基于无线传感器网络的分布式处理目标跟踪系统
无线传感网络的目标跟踪技术
41网络通信技术Network Communication Technology电子技术与软件工程Electronic Technology & Software Engineering要想在大数据背景下，节省传感器节点中的能量，需要对传感器网络进行优化，积极采用网格状结构，对其中的节点整合。
当网络没有侦测事件发生的时候，其中的普通节点就会处于休眠状态。
基于此，需要对无线传感网络的目标跟踪技术进行分析，从而保证数据信息传输的有效性。
1 目标跟踪技术的发展背景无线传感网络已经成为了社会发展中的必不可少的内容，其中所涉及到的数据信息也是非常多的，这就需要加强对目标跟踪技术的有效应用，可以说目标跟踪是无线传感器网络中的主要内容之一，其可以实现对多目标的跟踪定位，其目的是确定目标的位置以及运动状态，实现对其中信息的整合[1]。
在此过程中，还涉及到了WSN 中的定位和数据融合等多种关键技术，其中的目标节点会受到多个因素的影响，并且其中数据信息的机动性以及隐蔽性也比较强。
因此，需要对多目标跟踪问题进行整合，实现在复杂环境中数据信息的准确定位。
在无线传感网络的主要内容进行分析时，发现其中的目标跟踪方法是比较多的，要想提高系统跟踪的精度，需要节省节点中的能量开销，加强对其中节点的检测，及时发现其中的问题。
2 跟踪目标中的问题2.1 跟踪精度目前，无线传感器网络中的目标跟踪技术已经在计算机发展中得到了有效应用，是其中比较常见的算法，其中的目标计算位置和实际位置之间存在一定的误差，不断提高跟踪的精确度。
在此过程无线传感网络的目标跟踪技术张天宇（北京邮电大学 北京市 100876）中，需要注意的是，其精度越高并不代表着效果就越好。
因此，要想提高目标的跟踪精确度，需要多融合一些较多的节点数据，这种方式会可以减少能量开销[2]。
2.2 跟踪能量消耗在对无线传感器网络进分析时，发现其中所跟踪的目标大都是应用于复杂的环境中，其中的节点能量消耗也是一个比较关键的问题。
无线传感器网络中的分布式目标跟踪与定位技术
无线传感器网络中的分布式目标跟踪与定位技术无线传感器网络（Wireless Sensor Networks，简称WSN）是一种由大量分布式无线传感器节点组成的网络系统。
这些节点能够感知环境中的各种物理量，并将收集到的数据通过网络传输给基站或其他节点。
WSN在农业、环境监测、智能交通等领域具有广泛的应用前景。
其中，分布式目标跟踪与定位技术是WSN中的一个重要研究方向。
目标跟踪与定位是WSN中的核心问题之一。
在许多应用场景中，需要对目标的位置进行实时监测和跟踪。
传统的目标跟踪与定位方法通常依赖于全局信息，要求节点之间进行频繁的通信，这不仅增加了能耗，还可能导致网络拥塞。
因此，研究人员提出了一系列分布式的目标跟踪与定位技术，以降低能耗并提高网络的可扩展性。
分布式目标跟踪与定位技术主要包括目标定位算法和目标跟踪算法。
目标定位算法用于确定目标的位置，而目标跟踪算法则用于跟踪目标的移动轨迹。
在WSN 中，节点通常通过测量目标到节点的距离或角度来实现目标定位。
常用的目标定位算法有多普勒测距算法、测角算法和基于信号强度的定位算法等。
这些算法可以根据不同的应用场景选择合适的方式来定位目标。
目标跟踪算法则是通过分析目标的运动特征来预测目标的下一个位置。
常见的目标跟踪算法有卡尔曼滤波算法、粒子滤波算法和扩展卡尔曼滤波算法等。
这些算法能够通过对目标的历史轨迹进行建模，从而实现对目标位置的预测和跟踪。
分布式目标跟踪与定位技术的关键问题之一是如何选择合适的节点进行目标跟踪和定位。
在WSN中，节点通常具有有限的计算和通信能力，因此需要选择一部分节点作为目标节点，负责目标跟踪和定位任务。
节点的选择可以通过节点自组织、节点自适应或节点协作等方式实现。
例如，可以通过节点之间的协作来实现目标跟踪和定位任务，即多个节点共同合作，通过相互通信和信息交换来提高目标定位和跟踪的准确性和可靠性。
此外，分布式目标跟踪与定位技术还需要考虑网络的能耗和通信开销。
基于无线传感器网络的战场目标跟踪
位 ， 了一种基于测量信息的跟踪 方法 ， 给出 方法实现简单 。性 能分析表 明 ： 出的定位跟踪 方法能有 效地 提 降低能量 消耗 ， 延长节点和网络 寿命 ， 基本可以满足战场 目标跟踪需求。
关键词 ：无线传感器网络 ；目标定位 ；目标跟踪
中图 分 类 号 ：Ｔ ３ ３ Ｐ９ 文 献标 识 码 ：Ａ 文 章 编 号 ：１０ － ７ ７ ２ ０ ）７ ０ １ ～ｏ ０ ０ ９ ８ （０ ７ ０ － １ ８ ３
（ ｐ ｒｍｅ ｔ ｆ ｌ ｔｏ ｉ Ｅ ｇｎｅｉｇａ ｄＩｆｒ ｔ ｎＳｉｎｅ Ｕ ｖ ｒｉ ｆ ｃ ｎ ｅａ ｄ Ｄｅａ ｔ ｎ ｅ ｒｎｃ ｎ ｉｅｒｎ ｎ ｏｍａｉ ｃｅ ｃ ， ｎ ｅｓ ｙｏ ｉ ｃ ｎ ｏＥ ｃ ｎ ｏ ｉ ｔ Ｓｅ Ｔ ｈ ｏｏｙｏ ｈｎ ， ｆｉ ３０ ７， ｈｎ ） ｃ ｅ ｎ ｌ ｆＣ ｉａ Ｈｅｅ ２０ ２ Ｃ ｉａ ｇ
李志刚， 屈玉贵 ， 蔺智挺 ， 刘桂英， 赵保华
（ 中国科学技术大学 电子工程与信息科学 系， 安徽 合肥 ２０ ２ ） ３ ０７
摘
要 ：基 于无线传感器 网络 ， 目标 定位跟踪应用进行 了研究 。在对 目标定位跟踪时 ， 对 如何既保证跟踪
精度 又能有效 降低 能量 消耗 ， 针对这个 问题 ， 出了一种简便 的加权 坐标质心定位 方法 ， 过对 目标 的定 提 通
Ｂａ ｔｅ ｅｄ ｔ ｒ ｅ ｒ ｃ ｉ ｇ ｂ ｓ ｄ ｏ ｒ ｌ ｓ ｔｌ ｆ ｌ ａ ｇ ｔｔ ａ ｋ ｎ ａ ｅ ｎ ｗｉｅｅ ｓ ｉ
ｓ ｎｓ ｒ ｎ ｔ ｒ ｓ ｅ ｏ ｅ ｗｏ ｋ
Ｌ ｈ—ａｇ Ｑ ｕｇ ｉ ＬＮ Ｚ ｉ ｉｇ ＬＵ Ｇ ｉ ｉｇ Ｚ Ａ ａ—ｕ Ｉ ｉ ｎ ， Ｕ Ｙ —ｕ ， Ｉ ｈ・ｎ ， Ｉ ｕ— ｎ ， Ｈ Ｏ Ｂ ｏｈ ａ Ｚ ｇ ｔ ｙ
一种面向目标跟踪的无线传感器网络分簇算法
目标跟踪 是无 线传 感 器 网络 （ Ｎ ） ＷＳ ｓ 的一 项重 要 应
用 。由于传感 器节点体积小 ， 价格低廉 ， 以及传感器网络部 署随机 ， 具有 自组织性 、 隐蔽性 和鲁棒性等 特点 ， 通过运 用 ＷＳ ｓ Ｎ 来监测某 区域 ， 能够有 效地 实现对 移 动 目标 的定 位
