時(shí)間異步條件下的無(wú)線傳感器網(wǎng)絡(luò)目標(biāo)跟蹤關(guān)鍵技術(shù)研究.pdf

1、無(wú)線傳感器網(wǎng)絡(luò)目標(biāo)跟蹤技術(shù)有廣闊的應(yīng)用前景。已有的目標(biāo)跟蹤方法多采取跟蹤過(guò)程與時(shí)間同步相分離的機(jī)制，這種獨(dú)立運(yùn)行時(shí)間同步算法不可避免地增加網(wǎng)絡(luò)能耗，并且隨時(shí)間積累的同步誤差還會(huì)降低跟蹤精度。如果能夠在時(shí)間異步條件下，將時(shí)間同步操作融合于跟蹤過(guò)程，將有利于推進(jìn)無(wú)線傳感器網(wǎng)絡(luò)的實(shí)用化進(jìn)展。 為實(shí)現(xiàn)時(shí)間異步條件下的無(wú)線傳感器網(wǎng)絡(luò)目標(biāo)跟蹤，系統(tǒng)的研究了以下問(wèn)題：(1)目標(biāo)跟蹤前，節(jié)點(diǎn)自身定位過(guò)程中的測(cè)距誤差修正；(2)跟蹤過(guò)程中，在實(shí)現(xiàn)

2、時(shí)間同步和動(dòng)態(tài)成簇基礎(chǔ)上，完成分布式的粒子濾波跟蹤算法；處理目標(biāo)狀態(tài)測(cè)量為異步的情況；(3)目標(biāo)跟蹤算法的有效性驗(yàn)證。 為了提高目標(biāo)跟蹤前的節(jié)點(diǎn)自身定位精度，提出了一種基于TinyOS的TDOA測(cè)距誤差修正方法。該方法采用平均路徑溫度補(bǔ)償來(lái)減少環(huán)境溫度對(duì)超聲波速度的影響；利用字同步和時(shí)間參數(shù)補(bǔ)償技術(shù)，對(duì)操作系統(tǒng)的任務(wù)發(fā)布、命令調(diào)用和中斷處理等系統(tǒng)開銷進(jìn)行補(bǔ)償；利用最小二乘原理對(duì)測(cè)距結(jié)果進(jìn)行線性擬合，實(shí)現(xiàn)對(duì)測(cè)距結(jié)果的總體修正。誤差

3、修正方法以TinyOS為實(shí)現(xiàn)平臺(tái)，實(shí)用性強(qiáng)且簡(jiǎn)單有效。實(shí)驗(yàn)結(jié)果顯示，在有效測(cè)距范圍內(nèi)，修正后的測(cè)距誤差小于1％。 針對(duì)目標(biāo)跟蹤過(guò)程中的數(shù)據(jù)時(shí)間配準(zhǔn)需求，提出了一種內(nèi)嵌式的按需時(shí)間同步算法。算法基于“后同步”思想，時(shí)間同步操作由目標(biāo)跟蹤過(guò)程驅(qū)動(dòng)，在節(jié)省了周期性時(shí)間同步操作引起的網(wǎng)絡(luò)能耗同時(shí)，有效降低了隨時(shí)間推移遞增的同步誤差。時(shí)間同步操作以雙向報(bào)文交換為核心機(jī)制，并將同步報(bào)文內(nèi)嵌于目標(biāo)跟蹤報(bào)文，從而減少了節(jié)點(diǎn)的報(bào)文收發(fā)次數(shù)和網(wǎng)絡(luò)數(shù)

4、據(jù)通信量。通過(guò)將該算法與TPSN算法進(jìn)行比較，表明該算法具有良好同步精度，且能有效降低無(wú)線傳感器網(wǎng)絡(luò)目標(biāo)跟蹤的網(wǎng)絡(luò)通信能耗。 為解決時(shí)間異步條件下目標(biāo)跟蹤過(guò)程中的節(jié)點(diǎn)協(xié)作管理問(wèn)題，提出一種高效的動(dòng)態(tài)成簇算法。算法采用貪婪機(jī)制，首先通過(guò)RSS判斷和競(jìng)爭(zhēng)機(jī)制產(chǎn)生簇頭，然后根據(jù)目標(biāo)及簇頭的通信距離將簇頭射頻信號(hào)的覆蓋區(qū)域進(jìn)行功能劃分，并完成成員節(jié)點(diǎn)招募和狀態(tài)調(diào)整。仿真實(shí)驗(yàn)顯示，利用該方法實(shí)現(xiàn)多節(jié)點(diǎn)對(duì)目標(biāo)的高效協(xié)作跟蹤時(shí)，能有效平衡網(wǎng)絡(luò)

5、節(jié)點(diǎn)的負(fù)載，且具有良好魯棒性。 針對(duì)粒子濾波算法計(jì)算量大，難以在低計(jì)算能力的普通傳感器節(jié)點(diǎn)上運(yùn)行的問(wèn)題，提出一種并行式的粒子濾波算法(PPF)。該算法根據(jù)子節(jié)點(diǎn)數(shù)量，將濾波器粒子集劃分為多個(gè)子集，并將其分配到跟蹤簇內(nèi)的每個(gè)子節(jié)點(diǎn)上并行地進(jìn)行采樣、權(quán)重評(píng)估、重采樣和聚合參數(shù)計(jì)算。簇頭接收到子節(jié)點(diǎn)上傳的聚合參數(shù)后，完成本地狀態(tài)的估計(jì)。通過(guò)與集中式粒子濾波算法(CPF)進(jìn)行比較，該算法具有較好的跟蹤精度，對(duì)節(jié)點(diǎn)計(jì)算能力要求更低，且能有

6、效平衡節(jié)點(diǎn)間的計(jì)算負(fù)荷。 為了解決目標(biāo)跟蹤中的多傳感器異步測(cè)量問(wèn)題，提出了一種基于可信度判決的粒子濾波算法(TJ-DAPF)。首先，建立跟蹤簇內(nèi)的異步測(cè)量模型，通過(guò)引入時(shí)間異步參數(shù)對(duì)測(cè)量方程進(jìn)行修正。然后，利用密度輔助粒子濾波對(duì)參數(shù)和目標(biāo)狀態(tài)進(jìn)行聯(lián)合估計(jì)。濾波過(guò)程中，通過(guò)可信度判決對(duì)參數(shù)估計(jì)結(jié)果進(jìn)行評(píng)估，動(dòng)態(tài)決定參數(shù)估計(jì)執(zhí)行操作。通過(guò)將該算法與DAPF算法進(jìn)行比較，表明該算法在具有相近的跟蹤精度和性能的同時(shí)，計(jì)算復(fù)雜度更低，計(jì)算