</p><p>　　從目標(biāo)的個(gè)數(shù)上分類(lèi)，可以分為單目標(biāo)跟蹤和多目標(biāo)跟蹤。傳感器網(wǎng)絡(luò)多目標(biāo)跟蹤就是將傳</p><p>　　感器節(jié)點(diǎn)所觀測(cè)到的目標(biāo)數(shù)據(jù)收集起來(lái)并通過(guò)這些數(shù)據(jù)分析與計(jì)算出目標(biāo)運(yùn)動(dòng)路線的過(guò)程。</

15、p><p>　　在傳感網(wǎng)多目標(biāo)跟蹤的過(guò)程中，如何有效的進(jìn)行網(wǎng)絡(luò)自組織以及提高目標(biāo)跟蹤的精確度是傳</p><p>　　感網(wǎng)多目標(biāo)跟蹤所面臨的挑戰(zhàn)。</p><p>　　本文分析了面向多目標(biāo)跟蹤的傳感網(wǎng)自組織中的粒子群優(yōu)化算法，通過(guò)解決有中心節(jié)點(diǎn)</p><p>　　的粒子群優(yōu)化算法在分布式網(wǎng)絡(luò)中的缺陷，提出了一種分布式粒子群優(yōu)化算法，該算法以粒&

16、lt;/p><p>　　子代表候選的網(wǎng)絡(luò)自組織方案，通過(guò)計(jì)算粒子的最優(yōu)位置來(lái)優(yōu)化網(wǎng)絡(luò)的自組織過(guò)程。仿真實(shí)</p><p>　　驗(yàn)表明上述分布式粒子群優(yōu)化算法在面向傳感網(wǎng)多目標(biāo)跟蹤中的效果更好。此外，本文還分</p><p>　　析了用于傳感網(wǎng)多目標(biāo)跟蹤的濾波算法，提出了基于博弈均衡的最小化最大誤差值算法，該</p><p>　　算法通過(guò)在跟蹤目標(biāo)

17、的過(guò)程中始終考慮最壞情況，實(shí)現(xiàn)零和博弈均衡，降低誤差的最大值。</p><p>　　仿真實(shí)驗(yàn)表明上述新算法與標(biāo)準(zhǔn)卡爾曼濾波算法相比，能夠更好的降低目標(biāo)跟蹤的誤差范圍，</p><p>　　提高多目標(biāo)跟蹤的精確度。</p><p>　　關(guān)鍵詞：無(wú)線傳感網(wǎng)，多目標(biāo)跟蹤，群智能，博弈論</p><p><b>　　I</b>&

18、lt;/p><p><b>　　萬(wàn)方數(shù)據(jù)</b></p><p><b>　　Abstract</b></p><p>　　Wireless sensor network is a network consist of a large number of wireless sensor nodes with</p>

19、<p>　　built-in various wireless sensors. This network is used to detect, record, analyze and transmit the</p><p>　　status data of specific object covered by the network, and all data are finally sent

20、to the receiver via</p><p>　　the network by wireless communication.</p><p>　　Target tracking is the process of that people use a variety of observational and computational</p><p>　　

21、means to locate the moving target and track its trajectory. Wireless sensor network target tracking</p><p>　　can be divided into single-target tracking and multi-target tracking classified by the number of&l

22、t;/p><p>　　targets. Multi-target tracking in wireless sensor network is a process that collecting the data of</p><p>　　targets from the sensor nodes and calculating this data to get the trajectory.

23、 In the process of</p><p>　　multi-target tracking in wireless sensor network, how to improve the efficiency of network</p><p>　　self-organization and the accuracy of target tracking, are challen

24、ges that multi-target tracking in</p><p>　　wireless sensor network should face.</p><p>　　This paper introduces and compares several sensor network self-organization methods oriented</p>&

25、lt;p>　　to multi-target tracking, and then this paper analyzes the Particle Swarm intelligence Optimization</p><p>　　(PSO) in the sensor network self-organization oriented to multi-target tracking. By anal

26、yzing the</p><p>　　defect of PSO algorithm with a central node (CPSO), this paper put forward a distributed PSO</p><p>　　algorithm (DPSO). This algorithm uses particles to represent candidate ne

27、twork self-organization</p><p>　　plans, it improves the self-organization of the network by calculating the best position of particles.</p><p>　　Followed by a simulation, the result proves that

28、DPSO performs better in sensor network</p><p>　　self-organization method oriented to multi-target tracking. This paper also analyzes the filtering</p><p>　　algorithm used in the multi-target tra

29、cking in wireless sensor network, and then puts forward the</p><p>　　minimized-maximum-error filter algorithm based on game equilibrium. This algorithm reduces the</p><p>　　maximum error value b

30、y considering the worst situation in target tracking and achieving the</p><p>　　zero-sum game equilibrium. Followed by a simulation, the result proves that the new algorithm</p><p>　　performs be

31、tter than standard kalman fliter algorithm, it can improve the accuracy of multi-target</p><p>　　tracking in sensor network.</p><p>　　Key words: Wireless sensor networks, multi-target tracking,

32、swarm intelligence, game theory</p><p><b>　　II</b></p><p><b>　　萬(wàn)方數(shù)據(jù)</b></p><p><b>　　目錄</b></p><p>　　第一章 緒論 .........................

33、.................................................................................................................................... 1</p><p>　　1.1 研究背景及意義 ...................................................

34、..................................................................................... 1</p><p>　　1.2 國(guó)內(nèi)外研究現(xiàn)狀 ..................................................................................................

35、...................................... 1</p><p>　　1.3 主要研究?jī)?nèi)容 ............................................................................................................................................ 2<

36、/p><p>　　1.4 論文結(jié)構(gòu) .................................................................................................................................................... 3</p><p>　　第二章 相關(guān)工作 ..........

37、........................................................................................................................................... 5</p><p>　　2.1 傳感器網(wǎng)絡(luò)多目標(biāo)跟蹤問(wèn)題分析 .....................................

