一种基于维诺图的自适应节点选择的目标跟踪方法及系统技术方案

本发明专利技术属于无线传感网络和目标跟踪技术应用领域，公开了一种基于维诺图的自适应节点选择的目标跟踪方法及系统，以Voronoi图作为网络模型，将网络中的节点进行分簇，簇内有激活节点、休眠节点和唯一的簇头节点。依据提出的节点选择算法对Voronoi图区域中的传感器节点进行部分激活，并且扩展卡尔曼滤波用于进行目标跟踪。实施本发明专利技术，能够使算法具有较低的能量消耗和较高的跟踪精度，可以实现降低传感器节点的能耗，延长网络的生命周期；大大改善了能量均衡问题，并且簇内节点通过贪婪算法与阈值的设定，有效降低激活节点的数量。

An Adaptive Node Selection Method and System for Target Tracking Based on Veno Map

【技术实现步骤摘要】
一种基于维诺图的自适应节点选择的目标跟踪方法及系统
本专利技术属于无线传感网络和目标跟踪技术应用领域，尤其涉及一种基于维诺图的自适应节点选择的目标跟踪方法及系统。
技术介绍
目前，最接近的现有技术：随着科学技术与计算机领域的迅速发展，无线传感器网络(WirelessSensorNetworks,WSN)也得到了迅速发展，并在野生动物监测、工业生产、军事环境、环境监测、卫生医疗等各个领域有着广泛的应用。WSN由大量具有传感、数据处理和无线通信组件及基站(BaseStation,BS)的低功率、廉价传感器组成，WSN中每个传感器节点都能够计算、通信和处理数据。传感器节点依靠电池进行供电，没有蓄电功能，并且无法更换电池，而目标跟踪需要长时间运作，大量节点时刻保持工作状态，会消耗大量能量，当一部分节点能量耗尽，则会出现通信空洞和覆盖空洞等情况。WSN中，目标跟踪是极其重要且经典的应用之一。室外的目标跟踪通常利用卫星进行勘测，但室内及其他偏远地区，卫星信号较弱，无法及时有效地对目标进行定位及跟踪，而传感器体积小、重量轻、可移动、便于部署、实时性强等特点，适合军事、环境监测、医疗等各个领域。综上所述，现有技术存在的问题是：(1)无线传感器网络中，往往由于传感器节点能量耗尽，导致整个网络低效操作，甚至出现节点空洞的情况。而且现有技术不能降低节点空洞和效率低下的情况发生。(2)无线传感器网络中，簇头节点随机选择，可能会出现簇头节点分布不均匀或簇头节点的能量无法支撑网络对目标的跟踪。(3)无线传感器网络中，跟踪目标的节点过多，会造成能量浪费和节点冗余现象，能量过度浪费后，网络中传感器节点无法进行跟踪工作，或者存留的节点较少，目标跟踪精度降低，甚至网络中出现节点空洞、目标丢失等现象。解决上述技术问题的难度：无线传感器网络为密集型网络，需要在大量的节点中寻找适合的节点作为簇头节点，对激活节点收集到的数据信息进行分析，如何设计一种算法找出合适的簇头节点并更新是本专利技术的难点之一；目标进入网络中，传感器内部分节点激活，对目标进行跟踪，如何在目标所在簇内激活一定数量的节点，是本专利技术的另一个难点。解决上述技术问题的意义：无线传感器网络属于密集型网络，网络中需要部署大量的传感器，一般采用较为廉价的传感器节点进行部署，若传感器节点出现小规模故障或能量不足等情况，直接会影响目标跟踪的精度，现有的传感器节点能量依靠电池供电，无法蓄电，节点能量耗尽时该节点无法继续工作，因此如何降低传感器节点的能耗问题是无线传感器网络中极为关键的一环。
技术实现思路
