基于群智能和博弈論的傳感網(wǎng)多目標跟蹤研究

1、<p><b>　　單位代碼：</b></p><p><b>　　10293</b></p><p><b>　　密</b></p><p><b>　　級：</b></p><p>　　專 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</b></p>

3、<p><b>　　名</b></p><p><b>　　師</b></p><p>　　1211042812</p><p><b>　　李夢澤</b></p><p><b>　　陳 志 副教授</b></p><p&g

4、t;<b>　　專業(yè)學(xué)位類別</b></p><p><b>　　工 程 碩 士</b></p><p><b>　　類申請</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)位論文是我個人在導(dǎo)師指導(dǎo)下進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、撰寫過的研究成果，也不包含為獲得南京郵電大學(xué)或其它</p><p>　　教育機構(gòu)的學(xué)位或證書而使用過的材料。與我一同工作的同志對本研究所做的</p><p>　　任何貢獻均已在論文中作了明確的說明并表示了謝意。</p><p>　　本人學(xué)位論文及涉及相關(guān)資料若有不實，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)可以保留并向國家有關(guān)部門或機構(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)庫進行檢索；</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。</p><p>　　研究生簽名：____________ 導(dǎo)師簽名：____________ 日期：_____________</p><p&g

13、t;<b>　　萬方數(shù)據(jù)</b></p><p><b>　　摘要</b></p><p>　　無線傳感網(wǎng)是一種由大量具備無線通信能力并且內(nèi)置了各種傳感器的無線傳感器節(jié)點所</p><p>　　組成的網(wǎng)絡(luò)。該網(wǎng)絡(luò)被用于探測、記錄、分析和傳輸網(wǎng)絡(luò)所覆蓋的區(qū)域內(nèi)特定對象的狀態(tài)數(shù)</p><p>　　據(jù)，

14、所有的數(shù)據(jù)最后都將通過網(wǎng)絡(luò)以無線通訊的方式轉(zhuǎn)發(fā)到接收端。</p><p>　　目標跟蹤是人們運用各種觀測和計算手段，對運動目標的位置進行定位和跟蹤的過程。</p><p>　　從目標的個數(shù)上分類，可以分為單目標跟蹤和多目標跟蹤。傳感器網(wǎng)絡(luò)多目標跟蹤就是將傳</p><p>　　感器節(jié)點所觀測到的目標數(shù)據(jù)收集起來并通過這些數(shù)據(jù)分析與計算出目標運動路線的過程。</

15、p><p>　　在傳感網(wǎng)多目標跟蹤的過程中，如何有效的進行網(wǎng)絡(luò)自組織以及提高目標跟蹤的精確度是傳</p><p>　　感網(wǎng)多目標跟蹤所面臨的挑戰(zhàn)。</p><p>　　本文分析了面向多目標跟蹤的傳感網(wǎng)自組織中的粒子群優(yōu)化算法，通過解決有中心節(jié)點</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，通過計算粒子的最優(yōu)位置來優(yōu)化網(wǎng)絡(luò)的自組織過程。仿真實</p><p>　　驗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>　　算法通過在跟蹤目標

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

18、lt;/p><p><b>　　萬方數(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 國內(nèi)外研究現(xiàn)狀 ..................................................................................................

35、...................................... 1</p><p>　　1.3 主要研究內(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)多目標跟蹤問題分析 .....................................

38、....................................................................... 5</p><p>　　2.2 傳感器網(wǎng)絡(luò)多目標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)多目標跟蹤中粒子群算法的應(yīng)用與改進........................................................................... 10</p><p>　　3.3.1 適應(yīng)度函數(shù)的分析與設(shè)計 .....

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

45、 13</p><p>　　3.4 仿真實驗 .................................................................................................................................................. 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)多目標跟蹤中的零和博弈 .................................................................................................. 21</p><p>　　4.2.1 傳感器網(wǎng)絡(luò)與目標

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 ...............................................................................................................................................................

57、.. 36</p><p>　　附錄 1 攻讀碩士學(xué)位期間申請的專利 ................................................................................................................ 39</p><p>　　附錄 2 攻讀碩士學(xué)位期間參加的科研項目 ..............