38、....................................................................... 5</p><p>　　2.2 傳感器網(wǎng)絡(luò)多目標(biāo)跟蹤研究的歷史與發(fā)展............................................................................................. 6</p&

39、gt;<p>　　2.2.1 群智能算法在傳感器網(wǎng)絡(luò)多目標(biāo)跟蹤中的應(yīng)用.......................................................................... 6</p><p>　　2.2.2 博弈論在傳感器網(wǎng)絡(luò)多目標(biāo)跟蹤中的應(yīng)用.......................................................

40、........................... 7</p><p>　　2.3 本章小結(jié) .................................................................................................................................................... 7</p>

41、;<p>　　第三章 面向多目標(biāo)跟蹤的傳感網(wǎng)自組織優(yōu)化 ..................................................................................................... 8</p><p>　　3.1 引言 ....................................................

42、........................................................................................................ 8</p><p>　　3.2 粒子群優(yōu)化算法原理分析 ...........................................................................

43、............................................. 9</p><p>　　3.3 傳感器網(wǎng)絡(luò)多目標(biāo)跟蹤中粒子群算法的應(yīng)用與改進(jìn)........................................................................... 10</p><p>　　3.3.1 適應(yīng)度函數(shù)的分析與設(shè)計(jì) .....

44、.......................................................................................................11</p><p>　　3.3.2 兩種粒子群算法在傳感器網(wǎng)絡(luò)多目標(biāo)跟蹤中的應(yīng)用................................................................

45、 13</p><p>　　3.4 仿真實(shí)驗(yàn) .................................................................................................................................................. 14</p><p>　　3.5 本章小結(jié) ....

46、.............................................................................................................................................. 16</p><p>　　第四章 基于博弈論的傳感網(wǎng)多目標(biāo)跟蹤方法 ...............................

47、.................................................................... 18</p><p>　　4.1 引言 .......................................................................................................................

48、................................... 18</p><p>　　4.2 傳感器網(wǎng)絡(luò)多目標(biāo)跟蹤中的零和博弈 .................................................................................................. 21</p><p>　　4.2.1 傳感器網(wǎng)絡(luò)與目標(biāo)

49、的最優(yōu)博弈策略............................................................................................ 21</p><p>　　4.2.2 零和博弈模型及其均衡狀態(tài) ............................................................................

50、........................... 23</p><p>　　4.3 傳感器網(wǎng)絡(luò)多目標(biāo)跟蹤中的濾波算法優(yōu)化........................................................................................... 25</p><p>　　4.3.1 卡爾曼濾波算法原理分析 ..........

51、................................................................................................. 25</p><p>　　4.3.2 基于卡爾曼濾波的兩種改進(jìn)算法.............................................................................

52、................... 28</p><p>　　4.4 仿真分析 .................................................................................................................................................. 31</p><p

53、>　　4.5 本章小結(jié) .................................................................................................................................................. 33</p><p>　　第五章 總結(jié)與展望 .......................

54、........................................................................................................................ 34</p><p>　　5.1 論文總結(jié) .................................................................

55、................................................................................. 34</p><p>　　5.2 下一步工作及展望 ....................................................................................................

56、.............................. 34</p><p>　　參考文獻(xiàn) ...............................................................................................................................................................

57、.. 36</p><p>　　附錄 1 攻讀碩士學(xué)位期間申請(qǐng)的專(zhuān)利 ................................................................................................................ 39</p><p>　　附錄 2 攻讀碩士學(xué)位期間參加的科研項(xiàng)目 ..............

58、.......................................................................................... 40</p><p>　　致謝 .....................................................................................................

59、.................................................................... 41</p><p><b>　　III</b></p><p><b>　　萬(wàn)方數(shù)據(jù)</b></p><p>　　南京郵電大學(xué)專(zhuān)業(yè)學(xué)位碩士研究生學(xué)位論文</p><

60、p><b>　　第一章 緒論</b></p><p><b>　　第一章 緒論</b></p><p>　　1.1 研究背景及意義</p><p>　　無(wú)線傳感器網(wǎng)絡(luò)是一項(xiàng)由微機(jī)電系統(tǒng)、計(jì)算機(jī)科學(xué)、通信和自動(dòng)控制等學(xué)科綜合而來(lái)的</p><p>　　新興的網(wǎng)絡(luò)技術(shù)，通過(guò)監(jiān)控區(qū)域內(nèi)大量分布的各種

61、類(lèi)型的傳感器，實(shí)時(shí)感知自身周?chē)沫h(huán)境</p><p>　　信息以及監(jiān)測(cè)對(duì)象的狀態(tài)，無(wú)線傳感器節(jié)點(diǎn)以自組織的方式構(gòu)成多跳網(wǎng)絡(luò)結(jié)構(gòu)，通過(guò)節(jié)點(diǎn)間</p><p>　　的無(wú)線通信將收集到的信息數(shù)據(jù)傳輸回接收端。這項(xiàng)技術(shù)在雷達(dá)探測(cè)、環(huán)境監(jiān)控、治安管理、</p><p>　　災(zāi)害救援、生物醫(yī)藥等許多領(lǐng)域具有廣闊的應(yīng)用前景和實(shí)用價(jià)值[1-3]。2003 年，麻省理工學(xué)院</

62、p><p>　　在其出版的《Technology Review》中關(guān)于未來(lái)科學(xué)發(fā)展的討論中，將其列為將會(huì)影響全世界</p><p>　　的十項(xiàng)新興技術(shù)之一[4]，在美國(guó)出版的《Business Week》在其未來(lái)科技版中提到，傳感器網(wǎng)</p><p>　　絡(luò)技術(shù)作為未來(lái)四大技術(shù)產(chǎn)業(yè)之一，將會(huì)引領(lǐng)新的科技發(fā)展方向[5]。我國(guó)也將無(wú)線傳感器網(wǎng)</p><

63、p>　　絡(luò)技術(shù)視為重點(diǎn)研究的課題，作為國(guó)內(nèi)外的研究熱點(diǎn)，開(kāi)展傳感器網(wǎng)絡(luò)的實(shí)際應(yīng)用研究具有</p><p><b>　　重要的意義。</b></p><p>　　目標(biāo)跟蹤是傳感器網(wǎng)絡(luò)的重要應(yīng)用之一，有單目標(biāo)跟蹤和多目標(biāo)跟蹤之分，面向多目標(biāo)</p><p>　　跟蹤的傳感器網(wǎng)絡(luò)具有以下特征：（1）無(wú)線傳感器節(jié)點(diǎn)一般都體型小巧、造價(jià)低廉，因此可

