基于ADP的能量采集无线传感器网络协同目标跟踪方法研究
发布时间：2022-02-15 09:50
协同目标跟踪是无线传感器网络最重要的应用之一。由于感知、通信和计算等资源有限,无线传感器网络通常依赖于传感器调度平衡跟踪精度、能量消耗及网络生存周期。随着能量收集技术的不断发展,基于能量采集的无线传感器网络也引起了人们的关注。该种网络克服了网络中节点电池能量的限制,理论上可以将网络的生命周期扩展到无限长。然而,传感器的能量采集能力毕竟有限,因此,如何在无限长生命周期上设计传感器调度方案,为协同目标跟踪提出了新的技术挑战。另一方面,作为一个新兴的优化算法,自适应动态规划（Adaptive Dynami c Programming,ADP）融合了神经网络、自适应评判设计、强化学习等技术,为无限长生命周期上的优化控制问题提供了一种有效的方法。本文面向能量采集无线传感器网络的协同目标跟踪,研究了如下几种基于无限长生命周期上全局性能最优化的传感器调度方法:（1）面向单目标跟踪问题,研究了基于ADP的多传感器调度方法。利用扩展卡尔曼滤波估计和预测目标状态,结合跟踪性能与能量消耗构建性能指标,采用神经网络逼近最优的性能指标,从而得到近似最优控制策略。同时,给出了算法的最优性分析。（2）面向单目标跟踪...
【文章来源】：北京科技大学北京市211工程院校教育部直属院校
【文章页数】：126 页
【学位级别】：博士
【部分图文】：
图１－１无线传感器网络结构示意图??４，５６
?文献［２６］针对目标跟踪问题，将节点感知数据误差、剩余能量、能量消耗综合??刻画为信息质量，并提出了一种信息质量驱动的节点调度算法，以提高能量??利用率。??上述工作为ＷＳＮ的应用与推广打下了良好的基础，但ＷＳＮ的真正大规??模应用尚需解决低成本、小型化／微型化、安全性、能量供应等多方面问题，??尤其需要解决能量供应中的能量采集技术及其相关的网络优化设计问题。??１．１．２能量采集无线传感器网络的发展现状??在ＷＳＮ中，节点通常采用电池为感知、处理和通信等工作提供能量（如??图１－２所示）。但是，由于受到节点体积的限制，所配置的电池能够提供的能??量是非常有限的，即使采用了低能耗设计方法，网络的生存周期及其综合性??能仍会受到很大限制。而且，频繁更换电池往往是很繁琐、昂贵、危险的，??特别地，传感器节点经常处在恶劣或人员难以到达的环境中，无法实现为每??个节点更换电池，所以绝大部分ＷＳＮ不能满足长期工作需要，最大化网络??生存期就成为ＷＳＮ中需要解决的重要问题［＇现有的相关研宄主要集中在两??个方面：一是考虑能耗与网络性能间的折中，通过牺牲部分性能获取更长的??网络生存期；二是对ＷＳＮ进行高效的能耗设计，包括低功耗硬件系统设计??与动态功耗控制等等，这些研宄取得了很大的进展，但还不能彻底解决网络??持续工作的问题。??供电模块??电池??????感知模块?倍．＆处理模块?无线通信模块??传感器?处理器?无线收发器??ＡＣ／ＤＣ?存储器??图１－２电池供电节点的典型结构示意图??－３?－??
