一种能量有效的分布式传感器管理算法

发布时间：2019-10-16 21:48

【摘要】：针对无线传感器网络多目标跟踪传感器分配问题,考虑节点能量受限,提出一种保证跟踪精度、高效节能的分布式传感器管理算法.算法基于目标预测位置,以观测前后的信息增益为准则,建立了传感器管理优化模型,利用拍卖理论对传感器的价格进行调整,达到市场平衡时,完成目标传感器的分配问题.为缩短决策时间,减少节点通信能耗,引入了载波侦听多路访问机制并利用本地局部信息进行决策.给出了算法收敛性和有效性证明.仿真结果表明,该算法能有效应对多目标跟踪问题,在保证跟踪精度的同时,能有效减少通信能耗,延长网络生命周期,对能量受限的无线传感器网络有较强的适应性.
【图文】：

对比图,收敛性,采样周期,算法

５０，２５），目标采用ＣＶ模型，滤波算法为扩展卡尔曼滤波，目标的初始状态为［２５０．２５３０．２］，［４８０．２７５０．２］和［４７０．２２６０．２］，预测与采样时间间隔都为２ｓ，初始协方差矩阵均为０．２５ｄｉａｇ［１，０，１，０］．通信能耗参数设置为Ｅｅｌｅｃ＝５０ｎＪ／ｂｉｔ，ｅｆｓ＝１０ｐＪ／ｂｉｔ／ｍ２，ｂｃ＝２６４ｂｉｔ．实验次数为５０，实验独立进行，实验结果取多次实验的平均值．４．２仿真结果分析图１是文中算法与ＢＰＳＯ算法的跟踪平均ＲＭＳＥ结果的对比．由图可知，提出算法的平均跟踪误差要比ＢＰＳＯ算法的略大一些，但是基本还是处于同一水平，说明提出的分布式拍卖算法寻优能力接近集中式算法，可以达到一个帕累托最优解．图１不同采样周期的平均ＲＭＳＥ图２算法收敛性对比图２是文献［１１］算法与文中算法的收敛性对比．由图可知，虽然两种算法在前几次迭代过程中会出现不同结果，但是随着迭代的进行，算法最终收敛到同一个解，验证了算法收敛性和有效性的证明．另外，算法收敛速度很快，在１０次迭代以内就能够收敛到一个帕累托最优．图３是算法改进前后，两种算法通信能耗的对比图．由图可知，随着采样次数增多，原始拍卖算法和ＣＤＡＣＡ算法的能耗都迅速飙升，而提出算法的能耗增幅则相对平缓．这是因为在一个采样周期，提出算法１７６西安电子科技大学学报（自然科学版）第４４卷

对比图,收敛性,采样周期,算法

５０，２５），目标采用ＣＶ模型，滤波算法为扩展卡尔曼滤波，目标的初始状态为［２５０．２５３０．２］，［４８０．２７５０．２］和［４７０．２２６０．２］，，预测与采样时间间隔都为２ｓ，初始协方差矩阵均为０．２５ｄｉａｇ［１，０，１，０］．通信能耗参数设置为Ｅｅｌｅｃ＝５０ｎＪ／ｂｉｔ，ｅｆｓ＝１０ｐＪ／ｂｉｔ／ｍ２，ｂｃ＝２６４ｂｉｔ．实验次数为５０，实验独立进行，实验结果取多次实验的平均值．４．２仿真结果分析图１是文中算法与ＢＰＳＯ算法的跟踪平均ＲＭＳＥ结果的对比．由图可知，提出算法的平均跟踪误差要比ＢＰＳＯ算法的略大一些，但是基本还是处于同一水平，说明提出的分布式拍卖算法寻优能力接近集中式算法，可以达到一个帕累托最优解．图１不同采样周期的平均ＲＭＳＥ图２算法收敛性对比图２是文献［１１］算法与文中算法的收敛性对比．由图可知，虽然两种算法在前几次迭代过程中会出现不同结果，但是随着迭代的进行，算法最终收敛到同一个解，验证了算法收敛性和有效性的证明．另外，算法收敛速度很快，在１０次迭代以内就能够收敛到一个帕累托最优．图３是算法改进前后，两种算法通信能耗的对比图．由图可知，随着采样次数增多，原始拍卖算法和ＣＤＡＣＡ算法的能耗都迅速飙升，而提出算法的能耗增幅则相对平缓．这是因为在一个采样周期，提出算法１７６西安电子科技大学学报（自然科学版）第４４卷
【作者单位】：信息工程大学信息系统工程学院;
【基金】：国家科技重大专项资助项目(2014ZX03006003)
【分类号】：TP212

【参考文献】