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

59、.................................................................... 41</p><p><b>　　III</b></p><p><b>　　萬方數(shù)據(jù)</b></p><p>　　南京郵電大學(xué)專業(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>　　無線傳感器網(wǎng)絡(luò)是一項由微機電系統(tǒng)、計算機科學(xué)、通信和自動控制等學(xué)科綜合而來的</p><p>　　新興的網(wǎng)絡(luò)技術(shù)，通過監(jiān)控區(qū)域內(nèi)大量分布的各種

61、類型的傳感器，實時感知自身周圍的環(huán)境</p><p>　　信息以及監(jiān)測對象的狀態(tài)，無線傳感器節(jié)點以自組織的方式構(gòu)成多跳網(wǎng)絡(luò)結(jié)構(gòu)，通過節(jié)點間</p><p>　　的無線通信將收集到的信息數(shù)據(jù)傳輸回接收端。這項技術(shù)在雷達探測、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)用前景和實用價值[1-3]。2003 年，麻省理工學(xué)院</

62、p><p>　　在其出版的《Technology Review》中關(guān)于未來科學(xué)發(fā)展的討論中，將其列為將會影響全世界</p><p>　　的十項新興技術(shù)之一[4]，在美國出版的《Business Week》在其未來科技版中提到，傳感器網(wǎng)</p><p>　　絡(luò)技術(shù)作為未來四大技術(shù)產(chǎn)業(yè)之一，將會引領(lǐng)新的科技發(fā)展方向[5]。我國也將無線傳感器網(wǎng)</p><

63、p>　　絡(luò)技術(shù)視為重點研究的課題，作為國內(nèi)外的研究熱點，開展傳感器網(wǎng)絡(luò)的實際應(yīng)用研究具有</p><p><b>　　重要的意義。</b></p><p>　　目標跟蹤是傳感器網(wǎng)絡(luò)的重要應(yīng)用之一，有單目標跟蹤和多目標跟蹤之分，面向多目標</p><p>　　跟蹤的傳感器網(wǎng)絡(luò)具有以下特征：（1）無線傳感器節(jié)點一般都體型小巧、造價低廉，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)目標跟蹤任務(wù)所處環(huán)境的具體情況進行自組織分工，具有更強的環(huán)境適應(yīng)能力；</p><p>　?。?）在一些無法依靠人工部署設(shè)備的地方，例如某些人類無法到達的區(qū)域、對人類有很高危</p><p>　　險性的區(qū)域

65、，或是在目標區(qū)域的面積過于廣大，人工部署設(shè)備的能力不足等情況下，此時使</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)相當適用于復(fù)雜環(huán)境和特殊場合</p><p>　　下的多目標跟蹤任務(wù)，拓展了傳統(tǒng)目標跟蹤網(wǎng)絡(luò)的使用范圍[6-9]。</p><p>　　本論文以傳感器網(wǎng)絡(luò)多目標跟蹤中網(wǎng)絡(luò)的自組織過程優(yōu)化以及多目標跟蹤精確度的提升</p

66、><p>　　為研究方向，針對傳感器網(wǎng)絡(luò)中節(jié)點的觀測能力、通信能力和電池能量受限的特點，以提高</p><p>　　傳感器網(wǎng)絡(luò)多目標跟蹤的綜合性能為目標，在多目標跟蹤傳感器網(wǎng)絡(luò)自組織過程優(yōu)化、多目</p><p>　　標跟蹤數(shù)據(jù)融合方法、多目標跟蹤抗干擾定位等方面進行研究。上述研究對促進傳感器、計</p><p>　　算機、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)價值和實際意義。</p><p>　　1.2 國內(nèi)外研究現(xiàn)狀</p><p>　　群智能的概念最早由 Beni、Hackwood 和 Wang 在分子自動機系統(tǒng)中提出[10]。1999 年，</p><p><b>　　1</b></p><p><b>　　萬方數(shù)據(jù)</b><

68、;/p><p>　　南京郵電大學(xué)專業(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[11]中對群智能進行了詳細的論述和分析。在文獻[12]</p><p>　　中 Caro 等人研究了將群智能應(yīng)用于移動 AD-HOC

69、 網(wǎng)絡(luò)的方法，對網(wǎng)絡(luò)結(jié)構(gòu)作出了一定的改</p><p>　　進。但是該文缺少對網(wǎng)絡(luò)性能優(yōu)化的量化考察標準，沒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)。針對這一點，本文特別設(shè)計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跟蹤任務(wù)的傳感器網(wǎng)絡(luò)自組織過程的優(yōu)化中引入群智能算法確實可以提</p>

