一种基于无线传感器网络能量有效的协同调度方法技术

技术编号:8612066 阅读:182 留言:0更新日期:2013-04-20 00:34
本发明专利技术公开了一种基于无线传感器网络能量有效的协同调度方法,其特征在于包括如下步骤:1)目标初始化;2)状态估计;3)选择采样间隔;4)动态形成下一个分簇;5)簇首动态更新:判断移动目标是否移出无线传感器网络监控区域,如果移出,则停止跟踪;否则簇首把当前时刻的状态估计信息传递给下一时刻的簇首,下一时刻的簇首变为工作簇首,转向步骤2)。本发明专利技术考虑了多种性能指标,通过在线优化性能指标选择簇首,动态生成簇并自适应地确定采样间隔,通过簇内传感器节点的协同感知以及信息融合实现对目标的精确跟踪。具有节约通信能量、均衡网络中能量分配和计算资源、延长网络的生命周期和提高网络可靠性等优点。

【技术实现步骤摘要】

本专利技术涉及一种无线传感器网络资源调度算法,特别涉及。
技术介绍
无线传感器网络具有传感器节点数量多、体积小、自组织、快速部署、电池能量有限、计算和通信资源受限等特点。通过网络内部的分布式信息处理和局部传感器节点的协同,无线传感器网络相对于传统的集中式传感器节点阵列更加灵活有效。无线传感器网络设计中的一个挑战性问题是在各种资源约束条件下如何优化系统资源分配。在密集的网络环境下,大量的测量信息是冗余的,如何选择参与感知的传感器节点、平衡信息增益和能量资源的消耗,以延长整个网络的使用寿命已成为无线传感器网络广泛应用的关键技术。无线传感器网络资源分配的一个重要方面是任务节点的调度问题。目前传感器节点调度方法主要包括最小距离调度、最小迹调度、自适应调度和动态群组调度方法等。其中基于 最小距离调度方法简单易用,在传感器节点网络中也容易实现,但是它没有考虑能量消耗和跟踪精度的要求,且在传感器节点中容易产生误差累计,从而使整个网络性能变差;最小迹调度方法是基于预测误差协方差矩阵迹的调度方法,它实质上只考虑跟踪精度这一性能指标,没有考虑能量消耗的约束;自适应调度方法把精度和能量两个指标的加权作为代价函数,用它作为选择下一个任务节点的依据,但是此方法中每一时刻只有单个传感器节点进行感知和数据传递,而没有考虑感知目标的多个传感器节点之间的协同。由于单个传感器节点感知范围和跟踪精度的局限性,对低信噪比和机动目标的跟踪性能很差,而且在选择任务节点的时候,均没有考虑无线传感器网络中各传感器节点的能量均衡消耗。我们之前申请的动态群组调度方法考虑了目标跟踪实时性要求、跟踪精度和单个传感器节点能量最小等指标,但是每一时刻只有一个传感器节点工作,没有考虑与邻居节点的协同调度,也没有考虑整个网络的能量平衡分布。显而易见,上述调度算法均存在不足;通过对无线传感器网络的特点分析可知,要设计一个好的调度算法,不仅要考虑预测精度、能量消耗,还要考虑传感器节点本身的计算和通信资源限制,以及它是否能够满足网络实时跟踪的需求和整个传感器网络的能量均衡要求。
技术实现思路
本专利技术的目的在于克服现有技术的缺点与不足,提供,该方法不但考虑了传感器节点能量和跟踪精度这些性能指标,而且考虑了无线传感器网络能量平衡以及跟踪的实时动态性能。本专利技术的目的通过以下技术方案实现,包括以下步骤步骤1、目标初始化移动目标在初始时刻进入无线传感器网络监控区域,利用先验信息唤醒靠近目标的初始簇,初始簇包含簇首和簇内传感器节点,且簇首有初始时刻的先验信息。步骤2、状态估计簇首首先唤醒簇内其它传感器节点共同参与感知移动目标,并接收来自其他传感器节点的测量信息,簇首通过集中式信息融合,并通过滤波方法更新得到下一时刻目标的状态信息。步骤3、选择采样间隔利用当前分簇,尽可能采用较大的采样间隔预测下一时刻目标状态的跟踪精度,如果预测跟踪精度满足要求,则转向步骤2,继续利用当前簇估计目标的状态,否则,转向下一步骤。步骤4、动态形成下一个新簇当前簇首根据网络内传感器节点能量消耗、整个网络能量均衡分布和跟踪精度等指标形成下一个新簇,具体包括选择新簇首和新簇内成员。