无线传感器网络节点感应度模型及目标跟踪算法研究

本课题以无线传感器网络的目标跟踪为背景，研究节能的目标跟踪协议和算法，解决目前目标跟踪协议存在通信量大、参与跟踪的节点数目多从而导致耗能多的问题。具体研究无线传感器网络目标跟踪机制，节点感应度计算模型，并研究基于节点感应度的目标定位与跟踪算法。 本项目提出了一种节点感应度计算模型，该模型主要利用传感器节点感应到的信号强度与离目标的距离互相关特性，即感应到的信号强度越大，则感应度值越高。感应度值将作为跟踪过程中节点是否参与跟踪的依据之一。提出了基于多边形的目标跟踪框架-FaceTrack,该跟踪框架包括目标在多边形区域之间的穿越过程中目标跟踪方法，节点唤醒与休眠时机、主跟踪节点的选择方法等。模拟结果表明，FaceTrack跟踪框架能有效定位目标所在多边形区域。为了提高跟踪精度，即实现目标在多边形内部动态移动的跟踪与定位，本项目以节点感应度模型为基础，提出了一种节点自主决策是否参与跟踪的目标跟踪算法（NS-ADTT），该算法基于定位边采用加权质心算法对目标位置进行估计，并且，节点可根据自身感应度值及局部网络情况自主决策是否参与当前跟踪。仿真结果表明，在目标跟踪过程中，该算法在保证一定跟踪精度的基础上减少了参与跟踪的节点数， 降低了网络能耗，有效地延长了网络生命周期。 本项目对其他跟踪模式进行了探索，基于拍卖的思想，提出了基于拍卖的目标跟踪算法Auction-Based Adaptive Sensor Activation Algorithm(简称AASA)。拍卖机制让预测区域内的节点通过竞争产生最适合参与目标跟踪的节点。拍卖过程充分考虑了节点的剩余能量以及节点到目标预测距离。模拟结果表明,算法AASA在保持可接受跟踪质量的前提下,能有效地解决能量消耗不平衡的问题。

无线传感器网络是物联网的基本组成部分，目标跟踪是无线传感器网络的一项基本应用。现有的目标跟踪机制存在参与跟踪的节点多、节点之间过于依赖消息通信进行定位与协作跟踪，能量消耗较大。为了充分降低传感器节点能量消耗，本项目提出节点感应度模型的概念，并研究基于节点感应度模型的目标定位与跟踪算法。首先，提出科学合理的节点感应度模型，该模型充分利用传感器节点感应到的信号强度、节点当前状态和网络状况等信息，进行节点状态转换，实现跟踪调度，避免传统协作跟踪中的频繁通信。其次，以节点感应度模型为基础，研究新型的目标跟踪协议和算法，在确保目标跟踪精度和响应速度的前提下，尽量减少参与跟踪的传感器节点的数目，减少传感器节点之间的消息通信。最后，利用软件工程技术，设计与开发目标跟踪原型软件系统，拟在一些典型的无线传感器网络中进行示范应用。研究成果为无线传感器网络中目标监测、定位、目标跟踪等典型应用提供理论指导。