70、<p>　　高網(wǎng)絡(luò)的通信效率并減少傳感器節(jié)點的能量消耗。</p><p>　　博弈論又被稱為賽局理論，它既是現(xiàn)代數(shù)學(xué)中的一個新領(lǐng)域，也被廣泛的應(yīng)用于經(jīng)濟學(xué)、</p><p>　　政治學(xué)、社會學(xué)、生物學(xué)以及統(tǒng)計學(xué)的研究當中，博弈理論主要的研究內(nèi)容是公式化了的激</p><p>　　勵結(jié)構(gòu)間的相互作用。是研究具有合作或競爭性質(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)境中個體可能采取的行為與其最終實際實施的行為，并研究優(yōu)化這些行為的策略。生物</p><p>　　學(xué)家則使用博弈理論來分析和預(yù)測達爾文進化論的某些結(jié)果。同時，博弈論也已經(jīng)成為現(xiàn)代</p><p>　　經(jīng)濟學(xué)的標準分析工具之一。在生物學(xué)、經(jīng)濟學(xué)、國際關(guān)系、計算機科學(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)多目標跟蹤過程中，由于目標的運動路</p><p>　　線具有不確定性，目標本身甚至可能會主動規(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>　　目標跟蹤精確度往往處于最壞的程度，此時僅僅能夠改進傳感器網(wǎng)絡(luò)多目標跟蹤精確度的平</p><p>　　均期望值的方法已經(jīng)不能滿足實際使用環(huán)境的需要了。為了更好的模擬這

73、類極端狀況，一些</p><p>　　研究者開始將博弈論原理引入傳感器網(wǎng)絡(luò)多目標跟蹤系統(tǒng)中，以此來定位、跟蹤與預(yù)測目標</p><p>　　的運動路線，實現(xiàn)多目標跟蹤精確程度的提高。</p><p>　　1.3 主要研究內(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>　　信號處理領(lǐng)域的濾波算法優(yōu)化面向多目標跟蹤任務(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)多目標跟蹤任務(wù)的要求，因此運用群智能領(lǐng)域中的粒子群優(yōu)化算法來優(yōu)</p><p>　　化傳感器網(wǎng)絡(luò)的自組織過程，借此降低網(wǎng)絡(luò)中節(jié)點間的通信時間與節(jié)點能耗。另一方面，本</p><p>　　文結(jié)合博弈理論為多目標跟蹤建立了零和博

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

76、gt;</p><p>　?。?2）研究了優(yōu)化傳感器網(wǎng)絡(luò)多目標跟蹤中網(wǎng)絡(luò)自組織過程的中心式粒子群優(yōu)化算法</p><p><b>　　2</b></p><p><b>　　萬方數(shù)據(jù)</b></p><p>　　南京郵電大學(xué)專業(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>　　（Centralized 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)點間的通信時間與能量消耗、延</p><p>　　長傳感器網(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)多目標跟蹤過程中網(wǎng)絡(luò)與目標之間的關(guān)系并為其建立</p><p>　　了零和博弈模型。之后進一步推導(dǎo)除了上述博弈模型的均衡狀態(tài)，以便于分析和設(shè)計

79、面對具</p><p>　　有主動規(guī)避網(wǎng)絡(luò)跟蹤行為的目標時傳感器網(wǎng)絡(luò)多目標跟蹤方法的優(yōu)化算法。</p><p>　?。?）根據(jù)前面研究得出的傳感器網(wǎng)絡(luò)與目標之間的零和博弈關(guān)系及其均衡狀態(tài)，同時通過對</p><p>　　標準卡爾曼濾波算法（Standard Kalman Fliter algorithm, SKF）基本原理的詳細分析，提出了</p>&

80、lt;p>　　針對具有博弈性質(zhì)的傳感器網(wǎng)絡(luò)多目標跟蹤應(yīng)用場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)上進行改進，得</p><p>　　到了更加適合分布式無線傳感器網(wǎng)絡(luò)運行特點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>　　文的重點部分，這兩個章節(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)多目標跟蹤網(wǎng)絡(luò)自組織過</p><p>　　程和提高多目標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)多目標跟蹤</p><p>　　性能的

83、幾項重要因素，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>　　型以及信號處理領(lǐng)域的卡爾曼濾波算法改進傳感器網(wǎng)絡(luò)多目標跟蹤方法的研究方向。同時還</p><p>　　從傳感器網(wǎng)絡(luò)與多目標跟蹤兩個方面對各自領(lǐng)域內(nèi)的國內(nèi)外研究現(xiàn)狀進行了介紹和總結(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</p><p>　　跟蹤過程中網(wǎng)絡(luò)自組織方案的可行性。之后在對粒