ｃ ｕ ｔｒｎ ｌｏ ｔ ｍ ａ ｅ ｎ ｎ ｄ ｓ ｄ ｇ ｅ ａ ｅ ｉｎ ｄ ｆ ｒ ｈ ｇ ｅ ｓｔ Ｓ ． ｈ ｌｏ ｔ ｍ ｎｒ ｄ ｃ ｄ ｔｅ ｌ ｓｅ ｇ ａｇ ｒ ｈ ｂ ｓ ｄ ｏ ｏ ｅ ’ ｅ ｒ ｅ ｗ ｓ ｄ ｓ ｅ ｉｈ ｄ ｎ ｉ Ｗ Ｎｓ Ｔ ｅ ａｇ ｒ ｈ ｉ ｔ ｕ ｅ ｈ ｉ ｉ ｇ ｏ ｙ ｉ ｏ ｃ ｎ ｅ ｔｏ ｉ ｕ ｌｎ ｅ ｗ ｉｈ Ｗ ｄ ｐ ｏ ｏ ｅ ｔ ｉ ｌｒｄ ｇ ｅ ． １ ｏ ｅ ｈ ｃ ｄ ｐ ｏ ｉ ｕ ｌｎ ｄ ｏ ｃ ｐ ｆｖ ｒ ａ ｏ ｈ ｃ ａ ｍａ ｅ ｕ ｆ ｄ ｓｗｉｌｓ ａ ｅ ｅ － ｌ ｎ ｓ ｗ ｉｈ ｍａ ｅ ｕ ｆｖｒ ａ ｏ ｅ ｔ ｄ ｓ ｎ ｌ ｍｉ ｒ Ｉｅ ｄ ｔ ｓ ｒ ｅ ｓ ｃ ｕ ｔｒ ｈ ａ ｙ ｔ ｒ ｓ ａ ｃ ｒ ｉ ｇ ｔ ｈ ｉ ｌｔ ｄｓｒ ｕ ｅ ． ｈ ｉ ｌｔ ｎ ｅ ｐ ｒｍｅ ｔｉ ｄ ｃ ｔｓ ｔ ｅ ｅ ｖ ｄ ａ ｌ ｓｅ ｅ ｄ ｂ ｕ ｎ ｃ ｏ ｄ ｎ ｏ ｔ ｅ ｔ ｍｅ ｓｏ ｉｔ ｂ ｔｄ Ｔ ｅ ｓ ｉ ｍｕａ ｉ ｘ ｅ ｏ ｉ ｎ ｎ ｉａｅ ｈ ａｇ ｒ ｈ Ｃ ｆ ｃｉｅｙ ｒ ｄ ｃ ｅ ｃｕ ｔｒ Ｓ ｒｎ ｗａ ｎ ｘ ｅ ｄ ｔ ｅ ｌ ｅｏ ｈ ｌ ｅｗ ｒ ｔ ｈ ｒ ｍｉｅ ｏ ｒ ｅ ｌｏ ｉ ｍ ａ ｅｆ ｔ ｌ ｅ ｕ ｅ ｔ ｌｓｅ ’ ｅ ｌ ｄ ｅ ｔ ｎ ｉ ｆｗ ｏｅ ｎ ｔ ｏ ｋ ａ ｅ ｐ ｔ ｎ ｅ ｖ ｈ ｅ ａ ｈ ｆ ｔ ｅ ｓ ｆｔ ｇ ｔ ａ
无线传感器网络的位置定位与跟踪
无线传感器网络的位置定位与跟踪无线传感器网络（Wireless Sensor Networks）是一种由大量分布式传感器节点组成的网络，这些节点能够通过无线通信相互连接并协同工作。
传感器网络的位置定位与跟踪是该领域的一个重要研究方向，它可以广泛应用于环境监测、智能交通、军事侦察等各个领域。
1. 引言无线传感器网络的位置定位与跟踪是指通过已部署的传感器节点获取目标节点的位置信息，并实时地追踪其运动轨迹。
由于传感器节点的资源受限以及网络环境的不确定性，传感器网络的定位与跟踪成为一个具有挑战性的问题。
本文将介绍一些常见的无线传感器网络定位与跟踪技术。
2. 基于距离测量的定位方法基于距离测量的定位方法是一种常见且有效的传感器网络定位技术。
该方法通过测量传感器节点之间的距离来推算目标节点的位置。
常见的距离测量方法包括基于信号强度的距离估计、时间差测量和角度测量等。
这些方法在定位精度和复杂度上存在差异，研究者们不断探索着如何提高定位精度和降低计算复杂度。
3. 基于信号强度的定位方法基于信号强度的定位方法是一种简单且易于实现的传感器网络定位技术。
该方法通过测量目标节点接收到的信号强度来推算其距离。
然而，由于信号在传输过程中会受到阻尼、衰减和多径效应的影响，使得基于信号强度的定位存在较大的误差。
为了克服这一问题，研究者们通常采用校准算法来提高定位精度。
4. 基于时间差测量的定位方法基于时间差测量的定位方法是一种通过测量目标节点接收到信号的到达时间差来推算其距离的传感器网络定位技术。
这种方法通常借助全球定位系统（Global Positioning System, GPS）以及同步算法来精确测量时间差。
然而，GPS在室内环境下信号弱化，导致精度下降；同时，同步算法的复杂度较高，使得该方法的应用受到限制。
5. 基于角度测量的定位方法基于角度测量的定位方法是一种通过测量目标节点和传感器节点之间的角度来推算其位置的传感器网络定位技术。
无线传感器网络中的目标跟踪算法研究
无线传感器网络中的目标跟踪算法研究无线传感器网络（Wireless Sensor Networks，WSN）是一种由大量分布式传感器节点组成的网络，用于监测和感知环境中的物理和化学变量。
目标跟踪是WSN中的一个重要应用，它通过节点之间的协作和信息融合，实时追踪环境中的目标物体。
目标跟踪算法的研究是优化WSN性能和提高目标定位精度的关键。
在无线传感器网络中，目标跟踪算法的研究涉及到多个方面，包括目标检测、目标定位和目标追踪等。
目标检测是指在感知环境中发现目标物体的过程，通过传感器节点采集环境信息，并根据预定义的目标特征对目标进行识别。
目标定位是通过多个传感器节点的测量数据对目标进行精确定位，以确定目标的位置信息。
目标追踪是通过节点之间的协作和信息融合，实时追踪目标物体的位置和运动轨迹。
针对目标跟踪算法中的目标检测问题，研究者们提出了多种方法。
传统的目标检测方法主要基于图像处理技术，通过图像处理算法对采集的图像进行分析和处理，以发现目标物体。
然而，由于无线传感器网络中的节点资源有限，传统的图像处理方法在算力和能耗方面都存在较大的问题。
因此，研究者们不断提出针对无线传感器网络的目标检测算法。
近年来，随着深度学习技术的兴起，基于深度学习的目标检测算法逐渐成为研究热点。
深度学习算法通过构建深层神经网络模型，利用大量的数据进行训练和学习，能够自动提取图像中的特征。
在无线传感器网络中，深度学习算法可以通过节点之间的协作，使用分布式的方式进行目标检测，并将检测结果传输给监控中心。
这种算法不仅能够提高目标检测的准确性，还能够降低通信能耗，提高网络的生存时间。
除了目标检测，目标定位也是目标跟踪算法中的重要问题。
目标定位算法通过节点之间的通信和信息融合，利用测量数据对目标进行定位。
在传感器节点资源有限的情况下，研究者们提出了许多有效的目标定位算法。
一种常见的方法是利用多智能体系统进行目标定位。
多智能体系统是一种由多个智能体节点组成的系统，节点之间可以通过通信和协作来实现任务目标。
基于无线传感器网络的移动目标跟踪系统研究
２ ０ １ ４ 年０ ２ 月
压
电
与
声
光
Ｖ０ １ ． ３ ６ Ｎｏ ． １
Ｆ ｅ ｂ ．２ ０ １ ４
Ｐ Ｉ Ｅ ＺＯＥＩ ＥＣＴＲＩ ＣＳ ＆ ＡＣ０ＵＳ Ｔ００Ｐ ＴＩ Ｃ Ｓ
文章编号 ： １ ０ ０ ４ — ２ ４ ７ ４ （ ２ ０ １ ４ ） ０ １ — ０ １ ４ ７ — ０ ３
