基于無線傳感器網(wǎng)絡(luò)的定位跟蹤技術(shù)研究.pdf

1、作為一項新興的熱點領(lǐng)域，無線傳感器網(wǎng)絡(luò)集成了傳感器技術(shù)、微電子技術(shù)、無線通信技術(shù)和分布式信息處理技術(shù)，以其先進(jìn)的理念和廣泛的應(yīng)用前景日益受到全世界學(xué)術(shù)界與工業(yè)界的高度關(guān)注，成為當(dāng)前IT領(lǐng)域研究的熱點之一。無線傳感器網(wǎng)絡(luò)具有成本低、體積小、組網(wǎng)靈活、部署方便等優(yōu)點，可以被廣泛應(yīng)用在軍事、戰(zhàn)場目標(biāo)跟蹤、反恐、災(zāi)難救援、生態(tài)環(huán)境監(jiān)測、醫(yī)療護(hù)理、空間探索、智能交通控制、智能農(nóng)業(yè)等方面。
　　節(jié)點定位和目標(biāo)跟蹤是無線傳感器網(wǎng)絡(luò)研究和應(yīng)用的關(guān)

2、鍵性問題。本文在分析了已有的定位和跟蹤機(jī)制的基礎(chǔ)上，以提高定位跟蹤精度、降低節(jié)點能耗、延長網(wǎng)絡(luò)壽命為切入點，基于Rang-free理論、協(xié)作理論、粒子濾波等計算方法，開展了基于無線傳感器網(wǎng)絡(luò)的節(jié)點定位和目標(biāo)跟蹤技術(shù)研究。論文在研究方法和思路上力求有所突破，主要研究工作及成果包括如下幾個方面：
　?、俟?jié)點定位是目標(biāo)跟蹤的基礎(chǔ)和前提條件，只有在參與目標(biāo)跟蹤的傳感器節(jié)點自身位置確定以后，才能對目標(biāo)進(jìn)行準(zhǔn)確的定位和跟蹤。針對無線傳感器網(wǎng)絡(luò)

3、節(jié)點自定位問題，提出一種基于RSS輔助的非測距移動信標(biāo)定位算法（RRML）。移動信標(biāo)節(jié)點在網(wǎng)絡(luò)中按照規(guī)劃軌跡運動，并周期性的廣播自身位置，行成虛擬信標(biāo)點，從而取代傳統(tǒng)的位置固定的信標(biāo)定位方法。RRML定位過程中節(jié)點利用收到的三個移動信標(biāo)點來計算自身位置坐標(biāo)。首先，節(jié)點選擇進(jìn)入和離開其通信范圍的兩個信標(biāo)點作為參與計算的信標(biāo)，利用幾何推理并結(jié)合節(jié)點與這兩信標(biāo)點間的接收信號強度關(guān)系，確定選擇的兩信標(biāo)點與節(jié)點通信圓環(huán)之間的位置關(guān)系，從而自適應(yīng)調(diào)

4、整信標(biāo)點在計算節(jié)點位置時的半徑參數(shù)；然后通過簡單的幾何約束關(guān)系計算出節(jié)點的兩個候選位置；最后選擇第三個信標(biāo)點來確定節(jié)點的準(zhǔn)確位置。同時，給出了節(jié)點定位誤差的上限值，并分析了影響節(jié)點定位誤差的主要因素。仿真結(jié)果表明，RRML算法的定位精度高、擴(kuò)展性好，具有較強的魯棒性。
　?、诨跓o線傳感器網(wǎng)絡(luò)的目標(biāo)跟蹤實質(zhì)就是節(jié)點協(xié)作跟蹤的過程，通過節(jié)點間的相互協(xié)作配合，建立有效的節(jié)點管理機(jī)制從而實現(xiàn)對目標(biāo)的定位跟蹤。在目標(biāo)偵測階段，針對目標(biāo)運動

5、的不確定性和不可預(yù)測性，提出一種基于范圍預(yù)測的節(jié)點激活算法(PRSA)。PRSA算法預(yù)測目標(biāo)下一時刻可能的運動區(qū)域范圍，取代傳統(tǒng)方法預(yù)測目標(biāo)下一時的刻精確位置，減少因位置預(yù)測不準(zhǔn)確而造成目標(biāo)丟失。通過分析目標(biāo)運動狀態(tài)，激活選擇節(jié)點交集區(qū)域內(nèi)必不可少的節(jié)點對目標(biāo)進(jìn)行偵測，減少參與偵測的節(jié)點數(shù)量，保證跟蹤質(zhì)量的前提下降低網(wǎng)絡(luò)能耗。仿真結(jié)果表明，PRSA算法能明顯降低網(wǎng)絡(luò)能耗，延長網(wǎng)絡(luò)壽命。在協(xié)作跟蹤階段，提出一種基于節(jié)點協(xié)作的動態(tài)跟蹤簇構(gòu)建

6、策略，以傳感器節(jié)點與目標(biāo)間的距離和節(jié)點的剩余能量為約束條件來構(gòu)建跟蹤簇，保證網(wǎng)絡(luò)高效成簇，提高了網(wǎng)絡(luò)執(zhí)行目標(biāo)跟蹤任務(wù)的效率。
　　③針對目標(biāo)跟蹤問題，結(jié)合節(jié)點激活算法和動態(tài)成簇算法，提出一種并行擴(kuò)展卡爾曼粒子濾波算法(PEPF)。在網(wǎng)絡(luò)動態(tài)分簇模型上，PEPF算法通過簇頭將粒子集劃分為多個子集，并分配到簇內(nèi)每個簇成員節(jié)點中并行運行，并在簇頭進(jìn)行信息融合，得到目標(biāo)狀態(tài)估計。簇內(nèi)各成員節(jié)點之間不存在信息交換，只有成員節(jié)點與簇頭之間存在

7、信息交換，從而降低網(wǎng)絡(luò)通信能耗。由于粒子濾波器被分配到各節(jié)點中并行執(zhí)行，提高了粒子濾波效率和跟蹤反應(yīng)時間，避免單個節(jié)點能量過度消耗，均衡了網(wǎng)絡(luò)能耗。同時，為了避免傳統(tǒng)方法選取轉(zhuǎn)移概率密度作為重要性密度函數(shù)，使得粒子的產(chǎn)生嚴(yán)重依賴于系統(tǒng)狀態(tài)轉(zhuǎn)移模型的問題，PEPF算法利用擴(kuò)展卡爾曼濾波器來產(chǎn)生粒子濾波的重要性密度函數(shù)，加入最新觀測量，使得重要性密度函數(shù)抽樣樣本更加接近后驗概率密度產(chǎn)生的樣本，從而提高粒子濾波的效率，減弱粒子退化現(xiàn)象。仿真結(jié)