64、</p><p>　　以大量的部署于所要監(jiān)控的區(qū)域中；（2）傳感器網(wǎng)絡(luò)可以通過(guò)自組織的方式確定網(wǎng)絡(luò)通信結(jié)</p><p>　　構(gòu)，能夠根據(jù)目標(biāo)跟蹤任務(wù)所處環(huán)境的具體情況進(jìn)行自組織分工，具有更強(qiáng)的環(huán)境適應(yīng)能力；</p><p>　　（3）在一些無(wú)法依靠人工部署設(shè)備的地方，例如某些人類(lèi)無(wú)法到達(dá)的區(qū)域、對(duì)人類(lèi)有很高危</p><p>　　險(xiǎn)性的區(qū)域

65、，或是在目標(biāo)區(qū)域的面積過(guò)于廣大，人工部署設(shè)備的能力不足等情況下，此時(shí)使</p><p>　　用傳感器網(wǎng)絡(luò)就成為了最好的方案。上述特征令傳感器網(wǎng)絡(luò)相當(dāng)適用于復(fù)雜環(huán)境和特殊場(chǎng)合</p><p>　　下的多目標(biāo)跟蹤任務(wù)，拓展了傳統(tǒng)目標(biāo)跟蹤網(wǎng)絡(luò)的使用范圍[6-9]。</p><p>　　本論文以傳感器網(wǎng)絡(luò)多目標(biāo)跟蹤中網(wǎng)絡(luò)的自組織過(guò)程優(yōu)化以及多目標(biāo)跟蹤精確度的提升</p

66、><p>　　為研究方向，針對(duì)傳感器網(wǎng)絡(luò)中節(jié)點(diǎn)的觀測(cè)能力、通信能力和電池能量受限的特點(diǎn)，以提高</p><p>　　傳感器網(wǎng)絡(luò)多目標(biāo)跟蹤的綜合性能為目標(biāo)，在多目標(biāo)跟蹤傳感器網(wǎng)絡(luò)自組織過(guò)程優(yōu)化、多目</p><p>　　標(biāo)跟蹤數(shù)據(jù)融合方法、多目標(biāo)跟蹤抗干擾定位等方面進(jìn)行研究。上述研究對(duì)促進(jìn)傳感器、計(jì)</p><p>　　算機(jī)、通信等相關(guān)學(xué)科的發(fā)展與

67、應(yīng)用具有一定的學(xué)術(shù)價(jià)值和實(shí)際意義。</p><p>　　1.2 國(guó)內(nèi)外研究現(xiàn)狀</p><p>　　群智能的概念最早由 Beni、Hackwood 和 Wang 在分子自動(dòng)機(jī)系統(tǒng)中提出[10]。1999 年，</p><p><b>　　1</b></p><p><b>　　萬(wàn)方數(shù)據(jù)</b><

68、;/p><p>　　南京郵電大學(xué)專(zhuān)業(yè)學(xué)位碩士研究生學(xué)位論文</p><p><b>　　第一章 緒論</b></p><p>　　Bonabeau、Dorigo 和 Theraulaz 在文獻(xiàn)[11]中對(duì)群智能進(jìn)行了詳細(xì)的論述和分析。在文獻(xiàn)[12]</p><p>　　中 Caro 等人研究了將群智能應(yīng)用于移動(dòng) AD-HOC

69、 網(wǎng)絡(luò)的方法，對(duì)網(wǎng)絡(luò)結(jié)構(gòu)作出了一定的改</p><p>　　進(jìn)。但是該文缺少對(duì)網(wǎng)絡(luò)性能優(yōu)化的量化考察標(biāo)準(zhǔn)，沒(méi)有給出明確的智能算法提升網(wǎng)絡(luò)性能</p><p>　　的數(shù)學(xué)基礎(chǔ)。針對(duì)這一點(diǎn)，本文特別設(shè)計(jì)了能夠量化描述智能算法效果的適應(yīng)度函數(shù)，從而</p><p>　　證明了在面向多目標(biāo)跟蹤任務(wù)的傳感器網(wǎng)絡(luò)自組織過(guò)程的優(yōu)化中引入群智能算法確實(shí)可以提</p>

70、<p>　　高網(wǎng)絡(luò)的通信效率并減少傳感器節(jié)點(diǎn)的能量消耗。</p><p>　　博弈論又被稱(chēng)為賽局理論，它既是現(xiàn)代數(shù)學(xué)中的一個(gè)新領(lǐng)域，也被廣泛的應(yīng)用于經(jīng)濟(jì)學(xué)、</p><p>　　政治學(xué)、社會(huì)學(xué)、生物學(xué)以及統(tǒng)計(jì)學(xué)的研究當(dāng)中，博弈理論主要的研究?jī)?nèi)容是公式化了的激</p><p>　　勵(lì)結(jié)構(gòu)間的相互作用。是研究具有合作或競(jìng)爭(zhēng)性質(zhì)現(xiàn)象的數(shù)學(xué)理論和方法[13]。博弈

71、論分析博</p><p>　　弈環(huán)境中個(gè)體可能采取的行為與其最終實(shí)際實(shí)施的行為，并研究?jī)?yōu)化這些行為的策略。生物</p><p>　　學(xué)家則使用博弈理論來(lái)分析和預(yù)測(cè)達(dá)爾文進(jìn)化論的某些結(jié)果。同時(shí)，博弈論也已經(jīng)成為現(xiàn)代</p><p>　　經(jīng)濟(jì)學(xué)的標(biāo)準(zhǔn)分析工具之一。在生物學(xué)、經(jīng)濟(jì)學(xué)、國(guó)際關(guān)系、計(jì)算機(jī)科學(xué)、政治學(xué)、軍事戰(zhàn)</p><p>　　略和其他