ｃ ａ ｔ ｉ ｏ ｎ，ｂ ｕ ｔ ａ ｌ ｓ ｏ ｍｅ ａ ｓ ｕ ｒ ｅ ｔ ｈ ｅ ｒ ａ ｄ ｉ ａ ｌ ｖ ｅ ｌ ｏ ｃ ｉ ｔ ｙ ｔ ｈ ｒ ｏ ｕ ｇ ｈ ｔ ｈ ｅ Ｄｏ ｐ ｐ ｌ ｅ ｒ ｅ ｆ ｆ ｅ ｃ ｔ ．Ｈｏ ｗｅ ｖ ｅ ｒ ，ｔ ｈ ｅ ｃ ｏ ｎ ｖ ｅ ｎ ｔ ｉ ｏ ｎ ａ ｌ ｒ ａ ｄ ａ ｒ ｓ ｉ ｇ ｎ ａ ｌ ｐ ｒ ｏ — ｃ ｅ ｓ ｓ ｉ ｎ ｇ ｔ ｅ ｃ ｈ ｎ ｉ ｑ ｕ ｅ ｓ ａ ｎ ｄ ｔ ｈ ｅ ｌ ｉ ｍｉ ｔ ｃ ａ ｌ ｃ ｕ ｌ ａ ｔ ｉ ｏ ｎ ｄ ｏ ｎ ＇ ｔ ｍａ ｔ ｃ ｈ ｔ ｈ ｅ ｓ ｔ ｏ ｒ ａ ｇ ｅ ｒ ｅ ｓ ｏ ｕ ｒ ｃ ｅ ｓ ｏ ｆ ｔ ｙ ｐ ｉ ｃ ａ ｌ ｗｉ ｒ ｅ ｌ ｅ ｓ ｓ ｓ ｅ ｎ ｓ ｏ ｒ ｐ ａ ｒ ｔ ｉ ｃ ｌ ｅ ．Ｂ ｙ ｕ ｓ ｉ ｎ ｇ ｍｉ ｎ ｉ ａ ｔ ｕ ｒ ｅ ｐ ｕ ｌ ｓ ｅ Ｄｏ ｐ ｐ ｌ ｅ ｒ ｒ ａ ｄ ａ ｒ ｓ ａ ｓ ｔ ｈ ｅ ｓ ｅ ｎ ｓ ｏ ｒ ｎ ｏ ｄ ｅ ｓ ，ｔ ｈ ｅ ｃ ｏ ｍｐ ａ ｔ ｉ ｂ ｉ ｌ ｉ ｔ ｙ ｏ ｆ ＰＤＲ ｗｉ ｔ ｈ ｍｉ ｎ ｉ ａ ｔ ｕ ｒ ｅ ｗｉ ｒ ｅ ｌ ｅ ｓ ｓ ｓ ｅ ｎ ｓ ｏ ｒ ｎ ｏ ｄ ｅ ｓ ｈ ａ ｓ ｂ ｅ ｅ ｎ ｓ ｔ ｕ ｄ ｉ ｅ ｄ ｔ ｈ ｒ ｏ ｕ ｇ ｈ ｔ ｈ ｅ ｄ ｅ ｓ ｉ ｇ ｎ ｏ ｆ ａ ｎ ｅ ｗ ｔ ａ ｒ ｇ ｅ ｔ ｔ ｒ ａ ｃ ｋ ｉ ｎ ｇ ｓ ｙ ｓ ｔ ｅ ｍ．Ｔｈ ｉ ｓ ｓ ｙ ｓ ｔ ｅ ｍ ｉ ｓ ｃ ｏ ｍｐ ｏ ｓ ｅ ｄ ｏ ｆ ｓ ｅ ｖ ｅ ｒ ａ ｌ Ｐ ＤＲ ｓ ｅ ｎ ｓ ｏ ｒ ｎ ｏ ｄ ｅ ｓ ｔ ｏ ｄ ｅ ｔ ｅ ｃ ｔ ｔ ｈ ｅ ｐ ｒ ｅ ｓ ｅ ｎ ｃ ｅ ａ ｎ ｄ ｐ ｏ ｓ ｉ ｔ ｉ ｏ ｎ ｏ ｆ ｔ ｈ ｅ ｍｏ ｖ ｉ ｎ ｇ ｔ ａ ｒ ｇ ｅ ｔ ，ｏ ｎ ｅ ｂ ａ ｓ ｅ ｓ ｔ ａ ｔ ｉ ｏ ｎ ｎ ｏ ｄ ｅ ｉ ｓ ｕ ｓ ｅ ｄ ｔ ｏ ｃ ｏ ｌ ｌ ｅ ｃ ｔ ｔ ｈ ｅ ｄ ｅ —
无线传感器网络的目标跟踪算法
无线 传 感 器 网络 的 目标 跟 踪 算 法
陈凤 娟
（ 辽宁对外 经贸学院 ， 辽宁大连
［ 摘
１ １ ６ ０ ５ ２ ）
要］ 无线传感器 网络有着广泛的应 用 ， 是一个重要的研 究领域 。在 无线传感 器网络 的各个研 究方向 中 ， 目标
跟踪是 一个重－ Ｊ ｔ － ￣ 究内容 ， 是很 多研 究方向的基础。无线传感 器网络 中的 目标跟踪 的方法很 多， 各种 算法都有 自己的 优 点和缺 点。本文 首先介绍 了无线传感器 网络的基本概念 ， 然后分析 各种跟 踪算法的特 点， 提 出一种跟踪算法 的方案 ，
并对未来的研 究做 出展望。
［ 关键 词］ 无线传 感器网络 ； 节点 ； 目标丢失 ； 目标跟踪 ； 能量 消耗 ［ 中图分类号 ］Ｇ ６ ４ ２ ［ 文献标识码 ］Ａ ［ 文章编号 ］１ ６ ７ １ －５ ９ １ ８ （ ２ ０ １ ３ ） １ １ － ０ １ １ １ － ０ ２ ［ 本刊 网址 ］ｈ ｔ ｔ ｐ ： ／ ／ ｗ ｗ ｗ ． ｈ ｂ ｘ ｂ ． ｎ ｅ ｔ 时间窗 口内， 目标 匀速直线运 动 ， 采用 不同 的权 值计算 方式来 建立不 同的跟踪 方案 。该算法 的优 点是没使 用 网络 中的所有 节 点， 降低 了 网络 能耗 ， 存 在的不 足是 不同 的权 值方案 增加 了 网络消耗 ， 跟踪精度虽 然 比 Ｃ Ｔ Ｂ Ｄ跟踪 算法有 一 定 的提高 ， 但 是仍然不是很好 。 Ｓ Ｔ Ｕ Ｎ算 法把整个 网络 中的传感节点按功能不 同划 分成树 形结构 ， 汇聚节点为树根 ， 其他节 点为树叶和树枝 ， 树 叶负责 目 标监测 ， 树根 负责计算 目标位置 。Ｓ Ｔ Ｕ Ｎ跟踪 算法 的优点 是机 制简单 、 信 息的融合 比较好 、 发 送信 息量小 、 路 由信息 明确 ， 它 的缺点是 网络能力耗费很大 ， 网络 的稳定性也较差 。 Ｄ Ｃ Ｓ算法根据 目标的边界形成相 应数量 的簇 ， 使用簇 头节 点收集边界节点发送过来 的信息 ， 最后传送 到汇聚节 点 。Ｄ Ｃ Ｓ 算法 的优点是能用簇动态的跟踪 目标边界 ， 不 足是簇 头节 点的
基于现代无线传感器网络的目标跟踪算法
王的 ， 传送树结构是一种 由移动 目标附近的节点组成 的动态树型结 构， 并且 会随着 目标的移动动态地 添加或者删 除一些节点 ， 首先保 证高效性而且可节省 时间和开销 。 但是需要动态融合计算所 以能量 消耗 比较大 ， 所 以要选取合适的融合节点 。 ２ ． ２ 现代 无 线传 感器 目标 追踪 的原理 和 方法 （ １ ） 在 目标节点位置 附近活动是 ， 可 以通过多种方式获得节点 和 目标位置关系的信息 ， 有距离和方 向等关系 。 测量距离的方法很 多， 比如 测量 目标 发出信号的能量强度 ， 信号 之前传播 的条件和外
１ 现 代 无线传 感器 网络的 结构
１ ． １现 阶段 无线 传感 器 网络 无线传感器 的三个重要要素分别是 ： 传感器 、 感知对象和观察 者。 通过无线通信方式形成 的一个多跳 的 自组 织的网络系统。 １ ． ２传 感 器 网络 的体 系结构 大规模布放的无线传感器 网络 ， 节点通过飞机撒播 、 机器投射 等方式 ， 大 规模 的监 测 对 象 内部 和 周 围 的信 息 ， 有着 广 阔 的覆 盖 领 域， 无 线 传感 器 网 络 的一 个 典 型 体 系 结 构包 括 了传 感 器 节 点 、 汇 聚 节点、 Ｉ ｎ ｔ ｅ ｍｅ ｔ或通信卫 星、 任务管理节点 以及观察对象可 以实现 监测区域 内任意地点 、 任意时间的信息采集 、 处理和分析 ， 最终通过 Ｉ ｎ ｔ ｅ ｒ ｎ ｅ ｔ 或者通过卫星讲这些传感器网络与任务管理节点通信， 对 任意 区域监测 到的数据进 行高效处理 ， 然后整合数据提供 给使 用
通 信技 术
基于现代无线传感器 网络的 目标跟踪算法
曹 亚君 袁 继 荣 源自（ 商丘 职业技 术 学 院 河 南商 丘 ４ ７ ６ ０ ０ ０ ）
无线传感器网络节点操作系统TinyOS综述
无线传感器网络（Wireless Sensor Networks，WSN）是现代传感技术和无 线通信技术的结合体。在WSN中，大量的低功耗、低成本、紧凑型传感器节点以 自组织和多跳的方式进行通信，收集和处理环境信息，以实现各种应用，如环境 监测、军事侦察、智能家居等。为了有效管理和协调这些节点，需要一个相应的 操作系统。TinyOS就是一种专为WSN设计的开源、分布式、事件驱动的操作系统。
通信机方面，TinyOS支持多种无线通信协议，如ZigBee、IEEE 802.15.4 等。它采用了轻量级的通信协议栈，实现了高效、可靠的无线通信，并降低了功 耗。
