论文部分内容阅读
无线传感器网络(WSNs)通常是由许多能量、感知与计算能力均受限的传感器节点构成的自组织网络。这些传感器节点能够感知周围环境，收集、处理和交换数据信息。在一个监控区域内跟踪移动目标是WSNs的一个重要应用场景，在近年来受到越来越多的人关注。在基于WSNs的目标跟踪中提高目标跟踪精度与扩展跟踪网络的生命周期（或降低跟踪网络能量消耗）是两个最主要的目标。然而，因为传感器节点的能量和感知以及处理能力有限，这两个目标通常是相互矛盾的。本文研究了基于WSNs的目标跟踪应用问题，针对其特点提出了稳定、有效的多节点合作目标跟踪算法来平衡跟踪精度和跟踪网络能量消耗之间的矛盾。本文的主要内容与创新点如下: 1.提出了基于能量平衡思想的多节点合作跟踪算法。传统的基于能量有限性的多节点合作跟踪机制仅关注当前任务簇节点的能量消耗量，容易造成虽然局部能量消耗最少，但整体跟踪网络的生命周期却因为部分节点能量消耗过多死亡而降低的问题。本文针对这一缺点提出了基于能量平衡思想的多节点合作调度算法，在动态调度下一时刻任务簇节点子集时，把使该任务簇的期望节点能量消耗最小化，和使节点的剩余能量分布的期望方差最大化同时作为目标去优化，从而达到在保证一定跟踪精度的前提下最大化当前跟踪网络的生命周期的目的。同时，针对能量平衡多节点合作跟踪算法的特点，提出了GBRHA算法从候选解点集中挑选一个近似最优解的任务节点子集及其簇头节点。不同于传统的任务簇节点挑选算法，GBRHA算法中任务节点的挑选伴随着簇头节点的挑选同时进行，所以获得的任务簇及簇头能够更平衡跟踪系统的能量消耗。此外，GBRHA算法相比传统的节点选择算法具有更低的计算复杂度，更适用于计算能力较差的传感器节点。 2.提出了分散式多节点合作跟踪算法。能量平衡多节点合作算法中簇头节点在挑选任务节点时需提前知道相邻节点的位置与剩余能量信息，这一假设在实际应用中通常较难实现。本文进一步提出了分散式合作跟踪算法，该算法使用改进的平方根容积信息滤波算法(SRCIF)作为融合算法，将计算负载分散到各个簇节点中，簇头节点只需在获得簇节点的信息后对其进行线性处理。所以该方法对于任意大小的簇，簇头节点的计算量几乎相同，能够较容易的应用到多节点合作目标跟踪中去。此外，提出的分散式跟踪算法将所有节点分为三种不同的状态，分别赋予不同功能，实现了执行跟踪任务节点的平滑切换。相比于现有的分布式一致性算法，该算法中节点只需与簇头节点进行通信，无需与相邻节点进行通信，这样大大降低了通信数据量，进而减少的系统能耗。 3.提出了贪婪在线决策机制，基于定义的贡献决策量(contribution decision，CD)挑选任务簇节点。CD定量了期望的信息增益和能量消耗大小，根据节点的剩余能量在当前候选节点中的大小去动态改变能量消耗在当前贡献决策量中的权重，做到剩余能量小的节点，赋予能量消耗在其CD计算中拥有更大的占比。此外，节点的选择分散到簇内各节点内部进行，节点根据自身的位置和剩余能量以及接收到的目标位置预测信息对自身的贡献决策量进行计算，并将结果上报给融合节点，进行在线决策。所以使用该机制挑选节点时无需提前知道相邻候选节点的状态信息，适用于分散式的多节点合作跟踪算法的特点。 4.针对基于WSNs目标跟踪的特点提出了有效的丢失恢复机制。在基于WSNs的目标跟踪中，由于目标运动的不确定、估计算法不准确等都能够造成当前跟踪任务节点丢失目标。一旦目标丢失，原有的跟踪系统将会全部丧失其功能，导致跟踪网络无法有效获取的目标信息。本文将目标丢失恢复机制分为四个部分，即宣布目标丢失、对丢失目标进行搜索、目标的重定位、以及恢复对目标的跟踪。分别针对这四个部分提出了相应的解决办法，提出了三种不同需求的搜索算法来搜索丢失目标，提出了修改的自适应权重最近邻法进行目标重定位等。通过仿真实验验证，加入了目标丢失恢复机制的多节点合作目标跟踪算法能够有效地应对跟踪过程中由于目标状态突变引起的目标丢失问题，恢复对目标的跟踪。