72、很多學(xué)科都有廣泛的應(yīng)用[14]。在傳感器網(wǎng)絡(luò)多目標(biāo)跟蹤過(guò)程中，由于目標(biāo)的運(yùn)動(dòng)路</p><p>　　線具有不確定性，目標(biāo)本身甚至可能會(huì)主動(dòng)規(guī)避網(wǎng)絡(luò)的跟蹤行為。在這種情況下，網(wǎng)絡(luò)的多</p><p>　　目標(biāo)跟蹤精確度往往處于最壞的程度，此時(shí)僅僅能夠改進(jìn)傳感器網(wǎng)絡(luò)多目標(biāo)跟蹤精確度的平</p><p>　　均期望值的方法已經(jīng)不能滿(mǎn)足實(shí)際使用環(huán)境的需要了。為了更好的模擬這

73、類(lèi)極端狀況，一些</p><p>　　研究者開(kāi)始將博弈論原理引入傳感器網(wǎng)絡(luò)多目標(biāo)跟蹤系統(tǒng)中，以此來(lái)定位、跟蹤與預(yù)測(cè)目標(biāo)</p><p>　　的運(yùn)動(dòng)路線，實(shí)現(xiàn)多目標(biāo)跟蹤精確程度的提高。</p><p>　　1.3 主要研究?jī)?nèi)容</p><p>　　本課題的內(nèi)容是研究應(yīng)用群智能領(lǐng)域的粒子群優(yōu)化算法與博弈論中的零和博弈模型以及</p>

74、<p>　　信號(hào)處理領(lǐng)域的濾波算法優(yōu)化面向多目標(biāo)跟蹤任務(wù)的傳感器網(wǎng)絡(luò)的性能。傳統(tǒng)的傳感器網(wǎng)絡(luò)</p><p>　　結(jié)構(gòu)不能很好地適應(yīng)多目標(biāo)跟蹤任務(wù)的要求，因此運(yùn)用群智能領(lǐng)域中的粒子群優(yōu)化算法來(lái)優(yōu)</p><p>　　化傳感器網(wǎng)絡(luò)的自組織過(guò)程，借此降低網(wǎng)絡(luò)中節(jié)點(diǎn)間的通信時(shí)間與節(jié)點(diǎn)能耗。另一方面，本</p><p>　　文結(jié)合博弈理論為多目標(biāo)跟蹤建立了零和博

75、弈模型并以此為基礎(chǔ)優(yōu)化了標(biāo)準(zhǔn)卡爾曼濾波算</p><p>　　法，降低了目標(biāo)定位與跟蹤過(guò)程中的誤差，提高了多目標(biāo)跟蹤的精確度。</p><p>　　本文主要研究工作如下：</p><p>　　（1）研究了面向多目標(biāo)跟蹤的傳感器網(wǎng)絡(luò)自組織的基本原理，分析了網(wǎng)絡(luò)自組織過(guò)程中能夠</p><p><b>　　加以改進(jìn)的方面。</b&

76、gt;</p><p>　　（ 2）研究了優(yōu)化傳感器網(wǎng)絡(luò)多目標(biāo)跟蹤中網(wǎng)絡(luò)自組織過(guò)程的中心式粒子群優(yōu)化算法</p><p><b>　　2</b></p><p><b>　　萬(wàn)方數(shù)據(jù)</b></p><p>　　南京郵電大學(xué)專(zhuān)業(yè)學(xué)位碩士研究生學(xué)位論文</p><p><

77、b>　　第一章 緒論</b></p><p>　?。–entralized Particle Swarm Optimization，CPSO），分析了其在分布式網(wǎng)絡(luò)條件下的不足，并</p><p>　　提出了改進(jìn)后的分布式粒子群優(yōu)化算法（Distributed Particle Swarm Optimization，DPSO）。該</p><p>

78、　　算法能夠更好地適應(yīng)分布式的傳感器網(wǎng)絡(luò)環(huán)境、降低網(wǎng)絡(luò)節(jié)點(diǎn)間的通信時(shí)間與能量消耗、延</p><p>　　長(zhǎng)傳感器網(wǎng)絡(luò)的生存周期，優(yōu)化了傳感器網(wǎng)絡(luò)多目標(biāo)跟蹤的網(wǎng)絡(luò)基礎(chǔ)。</p><p>　?。?）從博弈論的角度分析了傳感器網(wǎng)絡(luò)多目標(biāo)跟蹤過(guò)程中網(wǎng)絡(luò)與目標(biāo)之間的關(guān)系并為其建立</p><p>　　了零和博弈模型。之后進(jìn)一步推導(dǎo)除了上述博弈模型的均衡狀態(tài)，以便于分析和設(shè)計(jì)

79、面對(duì)具</p><p>　　有主動(dòng)規(guī)避網(wǎng)絡(luò)跟蹤行為的目標(biāo)時(shí)傳感器網(wǎng)絡(luò)多目標(biāo)跟蹤方法的優(yōu)化算法。</p><p>　?。?）根據(jù)前面研究得出的傳感器網(wǎng)絡(luò)與目標(biāo)之間的零和博弈關(guān)系及其均衡狀態(tài)，同時(shí)通過(guò)對(duì)</p><p>　　標(biāo)準(zhǔn)卡爾曼濾波算法（Standard Kalman Fliter algorithm, SKF）基本原理的詳細(xì)分析，提出了</p>&

80、lt;p>　　針對(duì)具有博弈性質(zhì)的傳感器網(wǎng)絡(luò)多目標(biāo)跟蹤應(yīng)用場(chǎng)景的中心式最小化最大誤差值濾波算法</p><p>　?。–entralized Minimized-maximum-error Filter algorithm, CMF）。之后在其基礎(chǔ)上進(jìn)行改進(jìn)，得</p><p>　　到了更加適合分布式無(wú)線傳感器網(wǎng)絡(luò)運(yùn)行特點(diǎn)的分布式最小化最大誤差值濾波算法</p><

81、p>　?。―istributed Minimized-maximum-error Filter algorithm, DMF）。</p><p><b>　　1.4 論文結(jié)構(gòu)</b></p><p>　　論文分為五個(gè)章節(jié)，第一章是緒論部分，第二章介紹了相關(guān)工作，第三章、第四章為論</p><p>　　文的重點(diǎn)部分，這兩個(gè)章節(jié)分別基于群智能