TinyOS应用程序开发
使用TinyOS开发应用程序需要对TinyOS的编程模型有一定的了解。TinyOS 应用程序的基本结构包括硬件配置、任务定义、事件处理和通信协议等几个部分。
TinyOS内核分析
TinyOS的内核主要包括任务管理、内存分配和通信机制等几个部分。
任务管理方面，TinyOS采用了基于任务的调度模式，每个任务都有自己的优 先级和调度参数。系统根据任务的优先级和调度参数动态地调度任务执行，同时 通过任务间的同步和通信机制来实现协同工作。
内存分配方面，TinyOS采用了静态内存分配方式，每个任务都有自己的内存 空间，避免了对全局内存的竞争访问，提高了系统的效率和可靠性。
3、AI集成：人工智能技术在无线传感器网络中的应用前景广阔。未来 TinyOS可以集成AI算法和模型，实现对传感器数据的智能分析和处理，提高无线 传感器网络的智能化水平。
4、低功耗优化：低功耗一直是无线传感器网络追求的重要指标之一。未来 TinyOS可以通过进一步优化事件驱动机制、节能策略等方面来降低节点功耗，延 长网络寿命。
TinyOS操作系统的实现机制
一种基于无线传感器网络的目标跟踪调度算法
网络 ， 实现 自动地对 移动人 物 进行 跟踪 、 定位 和识别 ， 收集
０ 引言
随着 社 会 生 活 水 平 的 提 高 ， 视频 监控 网络 广 泛 应 用 于
相 应 的视 频 。
任何调度策略的 目标都是尽量处 理更多 的网络覆盖 区域 的人物 』获取视频 资料信息 不仅 可 以避 免事件 发生 并且可 ， 以用于事后的调查取证 ， 其考虑的问题是在平衡协作中如何更 好地配置和利用资源为识别工作提 供条件 。因此本 文在综合 无线传感器网络的 自身特性 和监控 系统 功能扩展清 晰度要求 的基础上 ， 通过应用摄像 头运 动原 理 ， 一个给定 的感 知集合 在
（ ． ｏｅｅｆＩ ｏｍ ｔ ｎＥ ｇｎｅｉ Ｃ ｐｔｌ ｏｍａ Ｕ ｉ ｒｔ， ｅｉｇ１０ ４ ，Ｃ ｉａ ． ｌ—ｅ ｉ Ｌｂ Ｉｓｔｔｏ Ｓｆｗ ｒ， ｈｎｓ １Ｃ ｌｇ ｎ ｒ ａｉ ｎ ｉ ｒ ｇ， ａｉ ｒ ｌ ｎｖ ｓｙ Ｂｉｎ ０ ０ ８ ｈｎ ；２ Ｍｕｔｍ ｄａ ａ ， ｎｔｕｅ ｏ ａｅ Ｃ ｉ ｅ ｌ ｏ ｆ ｏ ｅ ｎ ａＮ ｅｉ ｊ ｉ ｉ ｔ ｆ ｅ
Ａａ ｅ ｙｏ ｃｎｅ， ｅｉ ０ ０ ０ ｈｎ ） ｃｄｍ ｉ ｃｓ Ｂ ｉｎ １０ ８ ，Ｃ ｉａ ｆＳ ｅ ｊｇ
Ａｂｓｒ ｃ ： Ｔｈ ｃ ｅ ｕｌ ｃ ｅ ｆｔ Ｐｖ ／Ｉ ｖ ｈ ｂ ｄ ｅｗｏ ｋ ｖｄ ｏ ｓ ｒ ｅｌａ ｃ ｓ ｓｅ ｂ ｓ ｄ ｏ ｒ ｌｓ ｅ ｓ ｒｎｅ— ｔａ ｔ ｅ ｓ ｈ ｄ ｉ ｓ ｈ ｍｅ ｏ ｈｅ Ｉ ４ Ｐ ６ ｙ ｒ ｎ ｔ ｒ ｉｅ ｕ ｖ ｉｌｎ ｅ ｙ ｔｍ ａ ｅ ｎ ｗｉｅｅ ｓ ｓ ｎ ｏ ｔ ｎｇ ｉ ｗｏ ｋ ａ ｆｅ ｔｖ ｌ ｎｈ ｎ ｅ ｉｔ ｌ ｇ ｎｔｃ ｎｒ ｌ ｆｔ ｅ ｓ ｓｅ ． ｉ ｐｅ ｏ ｓｄ ｒ ｄ ｔ ｅ ｔ ｒ ｓｏ ｒ ｌｓ ｅ ｓ ｒｎ ｔ ｒ ， ｒ ｓ ｃ ｎ ｅｆｃｉｅ ｙ ｅ ａ ｃ ｎ ｅｌ ｅ ｏ ｔｏｓｏ ｈ ｙ ｔｍ Ｔｈｓｐａ ｒｃ ｎ ｉｅ ｅ ｈｅｆａ ｕ ｅ ｆｗｉｅｅ ｓｓ ｎ ｏ ｅｗｏ ｋｓ ｉ
智能交通系统中的车辆跟踪算法
智能交通系统中的车辆跟踪算法智能交通系统（Intelligent Transportation System，简称ITS）是运用现代通信、计算、控制和电子技术，以及现代交通管理理论和方法进行交通管理和服务的系统。
在智能交通系统中，车辆跟踪算法扮演着重要的角色，可以对道路上的车辆进行实时定位和跟踪，提供大量的交通数据用于实时交通监测和管理。
本文将重点介绍智能交通系统中常用的车辆跟踪算法。
一、基于视频的车辆跟踪算法基于视频的车辆跟踪算法是通过对交通监控摄像头拍摄的视频进行处理，提取视频中的车辆信息，并对车辆进行跟踪。
这种算法通常包括以下几个步骤：1. 车辆检测：通过图像处理和目标检测技术，对视频中的车辆进行检测和定位。
常用的车辆检测算法包括基于颜色、纹理和形状等特征的检测方法。
2. 车辆特征提取：在车辆检测的基础上，对检测到的车辆进行特征提取。
常用的特征包括车辆的尺寸、形状、运动特征等。
3. 车辆跟踪：利用车辆的特征，在不同的视频帧中进行车辆的跟踪。
常见的跟踪算法包括基于卡尔曼滤波器的跟踪方法、基于粒子滤波器的跟踪方法等。
基于视频的车辆跟踪算法具有较高的准确性和可靠性，但对计算资源和算法实时性要求较高。
二、基于全球定位系统（GPS）的车辆跟踪算法基于全球定位系统的车辆跟踪算法通过车辆携带的GPS设备获取车辆的位置信息，实现对车辆的实时跟踪。
这种算法的主要步骤包括：1. GPS数据采集：通过车辆上的GPS设备，获取车辆的位置信息。
GPS设备通常以一定的频率采集车辆的位置数据。
2. 数据处理：对采集到的GPS数据进行预处理，包括数据过滤、噪声处理等。
此外，还可以采用数据插值等方法提高数据的时空分辨率。
3. 轨迹重建与跟踪：通过GPS数据，重建车辆的轨迹，并进行车辆的跟踪。
常用的方法包括基于卡尔曼滤波器的轨迹预测和滤波算法、基于历史轨迹匹配的车辆跟踪方法等。
基于全球定位系统的车辆跟踪算法可以实现对车辆的实时跟踪，但受GPS精度和设备更新速率等因素的限制。
基于NS-3仿真平台的无线传感器网络路由算法性能分析
基于NS-3仿真平台的无线传感器网络路由算法性能分析无线传感器网络（Wireless Sensor Networks, WSNs）是由大量低成本的无线传感器节点组成的自组织、分布式的网络系统。
这些节点能够以无线电的形式进行通信，并通过协作来完成各种任务，如环境监测、目标跟踪、军事侦察等。
无线传感器网络具有自组织性、自适应性和自愈性等特点，因此广泛应用于农业、环保、交通、安防等领域。
而无线传感器网络中的路由算法对网络性能有着重要的影响，因此研究和优化路由算法是提升无线传感器网络性能的关键。
NS-3（Network Simulator 3）是一个广泛应用于无线网络研究的开源仿真平台。
它提供了一系列用于模拟和分析网络协议性能的工具和库。
NS-3可以模拟不同类型的网络，包括无线传感器网络。
在NS-3中，我们可以使用不同的路由算法来模拟无线传感器网络，并对其性能进行分析。
在无线传感器网络中，节点通常使用最小功率以节约能量，并且通过多跳传输来达到目标节点。