85、子群優(yōu)化算法的基本原理進行詳細分析的</p><p>　　基礎(chǔ)上，面向執(zhí)行多目標跟蹤任務(wù)的傳感器網(wǎng)絡(luò)的實際應(yīng)用場景對粒子群算法做了相應(yīng)的配</p><p>　　置并特別設(shè)計了其適應(yīng)度函數(shù)。之后分別針對兩種不同的網(wǎng)絡(luò)結(jié)構(gòu)提出了改進后的可以優(yōu)化</p><p><b>　　3</b></p><p><b>　　萬

86、方數(shù)據(jù)</b></p><p>　　南京郵電大學(xué)專業(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)多目標跟蹤問題的研究背景，為傳感器網(wǎng)</p><p

87、>　　絡(luò)多目標跟蹤中網(wǎng)絡(luò)與目標的博弈關(guān)系建立了零和博弈模型。基于從上述零和博弈模型推導(dǎo)</p><p>　　出的博弈均衡狀態(tài)和對卡爾曼濾波算法的改進，分別針對兩種不同的網(wǎng)絡(luò)結(jié)構(gòu)提出了相應(yīng)的</p><p>　　可以降低目標定位誤差、提高多目標跟蹤精確程度的最小化最大誤差值濾波算法。</p><p>　　第五章：對本文的工作進行總結(jié)和展望。</p>

88、<p><b>　　4</b></p><p><b>　　萬方數(shù)據(jù)</b></p><p>　　南京郵電大學(xué)專業(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)多目標跟蹤問題分析</p><p>　　對于網(wǎng)絡(luò)覆蓋范圍內(nèi)多個運動目標的定位與跟蹤問題的研究是傳感器網(wǎng)絡(luò)研究中的一個</p><p>　　重要方向。在本篇論文中，我們將重點研究如何在傳感器網(wǎng)絡(luò)執(zhí)行多目標跟蹤任務(wù)時優(yōu)化其</p><p>　　網(wǎng)絡(luò)組織過程以及提高多目標跟蹤的精確程度，基于傳感器網(wǎng)絡(luò)多目標跟

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

91、器網(wǎng)絡(luò)中，傳感器節(jié)點之間只能通過無線通訊來傳遞信息，而且每一個傳感器節(jié)點都只具有</p><p>　　相當有限的通信距離與電池能量。也就是說，在這類網(wǎng)絡(luò)中大部分的節(jié)點之間都無法直接建</p><p>　　立通信連接，空間上距離較遠的傳感器節(jié)點之間如果要交換信息的話，則必須通過它們的鄰</p><p>　　居節(jié)點進行轉(zhuǎn)發(fā)，有時甚至需要多個層次的鄰居節(jié)點們組成多跳網(wǎng)絡(luò)才

92、能實現(xiàn)數(shù)據(jù)的交流。</p><p>　　與此同時，對于單個節(jié)點而言，如果它執(zhí)行了過多的觀測、通信或者是計算任務(wù)，那么它有</p><p>　　限的電池能量將會很快耗盡從而停止工作。由于上述兩方面問題的限制，研究者們在設(shè)計那</p><p>　　些準備應(yīng)用于無線傳感器網(wǎng)絡(luò)上的各種算法時，都必須考慮到網(wǎng)絡(luò)中各個傳感器節(jié)點之間通</p><p>　

93、　信穩(wěn)定的保障以及能量節(jié)約的實現(xiàn)。除此以外，無線傳感器節(jié)點的計算能力、數(shù)據(jù)存儲容量</p><p>　　以及節(jié)點間通訊信道的質(zhì)量等方面的因素都會制約無線傳感器網(wǎng)絡(luò)多目標跟蹤的工作效率，</p><p>　　這些方面也都具有進一步優(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)量的無線傳感器節(jié)點，使用者就可以借助它們對</p><

94、;p>　　這片區(qū)域?qū)嵤┍O(jiān)控。對于網(wǎng)絡(luò)中的無線傳感器而言，它們可以在被部署時就設(shè)定好自身的空</p><p>　　間坐標，或者也可以通過計算自身與其他已知坐標的傳感器節(jié)點之間的相對距離與方位角來</p><p>　　確定自己的位置。當部署完成之后，一旦有任何可被傳感器節(jié)點所感知與觀測的物體進入這</p><p>　　一區(qū)域，它就立即會被附近的傳感器節(jié)點所發(fā)現(xiàn)。而