82、領(lǐng)域的粒子群優(yōu)化算法、博弈論領(lǐng)域的零和博弈</p><p>　　模型以及信號(hào)處理領(lǐng)域的卡爾曼濾波算法，提出了優(yōu)化傳感器網(wǎng)絡(luò)多目標(biāo)跟蹤網(wǎng)絡(luò)自組織過(guò)</p><p>　　程和提高多目標(biāo)跟蹤精確程度的方法，第五章總結(jié)了全文。</p><p>　　第一章：介紹了面向多目標(biāo)跟蹤的傳感器網(wǎng)絡(luò)的基本概念，分析了影響網(wǎng)絡(luò)多目標(biāo)跟蹤</p><p>　　性能的

83、幾項(xiàng)重要因素，提出了應(yīng)用群智能領(lǐng)域的粒子群優(yōu)化算法、博弈理論中的零和博弈模</p><p>　　型以及信號(hào)處理領(lǐng)域的卡爾曼濾波算法改進(jìn)傳感器網(wǎng)絡(luò)多目標(biāo)跟蹤方法的研究方向。同時(shí)還</p><p>　　從傳感器網(wǎng)絡(luò)與多目標(biāo)跟蹤兩個(gè)方面對(duì)各自領(lǐng)域內(nèi)的國(guó)內(nèi)外研究現(xiàn)狀進(jìn)行了介紹和總結(jié)。</p><p>　　第二章：分析了傳感器網(wǎng)絡(luò)多目標(biāo)跟蹤的基本概念，介紹了這一領(lǐng)域的研究歷史

84、與發(fā)展</p><p>　　情況。同時(shí)還介紹了一些現(xiàn)有的將群智能與博弈理論應(yīng)用于傳感器網(wǎng)絡(luò)多目標(biāo)跟蹤方法優(yōu)化</p><p><b>　　的研究成果。</b></p><p>　　第三章：這一章首先分析并證明了利用群智能領(lǐng)域的粒子群算法優(yōu)化傳感器網(wǎng)絡(luò)多目標(biāo)</p><p>　　跟蹤過(guò)程中網(wǎng)絡(luò)自組織方案的可行性。之后在對(duì)粒

85、子群優(yōu)化算法的基本原理進(jìn)行詳細(xì)分析的</p><p>　　基礎(chǔ)上，面向執(zhí)行多目標(biāo)跟蹤任務(wù)的傳感器網(wǎng)絡(luò)的實(shí)際應(yīng)用場(chǎng)景對(duì)粒子群算法做了相應(yīng)的配</p><p>　　置并特別設(shè)計(jì)了其適應(yīng)度函數(shù)。之后分別針對(duì)兩種不同的網(wǎng)絡(luò)結(jié)構(gòu)提出了改進(jìn)后的可以?xún)?yōu)化</p><p><b>　　3</b></p><p><b>　　萬(wàn)

86、方數(shù)據(jù)</b></p><p>　　南京郵電大學(xué)專(zhuān)業(yè)學(xué)位碩士研究生學(xué)位論文</p><p><b>　　第一章 緒論</b></p><p>　　網(wǎng)絡(luò)自組織過(guò)程的粒子群優(yōu)化算法。</p><p>　　第四章：介紹了將博弈理論應(yīng)用于傳感器網(wǎng)絡(luò)多目標(biāo)跟蹤問(wèn)題的研究背景，為傳感器網(wǎng)</p><p

87、>　　絡(luò)多目標(biāo)跟蹤中網(wǎng)絡(luò)與目標(biāo)的博弈關(guān)系建立了零和博弈模型?；趶纳鲜隽愫筒┺哪Ｐ屯茖?dǎo)</p><p>　　出的博弈均衡狀態(tài)和對(duì)卡爾曼濾波算法的改進(jìn)，分別針對(duì)兩種不同的網(wǎng)絡(luò)結(jié)構(gòu)提出了相應(yīng)的</p><p>　　可以降低目標(biāo)定位誤差、提高多目標(biāo)跟蹤精確程度的最小化最大誤差值濾波算法。</p><p>　　第五章：對(duì)本文的工作進(jìn)行總結(jié)和展望。</p>

88、<p><b>　　4</b></p><p><b>　　萬(wàn)方數(shù)據(jù)</b></p><p>　　南京郵電大學(xué)專(zhuān)業(yè)學(xué)位碩士研究生學(xué)位論文</p><p><b>　　第二章 相關(guān)工作</b></p><p><b>　　第二章 相關(guān)工作</b>

89、</p><p>　　2.1 傳感器網(wǎng)絡(luò)多目標(biāo)跟蹤問(wèn)題分析</p><p>　　對(duì)于網(wǎng)絡(luò)覆蓋范圍內(nèi)多個(gè)運(yùn)動(dòng)目標(biāo)的定位與跟蹤問(wèn)題的研究是傳感器網(wǎng)絡(luò)研究中的一個(gè)</p><p>　　重要方向。在本篇論文中，我們將重點(diǎn)研究如何在傳感器網(wǎng)絡(luò)執(zhí)行多目標(biāo)跟蹤任務(wù)時(shí)優(yōu)化其</p><p>　　網(wǎng)絡(luò)組織過(guò)程以及提高多目標(biāo)跟蹤的精確程度，基于傳感器網(wǎng)絡(luò)多目標(biāo)跟

90、蹤領(lǐng)域已有的成果</p><p>　　提出改進(jìn)方法。本文將基于傳感器網(wǎng)絡(luò)的基本特征來(lái)闡述多目標(biāo)跟蹤的基礎(chǔ)原理，在多種不</p><p>　　同形式的傳感器網(wǎng)絡(luò)之中，我們將重點(diǎn)討論由分布式部署的無(wú)線傳感器節(jié)點(diǎn)通過(guò)自組織方式</p><p>　　所構(gòu)成的傳感器網(wǎng)絡(luò)在執(zhí)行多目標(biāo)跟蹤任務(wù)時(shí)所面臨的問(wèn)題與挑戰(zhàn)。在上述分布式無(wú)線傳感</p><p>　　