因此，路由算法需要选择合适的路径和节点，以最小化能量消耗和延迟，并提高网络吞吐量。
以下是几种常见的无线传感器网络路由算法：1. 集中式路由算法：集中式路由算法由中心节点负责网络拓扑发现、路径选择和能量管理。
这种算法的优点是能够快速适应网络拓扑的变化，并通过全局知识选择最佳路径。
然而，由于需要全局信息，集中式路由算法通常会带来更高的通信和计算开销。
2. 分布式路由算法：分布式路由算法通过利用节点之间的局部信息来进行路径选择和能量管理。
这种算法的优点是分布式决策，不需要全局信息，并且具有较低的通信和计算开销。
但是，分布式路由算法需要更长的时间来适应网络拓扑的变化，并且可能会导致不完全优化的路径选择。
3. 距离向量路由算法：距离向量路由算法通过节点之间的距离向量更新来选择最短路径。
每个节点维护一个距离向量表，并根据相邻节点的更新来更新自己的距离向量。
然而，距离向量路由算法容易发生路由环路和计数到无穷的问题，需要引入一些机制来解决这些问题。
一种基于无线传感器网络的分布式目标跟踪算法
，
间 隔 。ｉ ｉ ２Ｓ 。 ＝（ ｓ ｓ Ⅵ，
， ） ’ ， 可 以将 运动 方程 （ １ ） 和（ ２ ） 改 写为
Ｓ ＝Ｆ Ｓ １ ＋
一
， 一 Ｎ（ Ｏ ， Ａ Ａ ）
（ ３ ）
鼽
¨ 。
因此 ， 目标的移动可由上述 的线性高斯运动模型描述。
波形成对移动 目 标位置 的本地估计 。随着 目 标 的移 动 ， 本地估计 在簇头 节点 间传递 。仿 真结果表 明 ， 基 于无
线传感器 网络 的分 布式 目标跟踪算法 在精度 、 收敛性和实时 陛等方面达到很好的跟踪效果 。
关键词 ： 无线传感器网络 ； 目标跟踪 ； 扩展卡尔曼滤波
中 图分 类 号 ： Ｔ Ｐ ３ ９ ３ 文献 标 志 码 ： Ａ 文 章 编 号 ：１ ６ ７ ２ － ７ ９ ８ ３ （ ２ ０ １ ３ ） ０ １ － ０ ０ ３ ３ － ０ ４
河北科技师范学院学报
第２ ７卷第 １期 ， ２ ０ １ ３年 ３月
Ｊ ｏ ｕ ｎａ ｒ ｌ ｏ ｆ Ｈｅ ｂ ｅ ｉ Ｎ ｏ ｒ ｍａ ｌ Ｕｎ ｉ ｖ ｅ ｒ ｓ ｉ ｔ ｙ ｏ ｆ Ｓ ｃ ｉ ｅ ｎ ｃ ｅ＆ Ｔ ｅ ｃ ｈ ｎ ｏ ｌ ｏ ｇ ｙ Ｖｏ １ ． ２ ７ Ｎ ｏ ． １ Ｍａ ｒ ｃ ｈ．２ ０１ ３
＝ｇ （ Ｓ ， Ｓ ）＋
无线 传感 器 网络 （ Ｗｉ ｒ ｅ ｌ ｅ ｓ ｓ Ｓ ｅ ｎ ｓ ｏ ｒ Ｎ ｅ ｔ ｗ ｏ ｒ ｋ ｓ ， ＷＳ Ｎ） 是 由大量 部 署 在 监测 区域 的传 感 器 节点 组成 ， 通
过无线通信方式形成的一个多跳 自组织 网络系统， 协作感知、 采集和处理相关监汉 ０ 信息…。ＷＳ Ｎ的一 项基本功能是对监测区域中的特定物理 目 标进行跟踪。由于 ＷＳ Ｎ节点体积小 ， 价格低廉 ， 采用无线通 信方 式 ， 以及 网络部 署 随机 ， 具 有 自组织 性 、 鲁 棒性 和 隐蔽 性 等特 点 ， 因此 ＷＳ Ｎ非 常 适合 于 移 动 目标 的 跟踪 Ｊ 。从概率角度分析 ， 基于 ＷＳ Ｎ的移动 目标跟踪问题 即为根据 Ｗ Ｓ Ｎ顺序接收到的特定观测量， 连续地对 目标位置进行估计的问题 。其过程通常包括 目标侦测、 距离测算和 目标定位 ３ 个主要 阶段。 目 标侦测阶段 ， ＷＳ Ｎ节点可选择红外 、 超声、 震动等技术根据侦测信号来判断移动 目 标是否出现。距离 测算阶段 ， 当 ＷＳ Ｎ节点获得侦测信号后根据观测量估算其到移动 目 标之间的距离或方位信息。目标定 位阶段， ＷＳ Ｎ节点利用获得的距离或方位信息互相协作 ， 采用节点定位技术 ， 确定移动 目 标 的位置。由 于 目标 跟踪 系 统常 为非 线性 系统 ， 本 研究 提 出基 于 扩展 卡 尔曼 滤 波 （ Ｅ ｘ ｔ ｅ ｎ ｄ ｅ ｄ Ｋ ａ ｌ ｍ ａ ｎ Ｆ ｉ ｌ ｔ ｅ ｒ ， Ｅ Ｋ Ｆ ） 的 分布式跟踪算法 。从仿真结果来分析 ， 该算法达到很好的跟踪效果 ， 十分适合于对精度和实时性要求较 高 的 Ｗｓ Ｎ 中 目标跟 踪应 用 领域 。
无线传感器网络分布式多目标跟踪算法研究
ｐ ｒｉｌ ｌｅ ｏ ａ ｈ ｔ ｒｅ ． ｈ ｎ ｏ ｅ ｔｒｅ ｓｆ ｒｆｏ ｔ ｅ ｏｈ ｒ ｉ ｉ ｒ ｃ ｅ ｙ ｉ ｒｉｌ ｌｒａ ｉ ｇｅｔ ｒ ｅ ａｔｃｅ ｆ ｔｒｆｒｅ ｃ ａ ｇ ｔ Ｗ ｅ ｎ ａ ｇ ｔｉ ａ ｒ ｍ ｈ ｔｅ ｓ，ｔ ｓｔａ ｋ ｄ ｂ ｔ ｐａ ｃｅ ｆ ｅ ｓｓｎ ｌ ａｇ ｔ ｉ ｓ ｔ ｉ
ｔａ ｋ ｎ ． ｗｅ ｅ ， ｅ ｏ ａ ｇ ｔ ｒ ｌ ｓ ｏ ｅ ｃ ｔ ｅ ，ｈ ｌｏ ｔ ｍ ａ ｒｃ ｈ ｍ ｉｔｉ ｕ ｅ ｌ ｙ ｔｅｒ ｒｃ ｉ ｇ Ｈｏ ｖ ｒ ｗｈ ｎ ｓ ｍｅ ｔｒ ｅｓ ａｅ ｃｏ ｅ ｔ ａ ｈ ｏｈ ｒ ｔ ｅ ａｇ ｒ ｈ ｃ ｎ ｔａ ｋ ｔ ｅ ｄ ｓｒｂ ｔｄ ｙ ｂ ｈ ｉ ｉ
第２ ４卷 第 ２期
２１ ０ １年 ２月
传 感 技 术 学 报
Ｃ ＮＥ Ｅ Ｊ ＲＮ Ｆ Ｓ Ｎ Ｏ ＮＤ ＡＣ Ｕ ＯＲＳ ＨＩ Ｓ ＯＵ ＡＬ Ｏ Ｅ Ｓ ＲＳ Ａ Ｔ ＡＴ
Ｖ０ ． ４ Ｎｏ ２ １２ ．
Ｆ ｂ． ０ｌ ｅ ２ ｌ
Ｄｉｔ ｉ ｕ ｅ ｕ ｔ・ ｒ ｅ ａ ｋ ｎ ｎ Ｗ ｉ ｅｅ ｓ Ｓ ｎ ｏ ｔ ｒ ｓｒ ｂ ｔ ｄ Ｍ ｌ Ｔａ ｇ ｔＴｒ ｃ ｉ ｇ ｉ ｒ ｌ ｓ ｅ ｓ ｒ Ｎｅ ｗｏ ｋ ｉ
无线智能传感器网络中的目标跟踪算法研究的开题报告
无线智能传感器网络中的目标跟踪算法研究的开题报告一、研究背景及意义随着无线通信与计算机技术的不断发展，智能传感器网络（Wireless Sensor Network，WSN）成为了研究热点之一，该技术已经被广泛应用于智能家居、环境监测、智能交通等领域。
WSN系统由多个节点组成，节点之间可以相互通信，通过自组织的方式实现协同工作。
对于WSN中的目标跟踪问题，其研究意义主要体现在以下方面：1. 提高传感器节点的感知能力。
目标跟踪算法可以提高传感器节点的感知能力，从而实现对目标的精准跟踪。
2. 提高传感器网络的协同工作能力。
目标跟踪算法可以实现节点之间的数据共享和信息协同，进一步提高传感器网络的协同工作能力。
3. 实现智能化的物联网系统。
WSN是物联网系统的重要组成部分，目标跟踪算法可以为物联网系统提供更加智能化的服务。
因此，对于无线智能传感器网络中的目标跟踪算法，其研究具有重要应用价值。
