论文部分内容阅读
协同目标跟踪是无线传感器网络最重要的应用之一。由于感知、通信和计算等资源有限,无线传感器网络通常依赖于传感器调度平衡跟踪精度、能量消耗及网络生存周期。随着能量收集技术的不断发展,基于能量采集的无线传感器网络也引起了人们的关注。该种网络克服了网络中节点电池能量的限制,理论上可以将网络的生命周期扩展到无限长。然而,传感器的能量采集能力毕竟有限,因此,如何在无限长生命周期上设计传感器调度方案,为协同目标跟踪提出了新的技术挑战。另一方面,作为一个新兴的优化算法,自适应动态规划(Adaptive Dynami c Programming,ADP)融合了神经网络、自适应评判设计、强化学习等技术,为无限长生命周期上的优化控制问题提供了一种有效的方法。本文面向能量采集无线传感器网络的协同目标跟踪,研究了如下几种基于无限长生命周期上全局性能最优化的传感器调度方法:(1)面向单目标跟踪问题,研究了基于ADP的多传感器调度方法。利用扩展卡尔曼滤波估计和预测目标状态,结合跟踪性能与能量消耗构建性能指标,采用神经网络逼近最优的性能指标,从而得到近似最优控制策略。同时,给出了算法的最优性分析。(2)面向单目标跟踪问题,研究了基于多步预测ADP的多传感器调度方法。基于决策树搜索获取多步最优传感器调度方案,并通过神经网络迭代更新余下的无穷步性能指标。(3)面向多目标跟踪问题,研究了基于ADP的目标和传感器协同调度方法。采用目标跟踪性能的加权与能量消耗加权作为性能指标,通过神经网络逼近无穷步最优性能指标,迭代地得到近似最优控制策略,为每个时间步调度一个目标作为感知对象,并为其设置多个传感器作为感知任务执行者。