基于無(wú)線傳感器網(wǎng)絡(luò)移動(dòng)目標(biāo)跟蹤技術(shù)的研究.pdf

1、近年來(lái),隨著無(wú)線技術(shù)、嵌入式技術(shù)和傳感技術(shù)的日益成熟和迅速發(fā)展,具備計(jì)算能力、通信能力和感知能力的無(wú)線傳感器在世界范圍內(nèi)出現(xiàn)并廣泛地應(yīng)用在軍事國(guó)防、環(huán)境監(jiān)測(cè)、災(zāi)難預(yù)報(bào)和智能交通等諸多應(yīng)用領(lǐng)域。在傳感網(wǎng)絡(luò)的諸多應(yīng)用中,移動(dòng)目標(biāo)跟蹤是一項(xiàng)基本功能。例如在戰(zhàn)場(chǎng)監(jiān)測(cè)中,對(duì)敵軍坦克和裝甲車輛的定位和跟蹤需要移動(dòng)目標(biāo)跟蹤技術(shù)的支持。在動(dòng)物習(xí)性監(jiān)測(cè)應(yīng)用中,我們需要跟蹤移動(dòng)中的動(dòng)物,并實(shí)時(shí)獲得其位置信息。基于無(wú)線傳感器網(wǎng)絡(luò)的移動(dòng)目標(biāo)跟蹤是網(wǎng)絡(luò)內(nèi)節(jié)點(diǎn)協(xié)作

2、感知目標(biāo)、定位目標(biāo),并將目標(biāo)位置信息反饋給用戶的過(guò)程。無(wú)線傳感器網(wǎng)絡(luò)的自組織性、隱蔽性、低成本和采用無(wú)線通信方式等特性使得其非常適用于移動(dòng)目標(biāo)的定位和跟蹤。然而,傳感器節(jié)點(diǎn)自身的局限性包括能源供應(yīng)、計(jì)算能力、存儲(chǔ)能力和通信能力有限,傳感器網(wǎng)絡(luò)易受到環(huán)境影響,感知部件精度受限等,使得傳統(tǒng)的跟蹤算法不適用于基于無(wú)線傳感器網(wǎng)絡(luò)的目標(biāo)跟蹤。因此,設(shè)計(jì)適用于傳感器網(wǎng)絡(luò)的新型目標(biāo)跟蹤技術(shù)是我們急需解決的挑戰(zhàn)性問(wèn)題。本文針對(duì)傳感器網(wǎng)絡(luò)的特點(diǎn)和目標(biāo)跟蹤

3、的實(shí)際需要,研究了基于無(wú)線傳感器網(wǎng)絡(luò)的目標(biāo)跟蹤技術(shù)并提出一系列有效的目標(biāo)跟蹤算法。本文的主要研究成果包括以下幾個(gè)方面:
　　首先,本文提出了一個(gè)基于兩階段睡眠調(diào)度的目標(biāo)跟蹤算法。為了節(jié)省網(wǎng)絡(luò)能耗,很多研究工作將睡眠調(diào)度機(jī)制應(yīng)用到目標(biāo)跟蹤過(guò)程中。然而這是以增加跟蹤延遲或提高節(jié)點(diǎn)部署密度為代價(jià)。針對(duì)現(xiàn)有基于睡眠調(diào)度跟蹤方法的局限性,本文提出基于兩階段睡眠調(diào)度的目標(biāo)跟蹤算法TPSS。TPSS將整個(gè)目標(biāo)監(jiān)測(cè)過(guò)程劃分為兩個(gè)階段,針對(duì)每個(gè)階段

4、對(duì)節(jié)點(diǎn)密度需求的不同,采用不同的調(diào)度機(jī)制。為了在保證跟蹤及時(shí)性的同時(shí)盡量降低網(wǎng)絡(luò)能耗,我們對(duì)TPSS進(jìn)行優(yōu)化,并提出基于網(wǎng)絡(luò)覆蓋和節(jié)點(diǎn)預(yù)測(cè)的優(yōu)化策略?；诰W(wǎng)絡(luò)覆蓋的優(yōu)化策略在保證目標(biāo)出現(xiàn)區(qū)域完全被工作節(jié)點(diǎn)覆蓋的情況下,盡量減少工作時(shí)間較長(zhǎng)的節(jié)點(diǎn)數(shù)目。基于節(jié)點(diǎn)預(yù)測(cè)的優(yōu)化策略利用馬爾可夫鏈理論研究節(jié)點(diǎn)狀態(tài)轉(zhuǎn)換規(guī)律,預(yù)測(cè)下一時(shí)刻需要參與跟蹤節(jié)點(diǎn),并提前將這些節(jié)點(diǎn)喚醒以降低目標(biāo)跟蹤延遲。實(shí)驗(yàn)結(jié)果表明本文所提出算法在降低跟蹤延遲、節(jié)約網(wǎng)絡(luò)能耗方面