91、器網(wǎng)絡(luò)中，傳感器節(jié)點(diǎn)之間只能通過(guò)無(wú)線通訊來(lái)傳遞信息，而且每一個(gè)傳感器節(jié)點(diǎn)都只具有</p><p>　　相當(dāng)有限的通信距離與電池能量。也就是說(shuō)，在這類(lèi)網(wǎng)絡(luò)中大部分的節(jié)點(diǎn)之間都無(wú)法直接建</p><p>　　立通信連接，空間上距離較遠(yuǎn)的傳感器節(jié)點(diǎn)之間如果要交換信息的話，則必須通過(guò)它們的鄰</p><p>　　居節(jié)點(diǎn)進(jìn)行轉(zhuǎn)發(fā)，有時(shí)甚至需要多個(gè)層次的鄰居節(jié)點(diǎn)們組成多跳網(wǎng)絡(luò)才

92、能實(shí)現(xiàn)數(shù)據(jù)的交流。</p><p>　　與此同時(shí)，對(duì)于單個(gè)節(jié)點(diǎn)而言，如果它執(zhí)行了過(guò)多的觀測(cè)、通信或者是計(jì)算任務(wù)，那么它有</p><p>　　限的電池能量將會(huì)很快耗盡從而停止工作。由于上述兩方面問(wèn)題的限制，研究者們?cè)谠O(shè)計(jì)那</p><p>　　些準(zhǔn)備應(yīng)用于無(wú)線傳感器網(wǎng)絡(luò)上的各種算法時(shí)，都必須考慮到網(wǎng)絡(luò)中各個(gè)傳感器節(jié)點(diǎn)之間通</p><p>　

93、　信穩(wěn)定的保障以及能量節(jié)約的實(shí)現(xiàn)。除此以外，無(wú)線傳感器節(jié)點(diǎn)的計(jì)算能力、數(shù)據(jù)存儲(chǔ)容量</p><p>　　以及節(jié)點(diǎn)間通訊信道的質(zhì)量等方面的因素都會(huì)制約無(wú)線傳感器網(wǎng)絡(luò)多目標(biāo)跟蹤的工作效率，</p><p>　　這些方面也都具有進(jìn)一步優(yōu)化的潛力。</p><p>　　在一片給定的區(qū)域中，只要部署一定數(shù)量的無(wú)線傳感器節(jié)點(diǎn)，使用者就可以借助它們對(duì)</p><

94、;p>　　這片區(qū)域?qū)嵤┍O(jiān)控。對(duì)于網(wǎng)絡(luò)中的無(wú)線傳感器而言，它們可以在被部署時(shí)就設(shè)定好自身的空</p><p>　　間坐標(biāo)，或者也可以通過(guò)計(jì)算自身與其他已知坐標(biāo)的傳感器節(jié)點(diǎn)之間的相對(duì)距離與方位角來(lái)</p><p>　　確定自己的位置。當(dāng)部署完成之后，一旦有任何可被傳感器節(jié)點(diǎn)所感知與觀測(cè)的物體進(jìn)入這</p><p>　　一區(qū)域，它就立即會(huì)被附近的傳感器節(jié)點(diǎn)所發(fā)現(xiàn)。而

95、觀測(cè)到目標(biāo)物體的這部分無(wú)線傳感器節(jié)</p><p>　　點(diǎn)則會(huì)基于自身的空間坐標(biāo)并結(jié)合目標(biāo)與自己的相對(duì)位置關(guān)系來(lái)計(jì)算出目標(biāo)的位置坐標(biāo)。這</p><p>　　一步計(jì)算完成之后，這些無(wú)線傳感器節(jié)點(diǎn)就會(huì)把自己所得到的目標(biāo)數(shù)據(jù)發(fā)送給其他節(jié)點(diǎn)。當(dāng)</p><p>　　網(wǎng)絡(luò)中關(guān)于目標(biāo)的數(shù)據(jù)被匯總到一起時(shí)，我們就可以通過(guò)某些特定的方法計(jì)算出更加準(zhǔn)確與</p>&l

96、t;p>　　可靠的目標(biāo)位置信息。將上述流程同時(shí)應(yīng)用于網(wǎng)絡(luò)覆蓋范圍內(nèi)的每一個(gè)目標(biāo)的話，我們就可</p><p>　　以動(dòng)態(tài)地跟蹤多個(gè)目標(biāo)。傳感器網(wǎng)絡(luò)多目標(biāo)跟蹤已經(jīng)被應(yīng)用于多個(gè)領(lǐng)域以解決許多實(shí)際應(yīng)用</p><p><b>　　5</b></p><p><b>　　萬(wàn)方數(shù)據(jù)</b></p><p&g

97、t;　　南京郵電大學(xué)專(zhuān)業(yè)學(xué)位碩士研究生學(xué)位論文</p><p><b>　　第二章 相關(guān)工作</b></p><p><b>　　中的問(wèn)題</b></p><p><b>　　[1-2]</b></p><p><b>　　例子。</b></p>

98、;<p>　　2.2 傳感器網(wǎng)絡(luò)多目標(biāo)跟蹤研究的歷史與發(fā)展</p><p>　　在近幾十年中，傳感器網(wǎng)絡(luò)方面的研究首先在軍事領(lǐng)域得到了高度的重視，其歷史可以</p><p>　　追溯到上世紀(jì)六十年代美國(guó)軍方的研究項(xiàng)目[3]。在人員難以自由部署的戰(zhàn)場(chǎng)環(huán)境下，傳感器</p><p>　　節(jié)點(diǎn)可以代替人類(lèi)對(duì)目標(biāo)區(qū)域進(jìn)行監(jiān)測(cè)，實(shí)現(xiàn)探測(cè)、識(shí)別、定位以及跟蹤進(jìn)入?yún)^(qū)

99、域的敵方單</p><p>　　位。而在現(xiàn)代化的戰(zhàn)場(chǎng)上，更是已經(jīng)出現(xiàn)了技術(shù)成熟的遠(yuǎn)程戰(zhàn)場(chǎng)監(jiān)控系統(tǒng)，這是傳感器網(wǎng)絡(luò)</p><p>　　目標(biāo)跟蹤在當(dāng)今軍事領(lǐng)域應(yīng)用的經(jīng)典范例。</p><p>　　在網(wǎng)絡(luò)的自組織方面，由于傳感器網(wǎng)絡(luò)中的節(jié)點(diǎn)能量有限，因此提高能量利用效率、延</p><p>　　長(zhǎng)網(wǎng)絡(luò)生存周期成為了構(gòu)造傳感器網(wǎng)絡(luò)的過(guò)程中需要重點(diǎn)考