95、觀測到目標物體的這部分無線傳感器節(jié)</p><p>　　點則會基于自身的空間坐標并結(jié)合目標與自己的相對位置關(guān)系來計算出目標的位置坐標。這</p><p>　　一步計算完成之后，這些無線傳感器節(jié)點就會把自己所得到的目標數(shù)據(jù)發(fā)送給其他節(jié)點。當</p><p>　　網(wǎng)絡(luò)中關(guān)于目標的數(shù)據(jù)被匯總到一起時，我們就可以通過某些特定的方法計算出更加準確與</p>&l

96、t;p>　　可靠的目標位置信息。將上述流程同時應(yīng)用于網(wǎng)絡(luò)覆蓋范圍內(nèi)的每一個目標的話，我們就可</p><p>　　以動態(tài)地跟蹤多個目標。傳感器網(wǎng)絡(luò)多目標跟蹤已經(jīng)被應(yīng)用于多個領(lǐng)域以解決許多實際應(yīng)用</p><p><b>　　5</b></p><p><b>　　萬方數(shù)據(jù)</b></p><p&g

97、t;　　南京郵電大學(xué)專業(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>　　追溯到上世紀六十年代美國軍方的研究項目[3]。在人員難以自由部署的戰(zhàn)場環(huán)境下，傳感器</p><p>　　節(jié)點可以代替人類對目標區(qū)域進行監(jiān)測，實現(xiàn)探測、識別、定位以及跟蹤進入?yún)^(qū)

99、域的敵方單</p><p>　　位。而在現(xiàn)代化的戰(zhàn)場上，更是已經(jīng)出現(xiàn)了技術(shù)成熟的遠程戰(zhàn)場監(jiān)控系統(tǒng)，這是傳感器網(wǎng)絡(luò)</p><p>　　目標跟蹤在當今軍事領(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)點能量有限，因此提高能量利用效率、延</p><p>　　長網(wǎng)絡(luò)生存周期成為了構(gòu)造傳感器網(wǎng)絡(luò)的過程中需要重點考

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，研究者們曾經(jīng)嘗試將已經(jīng)成熟的互聯(lián)網(wǎng)、無線局域網(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)計需求和實現(xiàn)</p><p>　　方式上與各種傳統(tǒng)類型網(wǎng)絡(luò)有較大的差別[6]。</p><p>　　在傳感器網(wǎng)

101、絡(luò)對于目標位置的具體跟蹤方法方面，由于傳感器節(jié)點所觀測到的目標位置</p><p>　　信息本身就會存在著一定的誤差，對于同一個目標網(wǎng)絡(luò)中各個節(jié)點所獲得的數(shù)據(jù)也未必一致。</p><p>　　針對這些存在著誤差甚至是錯誤的目標信息，信號處理領(lǐng)域的各類濾波算法逐漸被引入傳感</p><p>　　器網(wǎng)絡(luò)多目標跟蹤方法中以過濾錯誤數(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。</b></p><p>　　2.2.1 群智能算法在傳感器網(wǎng)絡(luò)多目標跟蹤中的應(yīng)用</p><p>　　近年來，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>　　被越來越多地應(yīng)用于解決傳感器網(wǎng)絡(luò)自組織過程中遇到的各類組合優(yōu)化問題[8]

103、。其中的粒子</p><p>　　群優(yōu)化算法通過模擬自然界中鳥群群體覓食的行為模式，令算法中的各個粒子通過交流和協(xié)</p><p>　　作尋找問題的最優(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：（1）基本原理</p><p>　　簡單，便于通過編程實現(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，由于算法依靠數(shù)量眾多的粒子在問題的解空間中分頭尋找最優(yōu)解，因此不容易在</p><p>　　面對特殊的應(yīng)用情況時完全無法工作。基于上述優(yōu)點，粒子群優(yōu)化算法可以被應(yīng)用于傳感器</p><p>　　網(wǎng)絡(luò)多目標跟蹤中的網(wǎng)絡(luò)自組織過程中以求解網(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)點的通信時間與能量消耗。</p>&l

105、t;p><b>　　6</b></p><p><b>　　萬方數(shù)據(jù)</b></p><p>　　南京郵電大學(xué)專業(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)多目標跟蹤中的應(yīng)用</p