4.1)下一时刻新簇首选择在能够探测到移动目标的传感器节点中,当前簇首根据传输信息所需的能量消耗和能量均衡分配原则选择目标代价最优的候选传感器节点作为下一时刻的簇首4. 2)动态形成下一个新簇在能够探测到移动目标的传感器节点中,当前簇首在考虑预测精度要求的情况下,尽可能选择较大的采样间隔和较少的簇内传感器节点个数。步骤5、簇首动态更新判断移动目标是否移出无线传感器网络区域,如果移出,则停止跟踪,否则当前簇首把当前时刻的状态估计信息传递给下一个簇首,下一个簇首成为工作簇首,转向步骤2 所述步骤1中的先验信息包括初始状态和初始误差协方差等,初始状态包括目标的位移和速度等信息。所述步骤2中的信息融合过程包括测量值去噪,加权融合等方法,确定融合后移动目标的最优测量值。所述的步骤2中的滤波方法中,如果系统是线性高斯模型,可以选择卡尔曼滤波(Kalman filter, KF)或交互式多模卡尔曼滤波(Interactive Multiple Mode-Kalmanfilter, IMM-KF)方法来预测和滤波移动目标的位置;如果系统模型是非线性高斯函数,则利用扩展卡尔曼滤波(Extended Kalman filter, EKF)、无迹卡尔曼滤波(UnscentedKalman filter, UKF)、交互式多模扩展卡尔曼滤波(Interactive Multiple Mode-ExtendedKalman filter, IMM-EKF的一种滤波方法来预测和估计移动目标的位置;如果系统模型是非线性非高斯函数,则粒子滤波(Particle filter, PF)是很好的预测和估计方法。所述步骤3中的预测跟踪精度要求的取值是误差性能边界阈值上限,不能低于理论上的克拉美一罗界,克拉美-罗界(Cramer-Rao Bound)是估计方法中有效性能评价标准,它作为任何无偏估计方差的下界,给出了估计方法性能的极限。所述步骤4.1中的能量消耗是传感器节点间传输信息的能量消耗,与传感器节点间的传输距离,传输信道性能,传输信息量有关。能量均衡分布是指让更多的传感器节点承担能量消耗,避免同一传感器节点消耗过多能量。所述步骤4. 2中,如果分簇过程中,即使采用最小的采样间隔,所有的候选传感器节点参与测量,所得到的预测精度仍然不满足跟踪精度要求时,则所有的候选传感器节点形成分簇,并取最小的采样间隔。所述步骤5中,如果当前簇首跟踪精度满足要求,则下一刻不会更换簇首,也不需要传递状态估计信息;否则根据能量消耗和能量均衡指标更新簇首,并且需要传递状态估计信息,一旦簇首完成信息交接,则上一分簇内传感器节点进入休眠状态,新簇内传感器节点被唤醒,并开始工作。本专利技术的工作原理在移动目标的跟踪过程中,本协同调度方法能根据目标的移动,动态地唤醒无线传感器网络中部分传感器节点形成以簇首为中心的分簇,根据传感器节点能量消耗最少和整个网络能量均衡的原则选择簇首,同时根据跟踪精度指标选择数目最小的簇内传感器节点;本协同调度方法在能量和计算资源约束下,对无线传感器网络下机动目标跟踪问题提出多个传感器节点动态分簇、协同感知,动态选择簇首,自适应地选择簇内传感器节点和合适的采样间隔,有效利用了传感器节点的冗余信息,通过信息融合提高了跟踪精度和网络可靠性。本专利技术相对于现有技术具有如下的优点及效果对于无线传感器网络目标跟踪来说,跟踪精度、总能量消耗和整个网络能量均衡是最重要的三个性能指标。基于无线传感器网络能量有效的协同调度方法充分考虑了这三个指标的优化。首先在跟踪精度方面,该专利技术采用簇内多传感器节点共同感知移动目标,通过信息融合后的测量值来进行状态估计。而且可以通过动态增加簇内传感器节点数量使跟踪精度提高,达到精度要求。 其次对于能量消耗,该专利技术包括两个方面一是跟踪过程中消耗的总能量要少,二是尽可能均衡整个网络中各传感器节点能量消耗。每个传感器节点存储的能量有限,因此每个传感器节点只在被要求时唤醒,任务结束后恢复到休眠状态。如果一个传感器节点总是作为任务节点,就会造成这个传感器节点的能量迅速本文档来自技高网
...

