無線傳感器網(wǎng)絡(luò)數(shù)據(jù)融合與目標跟蹤研究及其應(yīng)用.pdf

1、無線傳感器網(wǎng)絡(luò)(Wireless Sensor Networks，WSN)是當(dāng)前在國際上備受關(guān)注的、涉及多學(xué)科高度交叉、知識高度集成的前沿?zé)狳c研究領(lǐng)域。無線傳感器網(wǎng)絡(luò)由部署在監(jiān)測區(qū)域內(nèi)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(wǎng)絡(luò)系統(tǒng)，其目的是協(xié)作的感知、采集和處理網(wǎng)絡(luò)覆蓋區(qū)域中的監(jiān)測對象，并將其傳送給網(wǎng)絡(luò)的使用者。同時，無線傳感器網(wǎng)絡(luò)具有價格低廉、體積小、組網(wǎng)方便靈活等優(yōu)點，可以被廣泛地應(yīng)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(zāi)等領(lǐng)域，具有重要的科研價值和廣泛的應(yīng)用前景，得到了全世界的廣泛關(guān)注，被公認為是將對21世紀產(chǎn)生巨大影響的技術(shù)之一。
　　 論文以無線傳感器網(wǎng)絡(luò)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(wǎng)絡(luò)中簇內(nèi)數(shù)據(jù)融合和節(jié)點定位以及目標跟蹤方法，遵循無線傳感器網(wǎng)絡(luò)能量優(yōu)先、數(shù)據(jù)為中心的設(shè)計要求，針對這些重點技術(shù)做了深入的研究，提出了相應(yīng)的解決方法和算法，為進一步的深入研究和應(yīng)用奠定了基

3、礎(chǔ)。論文的研究主要研究包括以下幾個方面：
　　 無線傳感器網(wǎng)絡(luò)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(wǎng)絡(luò)的測量結(jié)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(shù)值，這些數(shù)值一般只能通過經(jīng)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(yīng)的估計濾波器的測量噪聲方差參數(shù)，實現(xiàn)對傳感器采樣

4、數(shù)據(jù)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(yīng)的調(diào)整卡爾曼濾波器的參數(shù)。
　　 由于無線傳感器網(wǎng)絡(luò)是由大量傳感器節(jié)點構(gòu)成，數(shù)目龐大的網(wǎng)絡(luò)節(jié)點產(chǎn)生大量的高度冗余的感知數(shù)據(jù)流，在充分利用感知數(shù)據(jù)的基礎(chǔ)上，采用適當(dāng)?shù)臄?shù)據(jù)處理算法以適應(yīng)有限帶寬的數(shù)據(jù)傳輸是亟待解決的問題。論文研究了無線傳感器網(wǎng)絡(luò)中感知數(shù)據(jù)的融合處理方法，采用基于無線傳感器網(wǎng)絡(luò)的自適應(yīng)加權(quán)簇內(nèi)融合算法，通過建立測量方差自適應(yīng)估計和構(gòu)造判斷矩

5、陣實現(xiàn)了簇內(nèi)節(jié)點采樣數(shù)據(jù)的最優(yōu)加權(quán)，實現(xiàn)無線傳感器網(wǎng)絡(luò)節(jié)點傳感數(shù)據(jù)快速、合理的分組和自適應(yīng)加權(quán)，得到更加穩(wěn)定可靠的結(jié)果。該方法簡單、實用，提高了數(shù)據(jù)的魯棒性和準確性，同時降低了整個網(wǎng)絡(luò)內(nèi)的數(shù)據(jù)冗余度，節(jié)省了大量的網(wǎng)絡(luò)能量和網(wǎng)絡(luò)帶寬。
　　 針對無線傳感器網(wǎng)絡(luò)的數(shù)據(jù)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(shù)與多維尺度分析定位技術(shù)相結(jié)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(jié)合實現(xiàn)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(gòu)的精度；仿真結(jié)果表明，通過分簇結(jié)構(gòu)的分布式定位，減少了定位復(fù)雜度，提高了定位精度，同時提高了整個網(wǎng)絡(luò)的擴展性與魯棒性。
　　 針對無線傳感器網(wǎng)絡(luò)對運動目標跟蹤的需要，討論了一種基于無線傳感器網(wǎng)絡(luò)下的運動目標跟

7、蹤方法。論文利用傳感器網(wǎng)絡(luò)的連通性和物體運動的連續(xù)性，將運動規(guī)律預(yù)測與粒子濾波算法相結(jié)合，提出一種應(yīng)用于無線傳感器網(wǎng)絡(luò)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(yīng)時間快，能量消耗均衡，較好地解決無線傳感器網(wǎng)絡(luò)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(yīng)用研究