100、慮的因素[7]。在傳感器網(wǎng)絡(luò)自組</p><p>　　織方法的研究初期，研究者們?cè)?jīng)嘗試將已經(jīng)成熟的互聯(lián)網(wǎng)、無(wú)線局域網(wǎng)或者 Ad-hoc 網(wǎng)絡(luò)組</p><p>　　織方法應(yīng)用到傳感器網(wǎng)絡(luò)中。但研究結(jié)果證明傳感器網(wǎng)絡(luò)的自組織方法在其設(shè)計(jì)需求和實(shí)現(xiàn)</p><p>　　方式上與各種傳統(tǒng)類(lèi)型網(wǎng)絡(luò)有較大的差別[6]。</p><p>　　在傳感器網(wǎng)

101、絡(luò)對(duì)于目標(biāo)位置的具體跟蹤方法方面，由于傳感器節(jié)點(diǎn)所觀測(cè)到的目標(biāo)位置</p><p>　　信息本身就會(huì)存在著一定的誤差，對(duì)于同一個(gè)目標(biāo)網(wǎng)絡(luò)中各個(gè)節(jié)點(diǎn)所獲得的數(shù)據(jù)也未必一致。</p><p>　　針對(duì)這些存在著誤差甚至是錯(cuò)誤的目標(biāo)信息，信號(hào)處理領(lǐng)域的各類(lèi)濾波算法逐漸被引入傳感</p><p>　　器網(wǎng)絡(luò)多目標(biāo)跟蹤方法中以過(guò)濾錯(cuò)誤數(shù)據(jù)、降低信息誤差，從而使傳感器網(wǎng)絡(luò)能夠更

102、加精確</p><p><b>　　地跟蹤目標(biāo)。</b></p><p>　　2.2.1 群智能算法在傳感器網(wǎng)絡(luò)多目標(biāo)跟蹤中的應(yīng)用</p><p>　　近年來(lái)，群智能鄰域的各種算法——例如蟻群算法、遺傳算法、粒子群優(yōu)化算法等——</p><p>　　被越來(lái)越多地應(yīng)用于解決傳感器網(wǎng)絡(luò)自組織過(guò)程中遇到的各類(lèi)組合優(yōu)化問(wèn)題[8]

103、。其中的粒子</p><p>　　群優(yōu)化算法通過(guò)模擬自然界中鳥(niǎo)群群體覓食的行為模式，令算法中的各個(gè)粒子通過(guò)交流和協(xié)</p><p>　　作尋找問(wèn)題的最優(yōu)解。與其他群智能算法相比粒子群優(yōu)化算法具有以下優(yōu)點(diǎn)：（1）基本原理</p><p>　　簡(jiǎn)單，便于通過(guò)編程實(shí)現(xiàn)；（2）具有自組織能力，契合傳感器網(wǎng)絡(luò)自組織的特性；（3）算法</p><p>　

104、　健壯性強(qiáng)，由于算法依靠數(shù)量眾多的粒子在問(wèn)題的解空間中分頭尋找最優(yōu)解，因此不容易在</p><p>　　面對(duì)特殊的應(yīng)用情況時(shí)完全無(wú)法工作?；谏鲜鰞?yōu)點(diǎn)，粒子群優(yōu)化算法可以被應(yīng)用于傳感器</p><p>　　網(wǎng)絡(luò)多目標(biāo)跟蹤中的網(wǎng)絡(luò)自組織過(guò)程中以求解網(wǎng)絡(luò)的最優(yōu)化自組織方案，從而降低網(wǎng)絡(luò)中各</p><p>　　傳感器節(jié)點(diǎn)的通信時(shí)間與能量消耗。</p>&l

105、t;p><b>　　6</b></p><p><b>　　萬(wàn)方數(shù)據(jù)</b></p><p>　　南京郵電大學(xué)專(zhuān)業(yè)學(xué)位碩士研究生學(xué)位論文</p><p><b>　　第二章 相關(guān)工作</b></p><p>　　2.2.2 博弈論在傳感器網(wǎng)絡(luò)多目標(biāo)跟蹤中的應(yīng)用</p

106、><p>　　本文中對(duì)于傳感器網(wǎng)絡(luò)多目標(biāo)跟蹤方法的研究主要面向這樣一種特殊的應(yīng)用場(chǎng)景——網(wǎng)</p><p>　　絡(luò)所跟蹤的目標(biāo)具有主動(dòng)規(guī)避跟蹤行為的特點(diǎn)，這些目標(biāo)會(huì)通過(guò)調(diào)整自身的運(yùn)動(dòng)路線來(lái)使得</p><p>　　網(wǎng)絡(luò)對(duì)其定位和跟蹤的誤差值盡可能地增大。由于目標(biāo)具有了對(duì)抗跟蹤的能力，傳感器網(wǎng)絡(luò)</p><p>　　實(shí)現(xiàn)對(duì)目標(biāo)的精確跟蹤就變得更加困

107、難了。文獻(xiàn)[15]研究了此類(lèi)應(yīng)用場(chǎng)景下將博弈理論應(yīng)用</p><p>　　于傳感器網(wǎng)絡(luò)目標(biāo)跟蹤的方法，該文所使用的模擬目標(biāo)規(guī)避能力的方法是為運(yùn)動(dòng)方程已經(jīng)確</p><p>　　定的目標(biāo)加入一個(gè)特定的擾動(dòng)因子。而在本文中，我們則假設(shè)目標(biāo)的運(yùn)動(dòng)不存在任何網(wǎng)絡(luò)已</p><p>　　知的規(guī)律，目標(biāo)的運(yùn)動(dòng)路線總是能最大化網(wǎng)絡(luò)的跟蹤誤差，也就是假設(shè)目標(biāo)將以均勻的概率</