针对现有技术存在的问题，本专利技术提供了一种基于维诺图的自适应节点选择的目标跟踪方法及系统。主要利用维诺图为网络模型，扩展卡尔曼滤波为跟踪方式，通过对传感器节点进行选择和调度，对目标进行跟踪。本专利技术是这样实现的，一种基于维诺图的自适应节点选择的目标跟踪方法包括：初始状态下，所有传感器节点的能量均为饱和，簇头节点随机均匀分布在网络中；初始状态外，簇头节点根据阈值设定进行优先选择；在网络中，将传感器节点利用维诺图进行分簇，每个簇中有且仅有一个簇头节点、多个簇内节点；当网络中无目标进入时，所有节点处于休眠状态，能量消耗低；当网络中有目标进入时，目标当前所在维诺图的多边形区域中簇内节点根据节点选择方法进行部分激活，对目标进行监测；目标所在维诺图的多边形区域中簇头节点将激活节点检测到的数据汇总处理；利用扩展卡尔曼滤波对目标进行跟踪，目标进入下一时刻，直至目标走出该网络区域。进一步，簇头的选择中，在观测区域中传感器节点随机部署，簇头节点负责计算位置坐标并收集该多边形内其他节点采集的感知信息；当目标处于中某一Voronoi多边形内时，多边形内的簇头节点然后选择剩余能量高、距离簇头节点近的传感器进行激活，剩余节点处于休眠状态；簇头节点与激活节点共同探测目标，激活节点将数据信息发送到簇头节点，簇头节点处理位置计算，则簇头节点与激活节点共同完成定位工作。簇头节点的选择可以将传感器节点分为多个部分，当目标进入区域中，仅一个簇内节点对目标进行跟踪，可以大大降低传感器节点的能量消耗，并且合理地选择簇头节点使得保持能量均衡，尽可能延长网络使用寿命。进一步，簇头的选择具体包括：根据Fisher信息矩阵的扩展卡尔曼滤波方法，计算当前簇中各节点的Fisher信息判据，获得信息度量，并自动选择第一个具有最小度量的节点作为簇头节点；进一步，网络模型对传感器节点进行分簇中，Voronoi图根据K个不同的点，将平面分为K个区域，使多边形区域内任意一点到该点的距离均小于到其它多边形区域内点的距离。进一步，簇内节点的激活的方法包括：使用贪婪算法来选择和调度节点；设置节点个数t，若目标所在多边形内的普通节点剩余能量大于设置的能量阈值，列为候选节点，再根据能量大小排序，取能量最大的t个节点变为激活节点，对目标进行跟踪。选择簇内部分节点对目标进行跟踪，可以减少对节点的能量消耗，降低节点冗余和能量浪费，合理地选择激活节点可以有效地延长网络的使用寿命。进一步，簇头选取的方法具体包括：0时刻，网络中的传感器节点能量均为饱和，簇头节点Voronoi图中随机分布；其余时刻，簇头选择根据Fisher信息矩阵的扩展卡尔曼滤波方法，计算当前簇中各节点的Fisher信息判据，获得信息度量，并自动选择第一个具有最小度量的节点作为簇头节点；利用下式选择最小信息判决：node为S*(k)中选出的使信息判决最小的节点；如果节点的剩余的能量值大于阈值，成为候选节点，否则将成为休眠节点；其中，α代表控制阈值系数；将Voronoi图所有节点依次进行判断，将满足条件的簇头节点广播候选信息1，剩余节点在接收到信号后不参与候选簇头节点，并且状态设置为0。进一步，簇内节点激活方法具体包括：传感器节点i向节点j传输1b数据；公式中的能量消耗Ec(si,sj)是节点之间的传输能量消耗Et(si,sj)与节点j的接收能量消耗Er(sj)之和：Er(sj)＝er；设置节点个数阈值为3，若目标所在多边形内的普通节点剩余能量大于Ec(si,sk)，其列为候选节点，再根据能量大小排序，取能量最大的3个节点变为激活节点，对目标进行跟踪。进一步，利用扩展卡尔曼滤波对进行目标跟踪；目标恒定速度运动，跟踪时刻tk时，状态变量为：(xt(k),yt(k))代表目标的位置坐标，。代表目标在X轴与Y轴方向在时间时tk的速度；对于目标的运动模型如下：xk+1＝Fxk+BwwkT代表采样间隔，F及Bw代表动态转移矩阵：wk表示加速度的零均值的动态高斯白噪声，协方差为：假设无线传感器网络中分布的每一个节点都是同种类型的静态传感器；为节点i在k时刻对目标的距离观测量；为节点i和目标节点在k时刻的真实距离：(xi,yi)代表无线传感器网络中节点i的坐标位置，(xt(k),yt(k))代表目标节点k时刻的位置；目标节点的观测模型为：代表节点i的观测噪声，方差是Nk代表k时刻所激活节点的数量。本专利技术的另一目的在于提供一种实施所述的基于维诺图的自适应节点选择的目标跟踪方法的基于维诺图的自适应节点选择的目标跟踪控制系统。本专利技术的另一目的在于提供一种搭载所述基于维诺图的自适应节点选择的目标跟踪控制系统的终端。综上所述，本专利技术的优点及本文档来自技高网...