【技术保护点】
一种基于无线传感器网络能量有效的协同调度方法,其特征在于包括如下步骤:1)目标初始化:移动目标进入无线传感器网络监控区域,利用先验信息唤醒靠近目标的初始簇,初始簇包含有簇首和簇内传感器节点,所述簇首有初始时刻的先验信息;2)状态估计:簇首唤醒簇内其它传感器节点共同参与感知移动目标,并接收来自其他传感器节点的测量信息,簇首通过集中式信息融合,并通过滤波方法更新得到下一时刻目标的状态信息;3)选择采样间隔:尽可能采用较大的采样间隔预测下一时刻目标状态的跟踪精度,如果预测跟踪精度满足要求,则转向步骤2),继续利用当前分簇继续状态估计,否则,转向下一步骤;4)动态形成下一个分簇:当前簇首根据传感器节点能量消耗、整个网络能量均衡分布和跟踪精度指标形成下一个分簇;5)簇首动态更新:判断移动目标是否移出无线传感器网络监控区域,如果移出,则停止跟踪;否则簇首把当前时刻的状态估计信息传递给下一时刻的簇首,下一时刻的簇首变为工作簇首,转向步骤2)。

【技术特征摘要】
1.一种基于无线传感器网络能量有效的协同调度方法,其特征在于包括如下步骤1)目标初始化移动目标进入无线传感器网络监控区域,利用先验信息唤醒靠近目标的初始簇,初始簇包含有簇首和簇内传感器节点,所述簇首有初始时刻的先验信息;2)状态估计簇首唤醒簇内其它传感器节点共同参与感知移动目标,并接收来自其他传感器节点的测量信息,簇首通过集中式信息融合,并通过滤波方法更新得到下一时刻目标的状态信息;3)选择采样间隔尽可能采用较大的采样间隔预测下一时刻目标状态的跟踪精度,如果预测跟踪精度满足要求,则转向步骤2),继续利用当前分簇继续状态估计,否则,转向下一步骤;4)动态形成下一个分簇当前簇首根据传感器节点能量消耗、整个网络能量均衡分布和跟踪精度指标形成下一个分簇;5)簇首动态更新判断移动目标是否移出无线传感器网络监控区域,如果移出,则停止跟踪;否则簇首把当前时刻的状态估计信息传递给下一时刻的簇首,下一时刻的簇首变为工作簇首,转向步骤2)。2.根据权利要求1所述的基于无线传感器网络能量有效的协同调度方法,其特征在于,所述的步骤I)中的先验信息包括初始状态和初始误差协方差,初始状态包括目标的位移和速度信息。3.根据权利要求1所述的一种基于无线传感器网络能量有效的协同调度方法,其特征在于,步骤2)信息融合过程包括测量值去噪和加权融合方法,确定信息融合后移动目标的当前时刻优化测量值。4.根据权利要求1所述的基于无线传感器网络能量有效的协同调度方法,其特征在于,步骤2)滤波方法中,如果系统是线性高斯模型,利用卡尔曼滤波或交互式多模卡尔曼滤波方法来预测和估计移动目标的位置;如果系统模型是非线性高斯函数,则利用扩展卡尔曼滤波、无迹卡尔曼滤波、交互式多模扩展卡尔曼滤波中的一种滤波方法来预测和估计移动目标的位置;如果系统模型是非线性非高斯函数,则采用粒子滤波来预测和估计。5.根据权利要求1所述的一种基于无线传感器网络能量有效的协同调度方法,其特征在于,步骤2)滤波过程中的采样间隔...

【专利技术属性】
技术研发人员:刘永桂胥布工高焕丽吴毅彬
申请(专利权)人:华南理工大学
类型:发明
国别省市:

网友询问留言 已有0条评论
  • 还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。

1