论文部分内容阅读
随着物联网等新一代信息技术的发展,无线传感器网络（Wireless Sensor Networks,WSNs）将逐步渗透到各个行业和不同应用领域,遍及人们生活的方方面面。WSNs是连接人类世界与物质世界的桥梁。嵌入到万“物”中的传感器节点,对“物”的状态进行感知和监测,并可通过互联网传输到处理终端,从而实现对“物”的实时监控和管理。传感器节点感知或采集到的信息只有结合位置信息才是有意义的,才能让管理者明确“物”在何时何地发生了什么事件。因此,定位是WSNs应用中的关键技术之一。本文针对WSNs的定位技术开展研究工作,提出了基于消息传递算法（Message Passing Algorithms,MPAs）的节点自定位和目标跟踪算法。本文的主要研究内容包括:1.研究了节点位置固定的静态WSNs,提出了一种基于变分消息传递（Variational Message Passing,VMP）算法的分布式协作节点定位算法。针对非线性测距模型,现有基于置信传播（Belief Propagation,BP）算法的SPAWN（Sum-Product Algorithm over a Wireless Network）算法使用粒子消息,计算复杂度和通信开销过高;高斯VMP算法通过最小化KL散度（Kullback–Leibler divergence,KLD）将非高斯置信近似为高斯函数,虽然降低了通信开销,但近似算法的复杂度过高。本算法将置信中的非线性项进行二阶泰勒级数展开,得到位置变量的一阶项和二阶项,从而将置信近似为高斯函数。仿真结果表明,所提算法的性能与SPAWN算法和高斯VMP算法的性能接近,并且计算复杂度和通信开销均很低。2.研究了节点位置随时间变化且节点运动速度向量可测得的动态WSNs,提出了一种联合BP算法和VMP算法的分布式协作节点定位算法。根据线性的节点状态转移模型和非线性的测距模型,分别按照BP算法和VMP算法的消息更新规则计算预测消息和协作消息,既利用了BP算法的高精度,又结合了VMP算法的低复杂性。仿真结果表明,所提算法的定位精度和收敛性均优于极大似然估计方法;当位置变量先验概率密度函数的方差较小时,定位性能与SPAWN算法很接近,但计算复杂度和通信开销均显著降低。3.研究了节点位置随时间变化但运动模型不确定的动态WSNs,提出了一种基于自适应预测和VMP算法的分布式协作节点定位算法。根据运动的惯性,利用节点运动轨迹在一段较短时间内的相关性进行位置预测,得到节点位置的先验信息,然后利用与邻居节点之间的距离观测,根据基于VMP算法的节点定位算法修正预测位置,得到当前时刻的位置估计。仿真结果表明,所提算法的自适应性更强,定位性能优于基于即时预测、线性预测和平方预测的算法性能。4.研究了节点和目标位置随时间变化的动态WSNs,提出了一种联合定位和目标跟踪算法。该算法将定位过程分为两个阶段:联合定位和目标轨迹平滑。在联合定位阶段,待定位节点利用与邻居节点和可探测到的目标之间的观测信息进行自定位,并采用平均consensus算法实现对目标的分布式定位。在目标轨迹平滑阶段,通过执行前后向平滑算法更新当前和历史时刻的位置估计。仿真结果表明,提出的联合定位算法的性能优于先定位后跟踪的算法,轨迹平滑算法则进一步提高了目标跟踪的性能。