?基于ＡＤＰ的能量采集无线传感器网络协同目标跟踪方法研究???近年来，随着新材料、微电子学以及能量储存和转换等新技术的发展，??从环境中的各种能量源（如光能［２７］、风能［２８］、热能［２９，３Ｇ］、电磁辐射［￣等）获??取能量并转换为电能的能量采集技术不断出现。能量采集技术使得传感器节??点能够以较低的成本从环境中获取能量，并存储到能量存储装置中供节点使??用（如图１－３所示），这样可以在环境能量不稳定的情况下，利用存储的能量??为节点提供工作能量［３Ｗ４］，同时还可避免电池的不断更换［３５］。??供电模块??环境中的能????量，如太阳——＼?能量采集设备??能、风能、电Ｉ?Ｊ??ｎ???热能、ＲＦ等?????能量存储装置??????感知模块?信息处理模块?无线通信模块??传感器?处理器?无线收发器??ＡＣ／ＤＣ?存储器??图１－３能量采集节点的典型结构示意图??理论上讲，在环境能量可持续获取的情况下，基于能量采集技术的网络??寿命是可以达到无限长的，此时网络中的传感器优化调度中需要重点解决的??问题不再是网络的生存周期的最大化，而是在给定的能量采集能力下最大化??网络的性能［３６］。因此，在有限的节点能量采集能力下，能量采集理论及技术??的发展，为无限长生命周期上获得高性能的目标跟踪传感器调度带来了新的??挑战。??目前己有文献对能量采集建模１３７＿３９１、ＭＡＣ协议设计ｔ４ＩＭ４ｌ、传感器调度与??信息质量保证［４５４力等多方面进行了初步的研宄。下面将对这些相关工作进行??简要的介绍。??首先，能量采集建模是对网络进行优化及管理的基础，也是ＥＨＷ
【参考文献】：
期刊论文
[1]无线传感器网络中能效优化的自适应节点选择算法[J]. 杨伊,范馨月,周非,郭浩田. 传感技术学报. 2019(11)
[2]传感器网络分布式事件触发多目标估计[J]. 张玲玲,张亚. 控制理论与应用. 2020(05)
[3]多目标跟踪中多传感器分布式控制策略[J]. 陈辉,邓东明,韩崇昭. 控制理论与应用. 2019(10)
[4]多传感器协同识别跟踪多目标管理方法[J]. 庞策,单甘霖,段修生. 北京航空航天大学学报. 2019(08)
[5]Residential Energy Scheduling for Variable Weather Solar Energy Based on Adaptive Dynamic Programming[J]. Derong Liu,Yancai Xu,Qinglai Wei,Xinliang Liu. IEEE/CAA Journal of Automatica Sinica. 2018(01)
[6]基于迭代神经动态规划的数据驱动非线性近似最优调节[J]. 王鼎,穆朝絮,刘德荣. 自动化学报. 2017(03)
[7]无线传感器网络自适应目标跟踪节点调度算法[J]. 卢旭,程良伦,罗世亮. 通信学报. 2015(04)
[8]无线传感器网络目标跟踪性能优化及仿真[J]. 陈延军,潘泉,王征. 传感技术学报. 2015(04)
[9]基于评价网络近似误差的自适应动态规划优化控制[J]. 林小峰,丁强. 控制与决策. 2015(03)
[10]无线传感器网络关键技术研究[J]. 毕冉,李建中. 智能计算机与应用. 2014(06)
博士论文
[1]基于自适应动态规划的几类非线性时滞系统最优化控制方法研究[D]. 宋睿卓.东北大学 2011
[2]基于神经网络的非线性系统自适应优化控制研究[D]. 罗艳红.东北大学 2008
本文编号：3626409
【文章来源】：北京科技大学北京市211工程院校教育部直属院校
【文章页数】：126 页
【学位级别】：博士
【部分图文】：
图１－１无线传感器网络结构示意图??４，５６
?文献［２６］针对目标跟踪问题，将节点感知数据误差、剩余能量、能量消耗综合??刻画为信息质量，并提出了一种信息质量驱动的节点调度算法，以提高能量??利用率。??上述工作为ＷＳＮ的应用与推广打下了良好的基础，但ＷＳＮ的真正大规??模应用尚需解决低成本、小型化／微型化、安全性、能量供应等多方面问题，??尤其需要解决能量供应中的能量采集技术及其相关的网络优化设计问题。??１．１．２能量采集无线传感器网络的发展现状??在ＷＳＮ中，节点通常采用电池为感知、处理和通信等工作提供能量（如??图１－２所示）。但是，由于受到节点体积的限制，所配置的电池能够提供的能??量是非常有限的，即使采用了低能耗设计方法，网络的生存周期及其综合性??能仍会受到很大限制。而且，频繁更换电池往往是很繁琐、昂贵、危险的，??特别地，传感器节点经常处在恶劣或人员难以到达的环境中，无法实现为每??个节点更换电池，所以绝大部分ＷＳＮ不能满足长期工作需要，最大化网络??生存期就成为ＷＳＮ中需要解决的重要问题［＇现有的相关研宄主要集中在两??个方面：一是考虑能耗与网络性能间的折中，通过牺牲部分性能获取更长的??网络生存期；二是对ＷＳＮ进行高效的能耗设计，包括低功耗硬件系统设计??与动态功耗控制等等，这些研宄取得了很大的进展，但还不能彻底解决网络??持续工作的问题。??供电模块??电池??????感知模块?倍．＆处理模块?无线通信模块??传感器?处理器?无线收发器??ＡＣ／ＤＣ?存储器??图１－２电池供电节点的典型结构示意图??－３?－??