106、><p>　　本文中對于傳感器網(wǎng)絡(luò)多目標跟蹤方法的研究主要面向這樣一種特殊的應(yīng)用場景——網(wǎng)</p><p>　　絡(luò)所跟蹤的目標具有主動規(guī)避跟蹤行為的特點，這些目標會通過調(diào)整自身的運動路線來使得</p><p>　　網(wǎng)絡(luò)對其定位和跟蹤的誤差值盡可能地增大。由于目標具有了對抗跟蹤的能力，傳感器網(wǎng)絡(luò)</p><p>　　實現(xiàn)對目標的精確跟蹤就變得更加困

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

108、p><p>　　到達其運動范圍內(nèi)的任意一點。依據(jù)上述前提我們建立了一個網(wǎng)絡(luò)與目標之間的零和博弈模</p><p>　　型并通過改進后的濾波算法來判斷、預(yù)測和跟蹤目標的位置。</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)目標跟蹤技術(shù)在各種現(xiàn)實環(huán)境下的應(yīng)用狀況，介紹了傳感器&

109、lt;/p><p>　　網(wǎng)絡(luò)多目標跟蹤技術(shù)的研究背景。隨后重點介紹了運用群智能算法優(yōu)化傳感器網(wǎng)絡(luò)自組織過</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)多目標跟蹤中目標定位誤差的相關(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>　　萬方數(shù)據(jù)</b></p><p>　　南京郵電大學(xué)專業(yè)學(xué)位碩士研究生學(xué)位論文</p><p>　　第三章 面向多目標跟蹤的無線傳感器網(wǎng)絡(luò)自組織優(yōu)化</p><p>　　第三章 面向多目標跟蹤的傳感網(wǎng)自組織優(yōu)化</p><p><b>　　3.1 引言</b><

111、;/p><p>　　在無線傳感器網(wǎng)絡(luò)多目標跟蹤的過程中，隨著目標空間位置的改變，網(wǎng)絡(luò)中的各個節(jié)點</p><p>　　需要通過自組織的方式形成一定的網(wǎng)絡(luò)通信拓撲結(jié)構(gòu)以便于傳輸、交換和匯總各節(jié)點對于目</p><p>　　標的跟蹤數(shù)據(jù)。與此同時，網(wǎng)絡(luò)還需要根據(jù)各節(jié)點與多個目標之間的位置距離關(guān)系為每一個</p><p>　　傳感器節(jié)點分配其跟蹤任務(wù)，

112、這也會對無線傳感器網(wǎng)絡(luò)的自組織方法提出相應(yīng)的要求。</p><p>　　在節(jié)點的空間分布并不均勻的無線傳感器網(wǎng)絡(luò)實際應(yīng)用場景中，由于網(wǎng)絡(luò)中各個節(jié)點所</p><p>　　處的位置以及它們之間的距離各不相同，從而導(dǎo)致了各對不同節(jié)點之間進行通訊時的數(shù)據(jù)傳</p><p>　　輸功率以及節(jié)點能耗的不同。一般情況下，網(wǎng)絡(luò)中距離較遠的兩個無線傳感器節(jié)點進行通信</p&g

113、t;<p>　　所需要的傳輸功率與所產(chǎn)生的節(jié)點能耗總是會大于距離較近的兩個節(jié)點之間通信所產(chǎn)生的消</p><p>　　耗。因為網(wǎng)絡(luò)中各節(jié)點的能量消耗水平將直接影響到網(wǎng)絡(luò)整體的生存周期，所以在保證無線</p><p>　　傳感器網(wǎng)絡(luò)能夠正常執(zhí)行多目標跟蹤任務(wù)的前提下，我們需要通過優(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)點只</p><p>　　與距離自己較近的鄰居節(jié)點通信，從而減少通訊過程中的能量消耗。為了實現(xiàn)以上目標，本</p><p>　　章我們將引入群智能領(lǐng)域中的粒子群算法來優(yōu)化傳感器網(wǎng)絡(luò)多目標跟蹤過程中網(wǎng)絡(luò)自組織方</p><p><b>　　法。</b></p><p>　　在本章

115、的第 2 部分中，我們會詳細分析 PSO 算法的原理與執(zhí)行過程，以及 PSO 算法兩</p><p>　　種不同的具體實現(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)用于分布式無線傳感器網(wǎng)絡(luò)多目標跟蹤過程中的具體方式及其</p><p>　　存在的缺點，并提出使用改進后的 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）來彌補上述缺點的基本原理與實</p><p>　　現(xiàn)方式。之后在本章的第 4 部分中我們通過傳感器網(wǎng)絡(luò)仿真平臺 OMNeT++上的仿真實驗對</p><p>　　比了在傳感器網(wǎng)絡(luò)多目標跟蹤