二、研究现状及不足目前，WSN中的目标跟踪算法研究已经取得了不少进展。
传统的目标跟踪算法主要包括Kalman滤波和粒子滤波等，这些算法已经被广泛应用于WSN系统中。
随着WSN的应用场景越来越广泛，一些新的目标跟踪算法也被提出，例如基于深度学习的目标跟踪算法以及协同定位和地图构建算法等。
但是，当前WSN中的目标跟踪算法还存在以下不足：1. 研究成果缺乏实际应用验证。
目前，WSN中的目标跟踪算法研究大多停留在理论探索阶段，缺乏实际应用验证。
这导致一些算法在实际应用中存在很多问题，无法实现预期的效果。
2. 能耗问题。
WSN是一种资源受限的系统，节点的能耗一直是WSN研究中的热点问题。
目标跟踪算法的研究也需要考虑如何降低能耗，以提高系统的使用寿命。
3. 系统安全问题。
WSN的安全问题一直是WSN研究中的热点问题，而目标跟踪算法往往需要传输一定量的数据，因此需要考虑如何保证系统的安全性。
三、研究内容及方法为了解决上述WSN中的目标跟踪算法存在的问题，本研究将从以下几个方面开展研究：1. 设计高效的目标跟踪算法。
物联网中的无线传感器网络技术
物联网中的无线传感器网络技术是一种非常重要的技术，它能够让大量的传感器相互协作，实时监测和采集网络覆盖区域内的各种信息，如温度、湿度、噪声、光强度、压力等，并将这些信息传送给用户。
以下是一些无线传感器网络技术的特点：
1. 无线通信：传感器之间的通信主要采用无线通信技术，如ZigBee、LoRa、NB-IoT等。
这些技术具有低功耗、低成本、高可靠性和高安全性等特点，非常适合于物联网应用。
2. 传感器集成：无线传感器网络技术可以集成各种传感器，如温度传感器、湿度传感器、气体传感器等，能够实时监测环境中的各种参数，并传送给用户。
3. 分布式处理：无线传感器网络技术可以实现分布式处理，即多个传感器可以协作完成某些任务，如目标跟踪、环境监测等。
这种技术能够提高系统的灵活性和可靠性。
4. 低功耗：无线传感器网络技术具有低功耗的特点，能够让传感器在较长时间内持续工作。
这使得无线传感器网络技术在能源有限的场景中具有很大的应用价值。
5. 自组织网络：无线传感器网络技术具有自组织网络的能力，能够在没有人工干预的情况下自行组织网络，如重新配置网络拓扑、修复网络故障等。
总之，无线传感器网络技术是物联网中非常重要的技术之一，它能够实现环境监测、智能交通、智能农业、智能家居等领域的应用，为人们的生活带来便利和智能化。
基于传感器网络的多目标跟踪和特征管理方法
布 式 地 管 理
收 稿 日期 ：０ ２ ０ — ６ ２ １— ３ ０
４ ４－
稿 件 编 号 ：０ ２ ３ ４ ２ １０ ０ ４
感 器 网络 中进 行 实 现 。对 于 每 一个 传 感 器 ， Ｍ Ｉ 中 的 多 目 Ｄ ＴＭ
作 者 简 介 ： 鼎 元 （ ９ ４ ） 男 ， 川郫 县 人 ， 士 ， 理 工 程 师 。 研 究 方 向 ： 电 跟 踪 与 图像 处理 。 王 １８ 一 ， 四 硕 助 光
１ 分 布 式 多 目标 跟 踪 和 特 征 管 理
文 中研 究 重 点 是 传 感 器 网络 中 多 目标 的 跟 踪 和 特 征 管
理 方 法 。每 个 传 感 器 拥 有 自 己 的观 测 区域 ， 拥 有 与 其 邻 近 且 传 感 器 通 信 的 能 力 。 如 图 １ 示 一 个 简 单 的二 传 感 器 的 系 所 统 ， 圆 圈代 表传 感 器 的 观 测 区 域 。每 个 传 感 器 能 够 对 多 目 大 标 进 行 跟 踪 并 在 观测 区域 内管 理 目标 特 征 。 问题 的难 点 在 该 于 观 测 区域 内 目标 的数 量 会 随 时 间 而 变 化 ． 此 我 们 必 须 寻 因 求 一 种 可 扩 展 的 ， 相 邻 传 感 器 中具 有 本 地 一致 性 的方 法 。 在
ａ ｎ ｅｇ ｂ ｒ ｇ ｓ ｎ ｏ ｓ ｍｏ ｇ ｎ ｉｈ ｏ ｎ ｅ ｓ ｒ．ＤＭＴ Ｍ ｎ ｇ ｓ ｉ ｅ ｔ ｉ ｓ ｏ ａ ｇ ｔ ｂ ｎ ｏ ｏ ａ ｉ ｇ ｌｃ ｎ ｏｍａ ｉｎ ａ ｄ ｍａ ｎ ａｎ ｏ ａ ｉ Ｉ ｍａ ａ ｅ ｄ ｎ ｉ ｅ ｆ ｔｒ ｅｓ ｙ ｉ ｃ ｒ ｒ ｔ ｏ ａ ｉ ｒ ｔ ｏ ｎ ｉ ｔｉ ｓ ｌｃ ｌ ｔ ｐ ｎ ｌ ｆ ｃ ｎ ｉｔｎ ｙａ ｎ ｅｇ ｂ ｒ ｇ ｓ ｎ ｏ ｒ ｕ ｈ ｉ ｆｒ ａ ｉｎ ｆ ｓｏ ． ｉ ａｌ ， ｈ ｘ ｅ ｍｅ ｔ ｌｏｐ ｖ ｓｔ ａ ｕ ｈ ｍｅｈ ｄ ｃ ｕｄ ｏ ｓｓ ｃ ｍｏ ｇｎ ｉｈ ｏ ｎ ｅ ｓ ｒ ｔ ｏ ｇ ｏ ｅ ｉ ｓ ｈ ｎ ｍ ｔ ｉ ｎ Ｆ ｎ ｌ ｔ ｅ ｅ ｐ ｒ ｎ ｓ ｒ ｅ ｔ ｓ ｃ ｔ ｏ ｏ ｌ ｏ ｕ ｙ ｉ ａ ｏ ｈ ｔ ｃ ｌ ｐ ｅｔ ｒ ｅｓａ ｄ ｍａ ａ ｅｔ ｅｒｉｅ ｔ ｉｓｐ ｅ ｉｅｙ ａ ｄ ｅｆ ｉｎ ｌ ｉ ｒ ｕｅ ｅ ｓ ｒ ｅｗｏｋ ｅ ｖｒ ｎ ｎ． ｒ ｋ ｍｕ ｔ ｌ ｇ ｔ ｎ ｎ ｇ ｉ ｄ ｎ ｉ ｅ ｒ ｃ ｓ ｌ ｎ ｆ ｃｅ ｔ ｉ ａｄ ｓｉ ｔｄ ｓ ｎ ｏ ｔ ｒ ｎ ｉ ｍｅ ｔ ａ ｉ ａ ｈ ｔ ｉ ｙｎ ｔｂ ｎ ｏ
基于分布式数据融合的无线移动传感器网络目标跟踪算法
Ｏ ｊｃｓｔ ｃ ｉｇａｇｒｈ ｒＷＭＳ ａｅ ｎｄｓ ｉｕｅ ａａｆｓ ｎ ｂｅｔ ｒ ｋｎ ｌｏｉ ｍ ｆ ａ ｔ ｏ Ｎ ｂ ｓｄｏ ｉｒ ｔｄｄ ｔ ｕ ｉ ｔｂ ｏ
Ｔ ＡＮ Ｈａ Ｉ ｏ ｒ．ＨＡＮ Ｐ ｎ ’ ｉ ｇ
（ ． ｔｔ ＫｙＬ ｂｒｔｙｏ ｎｏｍ ｔ ｎＥ ｇ￣ｅｎ ｕｖ ｉｇ Ｍａｐｎ １Ｓａｅ ｅ ａ ｏａｏ ｆｒ ａｉ ｎ ｉ ｄ ｇｉ Ｓｒｅ ｎ ， ｐｉｇ＆Ｒ ｍ ｔ Ｓｎｉｇ ｒ ｆＩ ｏ ｎ ｙ ｅ ｏｅ ｅｓ ，Ｗｕａ ｎｖｒｔ，Ｗ ｈ ｎ４ ０７ Ｃ ｉ ｎ ｈ ｎＵ ｉ ｓｙ ｕ ａ ３０ ９， ｈｎ ｅｉ ａ； ２ ．Ｄｅｔ ｆ Ｅｅｒｎｃ ｇ￣ｅ ｎ Ｈｕｅ Ｕ ｉ ｒｔ ｆ Ｅ ｏｏ ｃ， ｈ ｎ４ ０ ０ Ｃ ｉａ； ．Ｓｈｏ ｎ ｒａｉ ｎ ｉｅｒ ｇ， ｈ ｎＵ ｉ ｐ．ｏ ｌ ｔ ｉＥｎｉ ｎ ｇ， ｂｉ ｎ ｓｙｏ ｃｎｍｉ Ｗｕａ ３ ２５， ｈｎ ３ ｃｏｌｆＩ ｏｍ ｔｎＥ ｇｎｅ ｎ Ｗｕａ ｎ－ ｃｏ ｖ ｉ ｅ ｓ ｏ ｆ ｏ ｉ ｖｒｔ ｏ ｅｈｏｏｙ ｕ ａ ３ ００， ｈｎ ） ｅ ｉ Ｔｃｎ ｌ ，Ｗ ｈ ｎ４ ０ ７ Ｃ ｉａ ｓｙｆ ｇ