?基于ＡＤＰ的能量采集无线传感器网络协同目标跟踪方法研究???近年来，随着新材料、微电子学以及能量储存和转换等新技术的发展，??从环境中的各种能量源（如光能［２７］、风能［２８］、热能［２９，３Ｇ］、电磁辐射［￣等）获??取能量并转换为电能的能量采集技术不断出现。能量采集技术使得传感器节??点能够以较低的成本从环境中获取能量，并存储到能量存储装置中供节点使??用（如图１－３所示），这样可以在环境能量不稳定的情况下，利用存储的能量??为节点提供工作能量［３Ｗ４］，同时还可避免电池的不断更换［３５］。??供电模块??环境中的能????量，如太阳——＼?能量采集设备??能、风能、电Ｉ?Ｊ??ｎ???热能、ＲＦ等?????能量存储装置??????感知模块?信息处理模块?无线通信模块??传感器?处理器?无线收发器??ＡＣ／ＤＣ?存储器??图１－３能量采集节点的典型结构示意图??理论上讲，在环境能量可持续获取的情况下，基于能量采集技术的网络??寿命是可以达到无限长的，此时网络中的传感器优化调度中需要重点解决的??问题不再是网络的生存周期的最大化，而是在给定的能量采集能力下最大化??网络的性能［３６］。因此，在有限的节点能量采集能力下，能量采集理论及技术??的发展，为无限长生命周期上获得高性能的目标跟踪传感器调度带来了新的??挑战。??目前己有文献对能量采集建模１３７＿３９１、ＭＡＣ协议设计ｔ４ＩＭ４ｌ、传感器调度与??信息质量保证［４５４力等多方面进行了初步的研宄。下面将对这些相关工作进行??简要的介绍。??首先，能量采集建模是对网络进行优化及管理的基础，也是ＥＨＷ
【参考文献】：
期刊论文
[1]无线传感器网络中能效优化的自适应节点选择算法[J]. 杨伊,范馨月,周非,郭浩田. 传感技术学报. 2019(11)
[2]传感器网络分布式事件触发多目标估计[J]. 张玲玲,张亚. 控制理论与应用. 2020(05)
[3]多目标跟踪中多传感器分布式控制策略[J]. 陈辉,邓东明,韩崇昭. 控制理论与应用. 2019(10)
[4]多传感器协同识别跟踪多目标管理方法[J]. 庞策,单甘霖,段修生. 北京航空航天大学学报. 2019(08)
[5]Residential Energy Scheduling for Variable Weather Solar Energy Based on Adaptive Dynamic Programming[J]. Derong Liu,Yancai Xu,Qinglai Wei,Xinliang Liu. IEEE/CAA Journal of Automatica Sinica. 2018(01)
[6]基于迭代神经动态规划的数据驱动非线性近似最优调节[J]. 王鼎,穆朝絮,刘德荣. 自动化学报. 2017(03)
[7]无线传感器网络自适应目标跟踪节点调度算法[J]. 卢旭,程良伦,罗世亮. 通信学报. 2015(04)
[8]无线传感器网络目标跟踪性能优化及仿真[J]. 陈延军,潘泉,王征. 传感技术学报. 2015(04)
[9]基于评价网络近似误差的自适应动态规划优化控制[J]. 林小峰,丁强. 控制与决策. 2015(03)
[10]无线传感器网络关键技术研究[J]. 毕冉,李建中. 智能计算机与应用. 2014(06)
博士论文
[1]基于自适应动态规划的几类非线性时滞系统最优化控制方法研究[D]. 宋睿卓.东北大学 2011
[2]基于神经网络的非线性系统自适应优化控制研究[D]. 罗艳红.东北大学 2008
本文编号：3626409
本文链接：https://www.wllwen.com/kejilunwen/zidonghuakongzhilunwen/3626409.html
