無線傳感器網絡數據融合與目標跟蹤研究及其應用.pdf

1、無線傳感器網絡(Wireless Sensor Networks，WSN)是當前在國際上備受關注的、涉及多學科高度交叉、知識高度集成的前沿熱點研究領域。無線傳感器網絡由部署在監(jiān)測區(qū)域內大量的微型傳感器節(jié)點組成，通過無線通信方式自組織的形成網絡系統(tǒng)，其目的是協(xié)作的感知、采集和處理網絡覆蓋區(qū)域中的監(jiān)測對象，并將其傳送給網絡的使用者。同時，無線傳感器網絡具有價格低廉、體積小、組網方便靈活等優(yōu)點，可以被廣泛地應用于國防安全、環(huán)境監(jiān)測、交通管理、

2、醫(yī)療救護、制造業(yè)、反恐抗災等領域，具有重要的科研價值和廣泛的應用前景，得到了全世界的廣泛關注，被公認為是將對21世紀產生巨大影響的技術之一。
　　 論文以無線傳感器網絡環(huán)境下的目標信息采集處理、定位和跟蹤為研究背景，系統(tǒng)的研究了傳感器噪聲處理、網絡中簇內數據融合和節(jié)點定位以及目標跟蹤方法，遵循無線傳感器網絡能量優(yōu)先、數據為中心的設計要求，針對這些重點技術做了深入的研究，提出了相應的解決方法和算法，為進一步的深入研究和應用奠定了基

3、礎。論文的研究主要研究包括以下幾個方面：
　　 無線傳感器網絡由于受節(jié)點特性和環(huán)境的影響，傳感器測量信號中帶有的噪聲影響節(jié)點測量的準確性，甚至影響整個網絡的測量結果。針對這些問題，本文提出了一種改進卡爾曼算法的傳感器信號處理方法，由于傳統(tǒng)卡爾曼濾濾波器需要精確的過程噪聲方差和測量噪聲方差數值，這些數值一般只能通過經驗分析得到或者通過概率的方法取得其近似值，論文采用滑窗估計方法自適應的估計濾波器的測量噪聲方差參數，實現對傳感器采樣

4、數據濾波。這種方法能夠濾除傳感器本身以及采樣電路帶來的噪聲信號，同時能夠自適應的調整卡爾曼濾波器的參數。
　　 由于無線傳感器網絡是由大量傳感器節(jié)點構成，數目龐大的網絡節(jié)點產生大量的高度冗余的感知數據流，在充分利用感知數據的基礎上，采用適當的數據處理算法以適應有限帶寬的數據傳輸是亟待解決的問題。論文研究了無線傳感器網絡中感知數據的融合處理方法，采用基于無線傳感器網絡的自適應加權簇內融合算法，通過建立測量方差自適應估計和構造判斷矩

5、陣實現了簇內節(jié)點采樣數據的最優(yōu)加權，實現無線傳感器網絡節(jié)點傳感數據快速、合理的分組和自適應加權，得到更加穩(wěn)定可靠的結果。該方法簡單、實用，提高了數據的魯棒性和準確性，同時降低了整個網絡內的數據冗余度，節(jié)省了大量的網絡能量和網絡帶寬。
　　 針對無線傳感器網絡的數據信息中通常需要伴隨著位置信息，論文提出一種新型的基于錨節(jié)點分簇的節(jié)點快速定位(LAC，Location based on AnchorClustering)算法。LAC

6、算法將傳感器節(jié)點的測距技術與多維尺度分析定位技術相結合，通過以錨節(jié)點為中心劃分簇，利用多邊定位確立偽錨節(jié)點，并將偽錨節(jié)點與錨節(jié)點相結合實現了絕對坐標智能定位。算法通過以錨節(jié)點劃分簇進行節(jié)點定位，減少了測量誤差，提高了坐標重構的精度；仿真結果表明，通過分簇結構的分布式定位，減少了定位復雜度，提高了定位精度，同時提高了整個網絡的擴展性與魯棒性。
　　 針對無線傳感器網絡對運動目標跟蹤的需要，討論了一種基于無線傳感器網絡下的運動目標跟

7、蹤方法。論文利用傳感器網絡的連通性和物體運動的連續(xù)性，將運動規(guī)律預測與粒子濾波算法相結合，提出一種應用于無線傳感器網絡中運動目標跟蹤的并行粒子濾波算法，算法通過多個感知節(jié)點的運行粒子濾波算法，形成本地估計，在動態(tài)成簇的簇頭節(jié)點進行信息融合，得到運動目標的最終狀態(tài)估計。該方法跟蹤精度高，跟蹤反應時間快，能量消耗均衡，較好地解決無線傳感器網絡環(huán)境下的運動目標跟蹤問題，實驗仿真表明了算法的正確性、有效性以及精確度。
　　 作為應用研究