無(wú)線傳感器網(wǎng)絡(luò)數(shù)據(jù)融合與目標(biāo)跟蹤研究及其應(yīng)用.pdf

1、無(wú)線傳感器網(wǎng)絡(luò)(Wireless Sensor Networks，WSN)是當(dāng)前在國(guó)際上備受關(guān)注的、涉及多學(xué)科高度交叉、知識(shí)高度集成的前沿?zé)狳c(diǎn)研究領(lǐng)域。無(wú)線傳感器網(wǎng)絡(luò)由部署在監(jiān)測(cè)區(qū)域內(nèi)大量的微型傳感器節(jié)點(diǎn)組成，通過(guò)無(wú)線通信方式自組織的形成網(wǎng)絡(luò)系統(tǒng)，其目的是協(xié)作的感知、采集和處理網(wǎng)絡(luò)覆蓋區(qū)域中的監(jiān)測(cè)對(duì)象，并將其傳送給網(wǎng)絡(luò)的使用者。同時(shí)，無(wú)線傳感器網(wǎng)絡(luò)具有價(jià)格低廉、體積小、組網(wǎng)方便靈活等優(yōu)點(diǎn)，可以被廣泛地應(yīng)用于國(guó)防安全、環(huán)境監(jiān)測(cè)、交通管理、

2、醫(yī)療救護(hù)、制造業(yè)、反恐抗災(zāi)等領(lǐng)域，具有重要的科研價(jià)值和廣泛的應(yīng)用前景，得到了全世界的廣泛關(guān)注，被公認(rèn)為是將對(duì)21世紀(jì)產(chǎn)生巨大影響的技術(shù)之一。
　　 論文以無(wú)線傳感器網(wǎng)絡(luò)環(huán)境下的目標(biāo)信息采集處理、定位和跟蹤為研究背景，系統(tǒng)的研究了傳感器噪聲處理、網(wǎng)絡(luò)中簇內(nèi)數(shù)據(jù)融合和節(jié)點(diǎn)定位以及目標(biāo)跟蹤方法，遵循無(wú)線傳感器網(wǎng)絡(luò)能量?jī)?yōu)先、數(shù)據(jù)為中心的設(shè)計(jì)要求，針對(duì)這些重點(diǎn)技術(shù)做了深入的研究，提出了相應(yīng)的解決方法和算法，為進(jìn)一步的深入研究和應(yīng)用奠定了基

3、礎(chǔ)。論文的研究主要研究包括以下幾個(gè)方面：
　　 無(wú)線傳感器網(wǎng)絡(luò)由于受節(jié)點(diǎn)特性和環(huán)境的影響，傳感器測(cè)量信號(hào)中帶有的噪聲影響節(jié)點(diǎn)測(cè)量的準(zhǔn)確性，甚至影響整個(gè)網(wǎng)絡(luò)的測(cè)量結(jié)果。針對(duì)這些問(wèn)題，本文提出了一種改進(jìn)卡爾曼算法的傳感器信號(hào)處理方法，由于傳統(tǒng)卡爾曼濾濾波器需要精確的過(guò)程噪聲方差和測(cè)量噪聲方差數(shù)值，這些數(shù)值一般只能通過(guò)經(jīng)驗(yàn)分析得到或者通過(guò)概率的方法取得其近似值，論文采用滑窗估計(jì)方法自適應(yīng)的估計(jì)濾波器的測(cè)量噪聲方差參數(shù)，實(shí)現(xiàn)對(duì)傳感器采樣

4、數(shù)據(jù)濾波。這種方法能夠?yàn)V除傳感器本身以及采樣電路帶來(lái)的噪聲信號(hào)，同時(shí)能夠自適應(yīng)的調(diào)整卡爾曼濾波器的參數(shù)。
　　 由于無(wú)線傳感器網(wǎng)絡(luò)是由大量傳感器節(jié)點(diǎn)構(gòu)成，數(shù)目龐大的網(wǎng)絡(luò)節(jié)點(diǎn)產(chǎn)生大量的高度冗余的感知數(shù)據(jù)流，在充分利用感知數(shù)據(jù)的基礎(chǔ)上，采用適當(dāng)?shù)臄?shù)據(jù)處理算法以適應(yīng)有限帶寬的數(shù)據(jù)傳輸是亟待解決的問(wèn)題。論文研究了無(wú)線傳感器網(wǎng)絡(luò)中感知數(shù)據(jù)的融合處理方法，采用基于無(wú)線傳感器網(wǎng)絡(luò)的自適應(yīng)加權(quán)簇內(nèi)融合算法，通過(guò)建立測(cè)量方差自適應(yīng)估計(jì)和構(gòu)造判斷矩