【技术保护点】
1.一种基于维诺图的自适应节点选择的目标跟踪方法，其特征在于，所述基于维诺图的自适应节点选择的目标跟踪方法包括：初始状态下，所有传感器节点的能量均为饱和，簇头节点随机均匀分布在网络中；初始状态外，簇头节点根据阈值设定进行优先选择；在网络中，将传感器节点利用维诺图进行分簇，每个簇中有且仅有一个簇头节点、多个簇内节点；当网络中无目标进入时，所有节点处于休眠状态，能量消耗低；当网络中有目标进入时，目标当前所在维诺图的多边形区域中簇内节点根据节点选择方法进行部分激活，对目标进行监测；目标所在维诺图的多边形区域中簇头节点将激活节点检测到的数据汇总处理；利用扩展卡尔曼滤波对目标进行跟踪，目标进入下一时刻，直至目标走出该网络区域。

【技术特征摘要】
1.一种基于维诺图的自适应节点选择的目标跟踪方法，其特征在于，所述基于维诺图的自适应节点选择的目标跟踪方法包括：初始状态下，所有传感器节点的能量均为饱和，簇头节点随机均匀分布在网络中；初始状态外，簇头节点根据阈值设定进行优先选择；在网络中，将传感器节点利用维诺图进行分簇，每个簇中有且仅有一个簇头节点、多个簇内节点；当网络中无目标进入时，所有节点处于休眠状态，能量消耗低；当网络中有目标进入时，目标当前所在维诺图的多边形区域中簇内节点根据节点选择方法进行部分激活，对目标进行监测；目标所在维诺图的多边形区域中簇头节点将激活节点检测到的数据汇总处理；利用扩展卡尔曼滤波对目标进行跟踪，目标进入下一时刻，直至目标走出该网络区域。2.如权利要求1所述的基于维诺图的自适应节点选择的目标跟踪方法，其特征在于，簇头的选择中，在观测区域中传感器节点随机部署，簇头节点负责计算位置坐标并收集该多边形内其他节点采集的感知信息；当目标处于中某一Voronoi多边形内时，多边形内的簇头节点然后选择剩余能量高、距离簇头节点近的传感器进行激活，剩余节点处于休眠状态；簇头节点与激活节点共同探测目标，激活节点将数据信息发送到簇头节点，簇头节点处理位置计算，则簇头节点与激活节点共同完成定位工作。3.如权利要求1所述的基于维诺图的自适应节点选择的目标跟踪方法，其特征在于，簇头的选择具体包括：根据Fisher信息矩阵的扩展卡尔曼滤波方法，计算当前簇中各节点的Fisher信息判据，获得信息度量，并自动选择第一个具有最小度量的节点作为簇头节点。4.如权利要求1所述的基于维诺图的自适应节点选择的目标跟踪方法，其特征在于，网络模型对传感器节点进行分簇中，Voronoi图根据K个不同的点，将平面分为K个区域，使多边形区域内任意一点到该点的距离均小于到其它多边形区域内点的距离。5.如权利要求1所述的基于维诺图的自适应节点选择的目标跟踪方法，其特征在于，簇内节点的激活方法包括：使用贪婪算法来选择和调度节点；设置节点个数t，若目标所在多边形内的普通节点剩余能量大于设置的能量阈值，列为候选节点，再根据能量大小排序，取能量最大的t个节点变为激活节点，对目标进行跟踪。6.如权利要求1所述的基于维诺图的自适应节点选择的目标跟踪方法，其特征在于，簇头选...

【专利技术属性】
技术研发人员：周非，董一璇，
申请(专利权)人：重庆邮电大学，
类型：发明
国别省市：重庆,50