关 键词 ：无线 移动传 感 器 网络 ；目标 跟踪 ；高斯混合 模型 ； 均一 致性 滤波器 平 中图分 类号 ：Ｔ ３ ３ Ｐ ９ 文献标 志码 ：Ａ 文章编 号 ：１ ０ — ６ ５ ２ １ ） ７ ２ ６ — ３ ０ １ ３９ （０ １ ０ — ６ ４ ０
ｄ ｉ１ ．９ ９ ｊｉ ｎ １０ ．６ ５ ２ １ ．７ ０ ４ ｏ：０ ３ ６ ／．ｓ ．０ １３ ９ ．０ ０ ．７ ｓ １
第２ ８卷 第 ７期
２１ ０ １年 ７月
计 算 机 应 用 研 究
基于无线传感网的目标检测与跟踪系统研究
（．东莞理 工 学院 电子 工程 系，广 东 东莞 ５ ３ ０ ； ２ １ ２ ８ ８ ．东华 大 学 信 息科 学与技 术 学 院 ，上海 ２ １０ ） ０ ６ ０
摘 要： 无线传 感 器 网络 能够 实时检 测和 采集 网络分 布 区域 内的各 种监 测对 象 的信 息，因此基 于无 线传 感器 网络 的 目标检
Ｌ ｃｔ ｎｃｍｐ ｔ ｇｂ ｓｄｏ ｉａ ｃ ｎ ｇｅｃｎｉ ｌ ｎ ｒｃｓ ｏｉｏ ｄｄａ ｔ ｃ ｆ ｂｅｔ Ｔ ｅｔｅｒｔ ａ ｓ ｄ ｏａ ｏ ｏ ｕｉ ａｅ ｎｄｓ ｎ ｅａｄａ ｌ ａ ｅ ｔ ｅｉｅ ｓ ｎａ ｒｗ ａｋｏ ｊｃ、 ｈ ｏｅ ｃ ｌ ｉ ａ ｉ ｎ ｔ ｎ ｍｐ ｍｅ ｐ ｐ ｔ ｎ ｉ ｒ ｏ ｈ ｉａ ｙ ｓ ｎ ｎ
Ａｂｔａｔ ｓ ｃ：Ｗｉ ｌｓ ｓｎｏ ｅ ｒ （ Ｎ） ｉａ ｌｔ ｓ ｎｌ ｍｏ ｉ ｒ ｎ ｌ ｃ ａ ｉｄ ｆｎｏｍａ ｏ ｒ ｉｅｅｔ ｂｅｔｉ ｅ ｒ ｒ ｅｓ ｅ ｓｒ ｔ ｋ ＷＳ ｅ ｎ ｗｏ ｓ ｂｅ ｏｉ ｔ ｔ ｎｔ ｄｃ ｌ ｔ ｌｋｎ ｓ ｆｒ ｔ ｎｆ ｆ ｒｎ ｊｃ ｔ ｎａ ｙ ｏ ａ ｏ ｅ ｌ ｏｉ ｉ ｏｄ ｏ ｓ ｈ ｎ
ｎ ｔ ｏ ｋ ｄ ｓｒｂ ｔｄ ａ ｅ ． Ａ ｏ ｆｒ ｓ ａ ｃ ｅ ｏ ｕ ｎ ｔ ｇ ｔ ｅｅ ｔ ｇ ａ ｄ ｔａ ｋ ｎ ｙ ｔｍ ａ ｅ ｎ Ｗ Ｓ ｅ ｗ ｒ ｉｔ ｕ ｅ ｒ ａ ｉ ｌ ｔｏ ｅ ｅ ｒ ｈ ｓｆ ｃ ｓｏ ｒ ａ ｅ ｔｃ ｉ ｒ ｃ ｉ ｇ ｓ ｓ ｄ ｎ ｎ ｅ ｂ ｓｄ ｏ Ｎ． Ｏｎ ｎ ｆｓ ｏ ｔ ａ ｇ ｅ ｋ ｄ ｏ ｒ－ ｎ ｅ ｉ ｈ ｒ
中 图法 分类号 ： Ｐ ９ Ｔ ３３
文献标 识码 ： Ａ
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
第22卷 第10期2009年10月传感技术学报CHINESE JO URNAL OF S ENSO RS AND ACTU ATORSVol.22 No.10O ct.2009项目来源:NSF C -广东联合基金重点项目资助(U 0735003);海外及港澳学者合作研究基金资助(60828006)收稿日期:2009-06-02 修改日期:2009-07-01Distributed Processing Target Tracking System Based onWireless Sensor Networks*WE I Fusheng 1,X U B ugong 1*,GA O H uanli 1,X I E L ihua 1,211Colleg e of Au tomation S cience and E ngineer ing ,South China Univ ersity of T echn olog y ,Gu angz hou 510640,China;21S chool of Electrical and Electronic E ngineer ing ,N any an g T echnolog ical Univ e rsity ,S in gap or e 639798Abstract:T his paper discusses the dev elo pm ent of a Wireless Sensor Netw orks(WSN)based tar get track -ing platform.The platform involves ultr asound sensor s for tar get detectio n and Extended Kalman Filter (EKF)for tr acking a sing le tar get.T he embedded applicatio n is implem ented by T iny OS/nesC,and Lab -view is used to develop the Graphical U ser Interface(GUI).In order to optimize the ener gy consumptio nand to pr olong the lifetim e of netw orks,tw o schem es o f local tasking node selectio n in a self -adaptive w ay are g iv en in the decentralized sensor netw orks.The ex periment results v alidate the co rrectness of the Ex -tended Kalman Filtering arithmetic and draw a conclusio n that the least trace of co variance matrix schem e has better performance w hen co nsidering the targ et loss rate and the tracking precision.Key words:WSN;target tracking;EKF;distributed processing;adaptiv e scheduling EEACC:6150P;7950基于无线传感器网络的分布式处理目标跟踪系统*危阜胜1,胥布工1*,高焕丽1,谢立华1,211华南理工大学自动化科学与工程学院,广州510640;21南洋理工大学电子与电气工程学院,新加坡639798摘 要:系统使用超声波传感器和扩展卡尔曼滤波对无线传感器网络中的移动单目标进行定位跟踪。
节点嵌入式应用程序采用T inyO S/nesC [1]编程实现,采用L abv iew 进行应用层开发。