5、陣實(shí)現(xiàn)了簇內(nèi)節(jié)點(diǎn)采樣數(shù)據(jù)的最優(yōu)加權(quán)，實(shí)現(xiàn)無(wú)線傳感器網(wǎng)絡(luò)節(jié)點(diǎn)傳感數(shù)據(jù)快速、合理的分組和自適應(yīng)加權(quán)，得到更加穩(wěn)定可靠的結(jié)果。該方法簡(jiǎn)單、實(shí)用，提高了數(shù)據(jù)的魯棒性和準(zhǔn)確性，同時(shí)降低了整個(gè)網(wǎng)絡(luò)內(nèi)的數(shù)據(jù)冗余度，節(jié)省了大量的網(wǎng)絡(luò)能量和網(wǎng)絡(luò)帶寬。
　　 針對(duì)無(wú)線傳感器網(wǎng)絡(luò)的數(shù)據(jù)信息中通常需要伴隨著位置信息，論文提出一種新型的基于錨節(jié)點(diǎn)分簇的節(jié)點(diǎn)快速定位(LAC，Location based on AnchorClustering)算法。LAC

6、算法將傳感器節(jié)點(diǎn)的測(cè)距技術(shù)與多維尺度分析定位技術(shù)相結(jié)合，通過(guò)以錨節(jié)點(diǎn)為中心劃分簇，利用多邊定位確立偽錨節(jié)點(diǎn)，并將偽錨節(jié)點(diǎn)與錨節(jié)點(diǎn)相結(jié)合實(shí)現(xiàn)了絕對(duì)坐標(biāo)智能定位。算法通過(guò)以錨節(jié)點(diǎn)劃分簇進(jìn)行節(jié)點(diǎn)定位，減少了測(cè)量誤差，提高了坐標(biāo)重構(gòu)的精度；仿真結(jié)果表明，通過(guò)分簇結(jié)構(gòu)的分布式定位，減少了定位復(fù)雜度，提高了定位精度，同時(shí)提高了整個(gè)網(wǎng)絡(luò)的擴(kuò)展性與魯棒性。
　　 針對(duì)無(wú)線傳感器網(wǎng)絡(luò)對(duì)運(yùn)動(dòng)目標(biāo)跟蹤的需要，討論了一種基于無(wú)線傳感器網(wǎng)絡(luò)下的運(yùn)動(dòng)目標(biāo)跟

7、蹤方法。論文利用傳感器網(wǎng)絡(luò)的連通性和物體運(yùn)動(dòng)的連續(xù)性，將運(yùn)動(dòng)規(guī)律預(yù)測(cè)與粒子濾波算法相結(jié)合，提出一種應(yīng)用于無(wú)線傳感器網(wǎng)絡(luò)中運(yùn)動(dòng)目標(biāo)跟蹤的并行粒子濾波算法，算法通過(guò)多個(gè)感知節(jié)點(diǎn)的運(yùn)行粒子濾波算法，形成本地估計(jì)，在動(dòng)態(tài)成簇的簇頭節(jié)點(diǎn)進(jìn)行信息融合，得到運(yùn)動(dòng)目標(biāo)的最終狀態(tài)估計(jì)。該方法跟蹤精度高，跟蹤反應(yīng)時(shí)間快，能量消耗均衡，較好地解決無(wú)線傳感器網(wǎng)絡(luò)環(huán)境下的運(yùn)動(dòng)目標(biāo)跟蹤問(wèn)題，實(shí)驗(yàn)仿真表明了算法的正確性、有效性以及精確度。
　　 作為應(yīng)用研究