第1章绪论1

1.1研究背景及意义1

1.2研究现状7

1.2.1节点定位技术研究现状7

1.2.2协作跟踪技术研究现状10

1.3章节安排13

参考文献15

第2章无线传感器网络节点定位和协作跟踪技术21

2.1节点定位21

2.1.1节点定位原理22

2.1.2定位系统27

2.1.3性能评价31

2.2协作跟踪32

2.2.1目标跟踪算法32

2.2.2协作跟踪方案39

2.2.3评价指标47

2.3本章小结47

参考文献48

第3章室内复杂环境下节点定位算法49

3.1路径损耗模型49

3.2室内测距模型参数辨识52

3.3室内定位方案62

3.4人员定位实验64

3.5本章小结68

参考文献68

第4章野外环境下三维节点定位算法69

4.1网络模型69

4.2三维辅助定位算法71

4.3定位误差和能量消耗分析77

4.4仿真实验81

4.5本章小结88

参考文献89

目录传感器网络节点定位与协作跟踪第5章基于粒子群优化的协作跟踪算法90

5.1系统描述90

5.2多传感器协作跟踪方案91

5.2.1高斯粒子滤波91

5.2.2多传感器数据融合94

5.3基于粒子群优化的动态簇组织算法96

5.3.1基于位置预测的簇成员节点选择97

5.3.2基于粒子群优化的簇头节点选择98

5.4仿真实验102

5.5本章小结107

参考文献107

第6章基于贝叶斯理论的多传感器交互滤波算法109

6.1问题描述109

6.2接力卡尔曼算法110

6.2.1状态和协方差更新110

6.2.2预测方程111

6.2.3传感器概率更新111

6.3多传感器交互滤波算法111

6.4后验克拉美罗下界112

6.5仿真实验114

6.5.1PCRLB115

6.5.2IMSF的性能115

6.5.3传感器概率118

6.6本章小结120

参考文献120

第7章基于后验克拉美罗下界的机动目标跟踪算法122

7.1相关工作123

7.2问题描述123

7.3多模型后验克拉美罗下界124

7.4通信受限节点调度策略126

7.5模型参数预测127

7.6仿真实验128

7.7本章小结134

参考文献134

第8章连续泄漏稳态气体源参数估计算法137

8.1连续泄漏稳态气体源参数估计模型137

8.1.1有风条件下稳态气体扩散模型137

8.1.2稳态气体源参数估计状态空间模型142

8.2连续泄漏稳态气体源参数估计算法142

8.2.1稳态气体源参数的粗估计142

8.2.2确定粒子滤波的似然函数143

8.2.3基于粒子滤波的稳态气体源参数估计算法145

8.3气体源参数估计性能分析145

8.3.1气体源参数估计CRLB的定义146

8.3.2气体源参数估计的CRLB推导146

8.4仿真实验与结果分析150

8.4.1实验条件150

8.4.2实验结果与分析151

8.5本章小结158

参考文献158

第9章连续泄漏非稳态气体源参数估计算法159

9.1连续泄漏非稳态参数估计模型159

9.1.1二维非稳态气体扩散模型159

9.1.2传感器测量模型161

9.2连续泄漏非稳态气体源参数估计算法162

9.2.1构造目标优化函数162

9.2.2基于多种群遗传算法的非稳态气体源参数估计算法164

9.3仿真实验与结果分析167

9.3.1仿真条件168

9.3.2仿真结果与分析168

9.4本章小结173

参考文献173

第10章瞬时泄漏气体源参数估计算法174

10.1瞬时泄漏气体源参数估计模型174

10.1.1有风条件下瞬时气体扩散模型174

10.1.2瞬时气体源参数估计状态空间模型176

10.2基于高斯粒子滤波的瞬时气体源参数估计算法179

10.2.1瞬时气体源参数的粗估计180

10.2.2基于高粒子滤波的瞬时气体源参数估计方法181

10.3瞬时气体源参数估计性能分析183

10.4仿真实验与结果分析184

10.4.1实验条件184

10.4.2实验结果与分析186

10.5本章小结193

参考文献194

附录A矩阵求逆195

附录B预测距离的推导196 2100433B

本课题拟针对采用集中式信息融合的多传感器多目标跟踪系统提出基于最大期望算法的联合数据配准、关联和融合算法,以及针对采用分布式信息融合的多传感器多目标跟踪系统提出基于最大期望算法的联合航迹配准、关联和融合算法。传统上人们一般将数据配准、数据关联和数据融合三者分开研究，或者是将航迹配准、航迹关联和航迹融合三者分开研究，但实际上它们是相互影响的：数据配准需要正确关联了的多传感器数据而存在配准误差的多传感器数据又会增加错误关联的概率，它们都会对数据融合的性能产生影响；同样航迹配准需要正确关联了的局部航迹而存在配准误差的局部航迹又会增加错误关联的概率，它们都会对航迹融合的性能产生影响。本课题将它们作为一个整体研究从而解决传统上将它们分开研究和工程实现的弊端，因考虑了它们之间的相互联系和相互影响，我们能大大提高多传感器多目标跟踪的精度，从而可提高军事和民用领域对目标监视和跟踪的能力。

为提高成像设备在运动中对全场景进行监视和分析的效率和效果，课题以分布于球形表面的摄像机阵列获得的视频数据为对象，研究球面机器视觉模型，以新的视角- - 曲线空间中的视频处理和分析- - 研究球面机器视觉的形成机制和基础应用环节中的理论问题，以及全动态场景中目标全方位跟踪方法。首先，研究从球形摄像机阵列获得的高维图像集合到球面图像之间的数据优化传递关系，建立球面视觉的形成方法和曲线空间中更具一般性的图像处理理论和方法；进而研究成像设备运动过程中，寄生运动对成像过程的影响，提出从观测运动中相对运动的分离方法和寄生运动的抑制方法，提出球面立体视觉的形成机制、误差传递方法以及精度估计模型；在此基础上研究全动态场景中目标跟踪线索的选择机制和描述方法以及曲线空间中连续形变目标的立体跟踪方法。球面视觉是实现全动态场景监视和连续形变目标全方位不间断跟踪的有效途径。