论文部分内容阅读
无线传感器网络（Wireless Sensor Network，WSN）突破了传统无线网络在部署、事件感知和自组织通信上的局限，使得大面积收集和传送数据，甚至在恶劣的无人区进行行为监测成为可能，然而，由于传感器节点自身感知范围小和通信能力不稳定，以及电量供应不持续等特点，使得无线传感器网络在广泛应用于移动物体追踪方面还有许多需要探索和解决的课题。本文分析和评估了近年来兴起的无线传感器网络下移动物体追踪方案，特别是基于粒子滤波的追踪和数据处理算法，深入比较了各种方案的优缺点，在此基础上提出多种针对移动物体追踪进行改进的方案。具体地，研究工作侧重于四个方面进行：第一，在粒子滤波算法的基础上设计能耗更低的移动物体追踪算法；第二，对于多目标跟踪，尤其针对数据量大和目标易混淆问题设计优化的追踪算法；第三，针对移动追踪里如何进行高效的节点部署和节点选择问题，以及移动目标不确定区域的覆盖问题设计低能耗解决方案；最后，对追踪数据的管理中两个基础性问题进行研究，即如何处理冗余的追踪数据，以及平衡追踪数据精确性和网络能耗之间的矛盾。本文主要研究内容和贡献概括如下：1．对于单目标跟踪，本文结合无迹变换能够准确捕捉非线性高斯变量的后验均值和协方差的优点，将其应用于粒子滤波追踪框架，形成了无迹粒子滤波追踪算法UMOT（Unscented particle filter based Moving Object Tracking）。针对传统粒子滤波算法中存在的高负荷计算量问题，结合航位推算法则提出了一种轻量级的粒子滤波追踪算法DRPF （Dead-Reckoning based Particle Filter framework），这一算法有效地解决了计算能耗问题。另外，既有的粒子滤波算法中往往只考虑线性移动的物体，本文则通过考虑物体移动方向变化提出了一种基于粒子滤波的算法DAME（Deflection Aware Movement Estimation）。2．追踪里另一个关键的问题是如何进行追踪节点选择，特别是主节点（Tracking Principal）的选择。主节点除了进行目标测量等一般跟踪任务外，还需要执行测量数据收集和跟踪任务协调等。而且，随着目标的移动，主节点的任务和其收集的追踪数据需要传递下去，即选择新的主跟踪节点。本文首先提出一种对于线性移动轨迹进行主节点选择的算法SLS（Sampling Look-ahead Selection）。SLS算法的基础是WSN中查询-处理任务通常以离散同步的方式进行，并以连续的时间片为单位进行组织。通过利用采样周期离散时间片的特点来选择主节点，并且引入盲覆盖和有效覆盖等概念，SLS能有效提高主节点的覆盖增益和降低主节点的传递频率，从而节省因此带来的主节点能耗。对于非线性轨迹移动的物体，在SLS算法的基础上，结合DAME物体移动方向估计算法，形成了一种基于粒子滤波的追踪主节点选择算法DAS（Deflection Aware tracking principal Selection），此算法能进一步降低追踪任务中的主节点数量，特别是对于非直线运动物体。3．为了配合主节点选择算法，本文提出了两种追踪节点集选择算法和节点簇组织方式：GUMO（Greedy Uncertain Moving Object coverage sensor set selection）和PAB(Pattern Based coverage sensor set selection)。GUMO和PAB以一种平衡追踪精确度和节点能耗的方式解决了WSN追踪中管理和组织节点集的问题，从追踪任务节点集的角度来考虑节点选择问题，提供了节点集规划的近似最优解决方案。4．为了解决多目标跟踪中节点的任务冲突和信道竞争的问题，本文提出一种轻量级的节点任务调度策略SSR（Synchronization based Sampling Reduction）。SSR针对追踪多个目标时共用节点的采样周期不同步问题，通过协调这些节点的采样频率来降低采样数据冗余度。这种节点任务规划方式除了能有效地降低节点的功耗外，还能够极大地、呈指数级地降低数据关联问题的计算复杂度。5．数据处理是移动追踪中另一个重要环节，特别是追踪数据的路由和冗余数据的处理。本文仔细分析和研究了WSN追踪中数据聚集和轨迹表示的特征，结合移动对象数据库和计算几何中的相关理论形成了多种动态权衡网络能量耗损和物体轨迹数据表示精确度的方法，并从理论和实验中评估各种启发式算法对于追踪数据约简和轨迹表示精确度的影响。本文从多个不同角度衡量WSN下目标追踪的效率，提出了不同的解决方案，形成了一个较为全面的追踪系统。本文详细呈现了提出的各种算法的细节和实现情况，在调研大量科研成果和论文的基础上分析了所提出的解决方案，结合理论分析和大量的仿真实验证明了我们提出的算法的优越性。