基于粒子群优化的目标跟踪传感器节点的选择

发布时间：2017-10-18 17:37

  本文关键词：基于粒子群优化的目标跟踪传感器节点的选择

  更多相关文章： 无线传感器网络 传感器选择 后验克拉美-罗下界 粒子滤波器 粒子群算法 多目标优化

【摘要】：无线传感器网络(Wireless Sensor Networks,WSN)是由一组能够感知和监测环境的小型装置组合而成的且通过无线方式通信的传感器网络,它的应用已经从军事扩展到医疗、教育和家庭等众多领域,为社会的发展做出了巨大的贡献。但是由于WSN中的能量、通信带宽等资源的限制,选择最优且最少的传感器节点组合对目标进行跟踪已成为研究热点,因此无线传感器网络中传感器节点的管理对于目标的跟踪具有非常重要的意义。在目标的监测与跟踪过程中,若所有的节点都参与目标的监测跟踪,其跟踪精度会很高但是节点的能量消耗也非常多,所以需要对传感器节点进行选择从而节省能量。本文利用条件后验克拉美-罗下界作为传感器选择的判断标准,实现传感器节点的在线选择,该管理准则能够更准确的估计目标的运动,得出更加精确的跟踪位置。在WSN中,一般采用穷举算法对传感器量测节点进行管理。但是在节点的选择过程中,随着系统中被选择的节点个数的增加,其计算量也越大。针对这一问题,本文提出利用二进制粒子群算法对传感器节点进行管理,该算法简单易于理解,参数少,是通过迭代来寻找最优的节点组合,在很大程度上减少了计算量。在粒子群算法中每一个粒子表示一种潜在的传感器节点的组合,每个粒子的维数表示所有节点的个数,算法中的适应度函数是条件后验克拉美-罗下界,结果表明此算法具有很好的跟踪性能。在利用二进制粒子群算法对传感器节点进行管理时,目标函数只有一个。在实际的应用中通常需要解决的是多个目标同时优化的问题,即目标的跟踪过程中,选择的传感器节点需要在满足跟踪性能的同时其被选择的节点的个数最少。本文提出利用多目标粒子群优化算法来解决多目标优化问题,同时优化两个目标函数,一个是传感器的管理准则条件后验克拉美-罗下界,一个是传感器节点的个数。最后仿真表明该算法的有效性。
【关键词】：无线传感器网络 传感器选择 后验克拉美-罗下界 粒子滤波器 粒子群算法 多目标优化
【学位授予单位】：长安大学
【学位级别】：硕士
【学位授予年份】：2015
【分类号】：TP212.9;TN929.5
【目录】：

• 摘要4-5
• Abstract5-9
• 第一章 绪论9-18
• 1.1 研究背景、目的及意义9-11
• 1.2 无线传感器网络中目标跟踪的传感器管理11-16
• 1.2.1 目标跟踪中传感器管理面临的问题11-12
• 1.2.2 目标跟踪中传感器管理的研究现状12-16
• 1.3 本论文的主要研究内容16-17
• 1.4 本论文的结构安排17-18
• 第二章 CPCRLB及粒子滤波器18-27
• 2.1 非线性动态系统下的CPCRLB18-21
• 2.2 粒子滤波器21-22
• 2.2.1 状态空间模型21-22
• 2.2.2 基于粒子滤波的目标跟踪22
• 2.3 目标的运动模型和传感器节点的观测模型22-24
• 2.4 基于目标信号强度的CPCRLB24-25
• 2.5 基于CPCRLB的传感器选择25
• 2.6 本章小结25-27
• 第三章 基于PSO的传感器节点的管理27-39
• 3.1 粒子群优化算法27-30
• 3.1.1 粒子群算法的思想27
• 3.1.2 粒子群算法的原理27-29
• 3.1.3 粒子群算法的流程29-30
• 3.2 二进制粒子群优化算法30-35
• 3.2.1 BPSO在传感器选择的应用31-33
• 3.2.2 BPSO的位置初始化33-35
• 3.3 实验仿真与分析35-38
• 3.4 本章小结38-39
• 第四章 基于MOPSO的传感器节点的管理39-62
• 4.1 多目标优化39-42
• 4.1.1 多目标优化中的基本概念39-41
• 4.1.2 目标函数41-42
• 4.2 多目标粒子群优化算法42-43
• 4.3 选择最优传感器组合43-44
• 4.4 实验仿真与分析44-61
• 4.5 本章小结61-62
• 总结与展望62-64
• 参考文献64-68
• 攻读学位期间取得的研究成果68-69
• 致谢69

【参考文献】

中国期刊全文数据库 前1条

1 杨小军;马祥;宋青松;邢科义;;基于条件后验克拉美 罗下界的目标跟踪传感器管理[J];控制理论与应用;2013年05期

，

本文编号：1056261