108、p><p>　　到達(dá)其運(yùn)動(dòng)范圍內(nèi)的任意一點(diǎn)。依據(jù)上述前提我們建立了一個(gè)網(wǎng)絡(luò)與目標(biāo)之間的零和博弈模</p><p>　　型并通過(guò)改進(jìn)后的濾波算法來(lái)判斷、預(yù)測(cè)和跟蹤目標(biāo)的位置。</p><p><b>　　2.3 本章小結(jié)</b></p><p>　　本章首先介紹了傳感器網(wǎng)絡(luò)目標(biāo)跟蹤技術(shù)在各種現(xiàn)實(shí)環(huán)境下的應(yīng)用狀況，介紹了傳感器&

109、lt;/p><p>　　網(wǎng)絡(luò)多目標(biāo)跟蹤技術(shù)的研究背景。隨后重點(diǎn)介紹了運(yùn)用群智能算法優(yōu)化傳感器網(wǎng)絡(luò)自組織過(guò)</p><p>　　程和應(yīng)用博弈理論以及濾波算法降低傳感器網(wǎng)絡(luò)多目標(biāo)跟蹤中目標(biāo)定位誤差的相關(guān)研究現(xiàn)</p><p>　　狀，為本文后面的章節(jié)明確了主要的研究方向。</p><p><b>　　7</b></p>

110、;<p><b>　　萬(wàn)方數(shù)據(jù)</b></p><p>　　南京郵電大學(xué)專(zhuān)業(yè)學(xué)位碩士研究生學(xué)位論文</p><p>　　第三章 面向多目標(biāo)跟蹤的無(wú)線傳感器網(wǎng)絡(luò)自組織優(yōu)化</p><p>　　第三章 面向多目標(biāo)跟蹤的傳感網(wǎng)自組織優(yōu)化</p><p><b>　　3.1 引言</b><

111、;/p><p>　　在無(wú)線傳感器網(wǎng)絡(luò)多目標(biāo)跟蹤的過(guò)程中，隨著目標(biāo)空間位置的改變，網(wǎng)絡(luò)中的各個(gè)節(jié)點(diǎn)</p><p>　　需要通過(guò)自組織的方式形成一定的網(wǎng)絡(luò)通信拓?fù)浣Y(jié)構(gòu)以便于傳輸、交換和匯總各節(jié)點(diǎn)對(duì)于目</p><p>　　標(biāo)的跟蹤數(shù)據(jù)。與此同時(shí)，網(wǎng)絡(luò)還需要根據(jù)各節(jié)點(diǎn)與多個(gè)目標(biāo)之間的位置距離關(guān)系為每一個(gè)</p><p>　　傳感器節(jié)點(diǎn)分配其跟蹤任務(wù)，

112、這也會(huì)對(duì)無(wú)線傳感器網(wǎng)絡(luò)的自組織方法提出相應(yīng)的要求。</p><p>　　在節(jié)點(diǎn)的空間分布并不均勻的無(wú)線傳感器網(wǎng)絡(luò)實(shí)際應(yīng)用場(chǎng)景中，由于網(wǎng)絡(luò)中各個(gè)節(jié)點(diǎn)所</p><p>　　處的位置以及它們之間的距離各不相同，從而導(dǎo)致了各對(duì)不同節(jié)點(diǎn)之間進(jìn)行通訊時(shí)的數(shù)據(jù)傳</p><p>　　輸功率以及節(jié)點(diǎn)能耗的不同。一般情況下，網(wǎng)絡(luò)中距離較遠(yuǎn)的兩個(gè)無(wú)線傳感器節(jié)點(diǎn)進(jìn)行通信</p&g

113、t;<p>　　所需要的傳輸功率與所產(chǎn)生的節(jié)點(diǎn)能耗總是會(huì)大于距離較近的兩個(gè)節(jié)點(diǎn)之間通信所產(chǎn)生的消</p><p>　　耗。因?yàn)榫W(wǎng)絡(luò)中各節(jié)點(diǎn)的能量消耗水平將直接影響到網(wǎng)絡(luò)整體的生存周期，所以在保證無(wú)線</p><p>　　傳感器網(wǎng)絡(luò)能夠正常執(zhí)行多目標(biāo)跟蹤任務(wù)的前提下，我們需要通過(guò)優(yōu)化網(wǎng)絡(luò)的自組織結(jié)構(gòu)以</p><p>　　降低其通信能耗、延長(zhǎng)其生存周期。

114、具體的方法之一就是盡可能地讓網(wǎng)絡(luò)中的傳感器節(jié)點(diǎn)只</p><p>　　與距離自己較近的鄰居節(jié)點(diǎn)通信，從而減少通訊過(guò)程中的能量消耗。為了實(shí)現(xiàn)以上目標(biāo)，本</p><p>　　章我們將引入群智能領(lǐng)域中的粒子群算法來(lái)優(yōu)化傳感器網(wǎng)絡(luò)多目標(biāo)跟蹤過(guò)程中網(wǎng)絡(luò)自組織方</p><p><b>　　法。</b></p><p>　　在本章

115、的第 2 部分中，我們會(huì)詳細(xì)分析 PSO 算法的原理與執(zhí)行過(guò)程，以及 PSO 算法兩</p><p>　　種不同的具體實(shí)現(xiàn)方式——中心式的 CPSO 算法與分布式的 DPSO 算法。在隨后的第 3 部分</p><p>　　中，我們將分析 CPSO 算法應(yīng)用于分布式無(wú)線傳感器網(wǎng)絡(luò)多目標(biāo)跟蹤過(guò)程中的具體方式及其</p><p>　　存在的缺點(diǎn)，并提出使用改進(jìn)后的 PS

116、O 算法的另一種形式 ——分布式粒子群優(yōu)化算法</p><p>　?。―istributed Particle Swarm Optimization algorithm，DPSO）來(lái)彌補(bǔ)上述缺點(diǎn)的基本原理與實(shí)</p><p>　　現(xiàn)方式。之后在本章的第 4 部分中我們通過(guò)傳感器網(wǎng)絡(luò)仿真平臺(tái) OMNeT++上的仿真實(shí)驗(yàn)對(duì)</p><p>　　比了在傳感器網(wǎng)絡(luò)多目標(biāo)跟蹤