论文部分内容阅读
集成了传感器、微机电系统、无线通信、分布式信息处理等多种技术的无线传感器网络成为研究群体智能自主自治系统行为的前沿领域。不论在军事领域还是民用领域,目标跟踪始终是无线传感器网络的重点研究内容之一。无线传感器网络目标跟踪的实质是在节点能量、通信带宽等资源受限的条件下,通过多节点协作对信息进行分布式处理、融合,对目标的运动状态进行估计。针对目标跟踪的研究既要保证跟踪精度,也要兼顾节点能耗和网络寿命问题,本文在分析与总结国内外相关研究的基础上,结合无线传感器网络分布式特性,对目标跟踪问题进行了深入地研究,主要研究内容和成果体现在以下几个方面:针对无线传感器网络中节点的感知信息类型,研究了多种传感器节点的组网优势,提出基于多模态信息的节点协作目标跟踪算法。为了减少跟踪过程中的网络通信量,在每个节点运行高斯代价参考粒子滤波,将所求出的状态估计均值和方差作为基本信息进行传输。仿真实验表明,基于多模态的节点协作目标跟踪算法不但满足了跟踪精度的要求,而且比集中式跟踪算法网络通信代价低,节点能量消耗少,从而提高了网络的跟踪性能。考虑到目标运动形式的不确定性,以及无线传感器网络节点随机部署的不均匀性,根据监控区域内目标的运动状态以及局部区域的节点密度,结合候选节点的预测剩余能量和调度情况,提出一种新的分布式轻量级目标跟踪算法。在此基础上,研究无线传感器网络在跟踪目标过程中的簇头选取策略以及分簇规模。针对节点高密度分布的无线传感器网络,利用节点的覆盖探测概率模型,提出实现目标跟踪性能的局部次优化分簇机制,进而基于后验克拉美罗下界原理,研究提高目标跟踪精度的优化机制。经过仿真实验对比,针对不同的运动形式和复杂的网络分布情况,轻量级跟踪算法能够动态地确定分簇规模,从而在保证跟踪精度的前提下,实现网络节能的目标。针对网络目标跟踪过程中的能效优化问题,研究无线传感器网络节点探测受约束的条件下节点自适应调度机制以及目标监控策略。根据每个节点的探测概率,计算出多节点联合探测概率,并基于节点本身属性构造决策函数模型。在此基础上,提出无线传感器网络局部能量消耗优化方案,并通过对粒子滤波采样策略的改进,解决粒子退化现象。仿真实验证明,与一般分簇算法相比,自适应动态分簇的节点调度跟踪算法,能够实现节点有效调度,保证跟踪精度,同时减少节点间能量差异,降低网络整体能耗。在对无线传感器网络目标跟踪过程中两种典型节点选择机制进行分析的基础上,基于有效信息和能量模型,研究节点选择的评估机制以及K-覆盖条件下的节点选择策略。对比实验证实,本文的节点选择算法能有效地降低冗余节点,减少冗余信息,而且网络的积累能量消耗显著降低。针对无线传感器网络能量均衡问题,研究基于节点能量消耗模型的能量划分方法,提出簇头选择机制以及簇内成员的选择策略,并利用后验克拉美罗下界原理确定参与跟踪的最优节点。通过仿真实验对比分析,该算法选取的参与跟踪节点分布广泛,有效地控制局部节点密度,能够平衡目标跟踪过程中的网络能量消耗,延长网络的生存时间。针对密集部署的无线传感器网络易产生大量冗余信息的问题,结合节点优化选择策略,提出基于量化节点观测值的目标状态估计框架。该框架利用量化机制减少节点间的数据通信量,并通过增大跟踪抽样间隔减少节点的唤醒频率的方式,构建能量优化模型,减少网络整体能量消耗。仿真实验证明,该算法通过量化机制有效分配节点带宽,从而减少节点间通信量,而相应的采样间隔延长策略,可以节约网络整体能耗。