5、具有很好的效果。
　　第二,本文提出了一個(gè)質(zhì)量可控的目標(biāo)跟蹤算法。該算法在保證目標(biāo)跟蹤準(zhǔn)確度同時(shí)對(duì)網(wǎng)絡(luò)生存期進(jìn)行優(yōu)化。所提出算法首先分析了影響節(jié)點(diǎn)生存期的三個(gè)因素,包括節(jié)點(diǎn)感知數(shù)據(jù)誤差、節(jié)點(diǎn)剩余能量以及節(jié)點(diǎn)通信和采樣的能量消耗。在此基礎(chǔ)上建立節(jié)點(diǎn)生存期和目標(biāo)定位誤差估算函數(shù),在滿足目標(biāo)定位誤差閾值的前提下最大化所選擇節(jié)點(diǎn)的生存期。實(shí)驗(yàn)結(jié)果表明本文所提出跟蹤算法可以有效延長(zhǎng)網(wǎng)絡(luò)生存期。
　　第三,本文提出了一個(gè)不確定傳感器網(wǎng)絡(luò)

6、目標(biāo)跟蹤算法。由于受到環(huán)境干擾、設(shè)備精度有限以及測(cè)量誤差等因素的影響,無(wú)線傳感器網(wǎng)絡(luò)普遍存在不確定性,包括傳感器節(jié)點(diǎn)位置估算不準(zhǔn)確,感知數(shù)據(jù)存在誤差等。本文首先分析了傳感器網(wǎng)絡(luò)的不確定性以及目標(biāo)移動(dòng)模式的隨機(jī)性,定義了三個(gè)不確定模型,即節(jié)點(diǎn)位置模型,感知模型和移動(dòng)目標(biāo)模型。節(jié)點(diǎn)位置模型采用概率分布函數(shù)描述節(jié)點(diǎn)的位置分布情況。感知模型利用高斯分布函數(shù)描述感知數(shù)據(jù)中存在的誤差。移動(dòng)目標(biāo)模型考慮目標(biāo)的各種可能運(yùn)動(dòng)狀態(tài)估算其下一時(shí)刻的出現(xiàn)區(qū)域。

7、在此基礎(chǔ)上,本文提出基于概率k最近鄰居查詢的目標(biāo)跟蹤算法。該算法選擇最有可能成為距離目標(biāo)出現(xiàn)區(qū)域最近的k個(gè)節(jié)點(diǎn)參與目標(biāo)跟蹤。我們提出的算法可以有效解決目標(biāo)所發(fā)出信號(hào)在衰減過(guò)程中隨著傳輸距離增加而導(dǎo)致誤差增大的問(wèn)題。實(shí)驗(yàn)結(jié)果表明本文所提出算法可以有效降低網(wǎng)絡(luò)存在的不確定性對(duì)目標(biāo)跟蹤的影響。
　　第四,本文提出了一個(gè)目標(biāo)生存環(huán)境事件監(jiān)測(cè)算法。目標(biāo)生存環(huán)境的狀態(tài)對(duì)目標(biāo)跟蹤性能具有重要影響。目標(biāo)生存環(huán)境狀態(tài)的監(jiān)測(cè)問(wèn)題實(shí)質(zhì)上是對(duì)目標(biāo)生存環(huán)境

8、內(nèi)所發(fā)生事件的監(jiān)測(cè)問(wèn)題,據(jù)此本文提出有效的目標(biāo)生存環(huán)境事件監(jiān)測(cè)算法。該算法由事件發(fā)現(xiàn)算法和事件發(fā)生區(qū)域估算算法兩部分組成。考慮到單個(gè)傳感器節(jié)點(diǎn)可能對(duì)事件的發(fā)生做出錯(cuò)誤決策,可容錯(cuò)的事件發(fā)現(xiàn)算法通過(guò)融合多個(gè)傳感器節(jié)點(diǎn)的決策,計(jì)算事件發(fā)生的可能性。事件發(fā)生區(qū)域估算算法利用節(jié)點(diǎn)感知數(shù)據(jù)的空間相關(guān)性確定處于事件邊緣的節(jié)點(diǎn),并為事件邊緣節(jié)點(diǎn)建立凸殼估算事件發(fā)生區(qū)域。該算法不需要對(duì)網(wǎng)絡(luò)通信模型作任何假設(shè),具有較強(qiáng)的實(shí)用價(jià)值。另外,考慮到目標(biāo)生存環(huán)境