为了优化网络的能耗以延长网络寿命,提出了两种在分布式传感器网络中局部节点自适应选择任务节点[2]的方法。
实验结果验证了扩展卡尔曼算法的正确性,并比较了这两种任务节点选择调度方法的跟踪性能,得出了基于候选节点协方差矩阵最小迹的任务节点选择调度方式在目标丢失率和跟踪精度综合考虑的基础上性能更优。
关键词:无线传感器网络;目标跟踪;扩展卡尔曼滤波;分布式处理;自适应调度中图分类号:TP30211文献标识码:A 文章编号:1004-1699(2009)10-1498-06无线传感器网络(WSNs:w ireless sensor net -w ork)被认为是21世纪最重要的新兴技术之一[3],目标跟踪是无线传感器网络的一个重要应用领域,在无线传感器网络中,由于节点数量较大,单个节点资源受限,通信带宽较小,对于路由的优化,节点通信的安全性,节能等提出了更高的要求,无线传感器网络必须依赖协同信号与信息处理(Co llaborative Signal and Info rmation Pro cessing ,CSIP)去动态的管理节点资源和有效处理基于任务需求和资源约束情形下的分布信息[4]。
集中式通信和信号处理所产生的巨大能量消耗很可能会导致中心节点瘫痪[5]。
因此,分布式跟踪是解决传感器网络中能量失衡问题的根本途径。
目前无线传感器网络目标跟踪算法的研究主要集中在软件仿真验证上,实际硬件系统验证系统主要有MIT 的Cricket 系统[6],是一个室内定位系统,它使用了超声波和无线电到达时间差(T doA)这种技术来进行测距,它为之后的诸多算法实现提供了硬件支持。
其它室内定位系统还有由Cam bridge U niversity Com puter Laboratory研发的通过发射红外信号来定位Active Badge系统[7]以及通过发送超声波进行三维测距Active Bat系统[8];H iball tracking[9]和Whisper系统[10]。
LaSLAT[11]将Cricket系统获得的距离值和贝叶斯滤波算法结合起来进行定位跟踪,在假设噪声为高斯分布的前提下,采用Laplace方法具有快速计算和收敛的优势。
Adam Smith等人[12]采用Cricket节点设计了一个跟踪移动目标的系统,并基于扩展卡尔曼滤波(EKF:Ex tended Kalman Filtering)实现了对移动目标的跟踪。
新加坡南洋理工大学谢立华等人开发的基于传感器网络的目标跟踪系统使用扩展卡尔曼滤波对单/多目标进行跟踪,提出了一套自适应选择任务节点方法[13-16]。
Junaid Ansari等人[17]采用Cricket节点,基于非线性滤波算法U KF实现了对移动目标的跟踪。
薛锋等人[18]提出了一种新的分布式信息粒子滤波器算法,并应用于无线传感器网络的被动跟踪问题,提高了被动跟踪精度,而且平衡了无线传感器网络节点间的能量消耗,降低了WSN中的通信开销。
申兴发,孙优贤等在无线传感器网络分布式定位跟踪问题上提出了一种基于射频信号的分布式目标跟踪系统NemoT rack[19]。
本文利用Crossbow公司的Micaz系列节点,通过外接超声波SRF08主动发送超声波并检测回波进行测距,相比上述Cricket等系统的优点是,本系统中目标自身无需绑定节点。
在目标移动保持常速率,测量噪声和过程噪声保持零均值高斯分布的前提下,综合考虑节能,目标丢失率和跟踪精度等因素,采用扩展卡尔曼滤波算法以及局部节点自适应选择任务节点的方法对进入区域的目标进行跟踪。
建立了一个基于无线传感器网络三层网络模型(传感器节点-网关汇聚节点-客户端)的定位跟踪验证系统。
1系统简介图1,测试系统由4个超声波传感器静态节点组成,每个节点主要由1个Cro ssbow公司生产的M icaz系列尘埃节点,2个SRF08超声波传感器,1块Cr ossbo w公司的M DACA100传感器板组成。
M IB520和一个M icaz组成了网关,用来烧制节点程序,传送和接收数据包。
笔记本客户端安装有Labview编程实现的图形界面终端应用程序,能实时显示目标的位置,速度等信息。
图1测试系统示意图传感器静态节点嵌入式应用程序利用T iny OS 提供的组件化模块进行编程,引入有限状态机(F-i nite State M achine)的原理[20],通过节点状态的切换,采用模块化设计,大大缩短了应用程序的开发时间。
图2给出了主程序组成模块结构图,图3说明了静态节点嵌入式应用程序算法流程。
图2嵌入式应用程序功能模块结构图图3静态节点嵌入式程序流程图2关键问题及技术本文考虑单个移动目标的跟踪问题,假设每一采样周期内只有一个静态节点作为任务节点,该任务节点负责超声波测距,扩展卡尔曼滤波预测和更新,下一任务节点选择以及将估计的目标位置,速率及本地节点剩余能量等相关信息以AM消息包的形式保存在本地节点中并发送到指定节点或者网关。
如图4,当移动目标处于区域I时,如何从节点1、2、3、4中选择任务节点,即任务节点的选举最优1499第10期危阜胜,胥布工等:基于无线传感器网络的分布式处理目标跟踪系统问题。
图4 单目标跟踪问题示意图当移动目标从区域I 进入区域II 时,任务节点如何进行切换,即任务节点选举时机问题。
211 TinyOS 和WSNs 的通讯协议图5是T iny OS 和WSN s 的通讯协议说明图,大方框图内为TinyOS 默认的通信协议;小方框图为本文中定义的通信协议,本文中的通信协议的前两个字节是源地址,储存了发送无线数据包的节点的ID;接着的一个字节是命令类型,通过查询该字节的命令类型来要求节点执行相应命令;从第三个字节开始到结束字节中的数据是在分布式处理中静态节点之间相互传输的关于目标的相关信息,其结构定义如下:ty pedef st ruct Radio_M sg _T oken {float X_hatk[ro w];//目标状态变量float P_k[r ow ][co l];//误差协方差矩阵为P(k|k)float T ;//扩展卡尔曼计算的时间float R1; //目标距离任务节点的距离值uint32_t energ y;//任务节点剩余能量}Radio_M sg _Token;图5 T iny OS 和WSN s 的通讯协议212 邻居表建立邻居节点针对任务节点而言,界定邻居节点的主要目的是为了明确任务节点选择的调度集,因为随着目标的移动,任务节点在不断的变化中,相应的任务节点选择的调度集也在相应的变化。