无线传感器网络目标跟踪算法的研究

发布时间：2017-03-30 19:28

  本文关键词：无线传感器网络目标跟踪算法的研究，由笔耕文化传播整理发布。

【摘要】：微电子技术、无线通信技术和计算技术等的发展进步推动了低功耗传感器的发展。进而，无线传感器网络这种新兴的具有无限潜力的网络应运而生。无线传感器网络（wireless sensor network, WSN）是由一片区域中大量能量有限的低功耗传感器节点组成的。与传统网络相比，无线传感器网络具有覆盖范围广，能耗低，自组织能力强，可靠性高以及采用无线通信方式等特点，非常适合于目标跟踪和定位。例如战场监控、导航、生物习性研究、城市交通管理等。同时，无线传感器网络在实际应用中也存在一些约束，例如传感器节点体积较小，可以携带的能量非常有限。因此，怎样高效利用网络中的节点能量是传感器网络面临的主要挑战之一。在无线传感器网络的目标跟踪中，通过使用并合理构建动态簇跟踪结构可以有效降低网络的能量消耗，从而延长网络的生命周期。而有效的滤波算法通过避免盲目的唤醒网络中的节点和降低跟踪延迟，可以进一步增强网络的跟踪性能。 本文针对无线传感器网络目标跟踪问题，提出了新的动态簇组建方法，实践证明动态簇在目标跟踪过程中可以有效降低网络的能耗。同时，对粒子滤波算法进行了改进，有效降低了粒子滤波算法的计算量。粒子滤波在解决非线性非高斯的目标跟踪问题中具有很好的表现。 本文主要工作有两点。第一，在对现有无线传感器网络目标跟踪算法中几种动态簇组建方法进行充分研究的基础上，提出了一种改进的动态簇组建方法。该算法通过改进动态簇的组建过程中簇头的选举和簇成员的征集过程，来达到进一步节能的效果。簇头的选择，综合考虑节点的能量和节点离目标的距离两个因素。簇成员的征集，同时考虑到目标的移动速度和网络中节点的分布情况。通过matlab仿真证明了本文动态簇组建的有效性。第二，具体分析了现有的滤波算法，，通过对比了解到粒子滤波在处理非线性运动方面的优势。但由于其运算量大，需要改进。本文在保证跟踪精度的条件下，减小了粒子滤波的计算量，使其更加适用于无线传感器网络目标跟踪。
【关键词】：无线传感器网络 目标跟踪 动态簇 粒子滤波 重采样 节能
【学位授予单位】：太原理工大学
【学位级别】：硕士
【学位授予年份】：2015
【分类号】：TP212.9;TN929.5
【目录】：

• 摘要3-5
• ABSTRACT5-11
• 第1章 绪论11-17
• 1.1 WSN 目标跟踪的研究背景及意义11
• 1.2 WSN 目标跟踪问题的研究现状11-13
• 1.3 WSN 目标跟踪面临的主要挑战13-14
• 1.4 论文的主要工作14
• 1.5 论文的章节安排14-17
• 第2章 WSN 目标跟踪算法节点调度策略研究17-27
• 2.1 双元检测协作跟踪17-18
• 2.1.1 双元检测17-18
• 2.1.2 双元检测目标跟踪算法的过程18
• 2.2 信息驱动协作跟踪18-20
• 2.2.1 信息驱动协作跟踪算法19
• 2.2.2 选择跟踪目标的节点19-20
• 2.3 动态簇结构目标跟踪算法20-21
• 2.3.1 动态簇结构21
• 2.3.2 基于动态簇结构的目标跟踪算法21
• 2.4 传送树目标跟踪算法21-26
• 2.4.1 构造初始传送树结构22-23
• 2.4.2 传送树结构的调整23-25
• 2.4.3 传送树结构的重新构造25-26
• 2.5 本章小结26-27
• 第3章 动态簇结构的改进及在 WSN 中的应用27-37
• 3.1 网络的假设与初始状态27-28
• 3.1.1 本文中网络的假设27-28
• 3.1.2 节点自身保存信息28
• 3.1.3 网络的初始状态28
• 3.2 基于自适应动态簇和预测机制的跟踪算法28-33
• 3.2.1 自适应动态簇组建算法29-30
• 3.2.2 预测算法30-31
• 3.2.3 基于预测机制的跟踪算法31-33
• 3.3 仿真实验33-35
• 3.4 本章总结35-37
• 第4章 WSN 状态估计算法的研究及粒子滤波算法的改进37-55
• 4.1 状态空间模型37
• 4.2 贝叶斯滤波估计37-39
• 4.3 最小二乘估计法39-40
• 4.4 卡尔曼滤波估计算法40-41
• 4.5 扩展卡尔曼滤波41-42
• 4.6 粒子滤波算法42-45
• 4.6.1 蒙特卡洛方法42-44
• 4.6.1.1 蒙特卡洛方法的原理43
• 4.6.1.2 蒙特卡洛方法的一般步骤43-44
• 4.6.2 粒子滤波算法44-45
• 4.7 改进的粒子滤波算法45-50
• 4.7.1 粒子退化问题46
• 4.7.2 重采样46-48
• 4.7.3 改进的重采样方法48-50
• 4.7.3.1 自适应部分粒子重采样49-50
• 4.7.3.2 B 类粒子重采样过程50
• 4.8 仿真实验50-52
• 4.9 本章总结52-55
• 第5章 总结与展望55-57
• 5.1 全文总结55-56
• 5.2 展望56-57
• 参考文献57-61
• 致谢61-63
• 攻读学位期间发表的学术论文目录63

【参考文献】

中国期刊全文数据库 前10条

1 孟凡伟;关新平;;无线传感器网络中负载均衡的sink节点移动策略[J];信息安全与技术;2011年Z1期

2 邓克波;刘中;;基于无线传感器网络动态簇的目标跟踪[J];兵工学报;2008年10期

3 刘立阳;张金成;吴中林;;基于分布式动态簇结构的WSN自适应目标跟踪算法[J];传感技术学报;2012年01期

4 刘军;刘晖;叶宁;崔哲;;无线传感器网络自适应动态簇目标跟踪策略[J];东北大学学报(自然科学版);2011年08期

5 张诗桂;朱立新;赵义正;;粒子滤波算法研究现状与发展趋势[J];电子信息对抗技术;2010年05期

6 陈晓娟;王卓;吴洁;;一种基于LEACH的改进WSN路由算法[J];传感技术学报;2013年01期

7 杨文铂;邢鹏康;刘彦华;;一种基于自适应RSSI测距模型的无线传感器网络定位方法[J];传感技术学报;2015年01期

8 康健;左宪章;唐力伟;张西红;李浩;;无线传感器网络数据融合技术[J];计算机科学;2010年04期

9 王小平;罗军;沈昌祥;;三边测量法的结果稳定性研究[J];计算机工程与科学;2012年06期

10 刘文静;于金霞;汤永利;;粒子滤波自适应部分系统重采样算法研究[J];计算机应用研究;2011年03期

中国博士学位论文全文数据库 前1条

1 王邢波;基于Kalman滤波的无线传感器网络目标跟踪算法的研究[D];山东大学;2011年

  本文关键词：无线传感器网络目标跟踪算法的研究，由笔耕文化传播整理发布。

本文编号：277925