——自适应目标跟踪选择算法设计
- 前言
无线传感网络（Wireless Sensor Networks，WSN）是在传感器技术、微机电系统技术、无线通信技术和分布式信息处理技术的基础上发展起来的现代计算机网络。它是由部署在检测区域内的大量具备感知、存储、通信和处理能力的廉价微型传感器节点组成，通过无线通信方式将最终处理结果传送给用户，实现逻辑上的信息世界与客观物理世界的融合，同时也改变人与自然的交互方式。
由于传感器节点具有快速部署性、自组织性、隐蔽性以及高容错性等特点，而且传感器节点体积小、价格低廉，因此无线传感器网络特别适用于运动目标的跟踪。然而无线传感器网络在应用于目标跟踪系统时，也带来了一些困难和挑战，例如：传感器节点的计算能力、存储能量力及检测对象的能力有限；传感器节点的体积较小，可以携带的电池能量有限且不易更换；在监测区域内有大量传感器节点，若所有的传感器节点均参与目标跟踪，虽然跟踪精度会很高，但是采集到的信息冗余度也高，而且巨大的能量消耗会缩短了网络的生存周期；甚至在外部环境影响下，无线通信链路容易受到外部环境的干扰，节点易于失效，网络拓扑结构经常发生动态变化。而无线传感器网络目标跟踪的应用具有实时性要求等，这些约束条件对无线传感器网络目标跟踪算法的研究和设计提出了新的要求。
WSN中随机部署的传感器节点数目通常远远大于实际完成跟踪任务所必须的节点数目。节点选择即依据一定的规则在众多的传感器节点中确定出执行任务的节点，同时将其他节点设定为休眠状态，从而在顺利完成跟踪任务的同时延长整个网络的生命周期。节点选择的过程就是根据实际环境的约束条件建立衡量不同传感器对目标跟踪能力的标准，以实现传感器网络整体跟踪性能最优的目的。采用某种算法在不同时刻自适应地或者根据一定的准则为每个目标分配最佳的传感器节点，通过各个传感器节点之间的协作完成监视区域内所有目标的跟踪任务。传感器节点选择算法可以在网络的能量消耗和目标的跟踪精度之间进行权衡。这种方法能够为多传感器信息融合系统带来诸多益处，例如：(1)延长了传感器网络的使用寿命。通过选择合适的传感器执行跟踪任务，避免对某一传感器过度使用而使其能量耗尽进而
中断网络寿命；(2)改善了系统的跟踪性能。通过为某运动目标分配对其具有最佳观测性能的传感器组，使系统的整体跟踪精度得到提高；(3)优化了资源配置。研究表明，通过合理的分配传感器资源，可以增强系统的检测、跟踪能力和时空覆盖率，最大限度地降低目标环境的不确定性，使融合系统在未来的跟踪任务中性能达到最优；(4)缩短了系统的反应时间等。目标跟踪节点选择算法应该遵循较高的目标跟踪精度、较低的网络能量消耗以及较长的网络生命周期的原则。所以本文对节点选择问题的研究具有实际利用的价值，值得做更深入的研究。
二、国内外发展现况
目标追踪的核心任务是对出现在网络中的事件或者目标进行实时精确定位，与传统的传感器网络对比，技术给数据处理算法、无线通信技术和网络控制技术带来了新的挑战[1]。在目标追踪系统中，多个传感器同时参与感知，协作处理目标信息，估计目标位置，然而这些传感器多目标的测量往往是有噪声、冗余和不同步的，同时大量传感器之间的通信会消耗电池能量，缩短网络的生存时间[2]。
从这个角度看，节约能量成为无线传感器网络中目标追踪的一个关键问题，为此也涌现了各种解决方法。在传感器调度和目标预测的方法中，首先产生目标的状态估计，然后预测下一个采样周期的目标状态，根据预测信息对参与追踪任务的传感器进行选择，在文献[3]中，该问题被称为传感器选择问题，它要求在花费最小代价和得到最大可用信息的条件下选择参与追踪任务的节点子集，在目标追踪问题中，文献[4]的作者将代价和最大可用信息分别定义为能量消耗和追踪精度。
目标追踪方案主要考虑的因素包括：感知质量、信号处理算法、数据报告机制、传感器激活机制和局部网络结构[5]。感知质量依赖与网络覆盖范围，与网络的初始部署、节点的感知范围和网络节点分布密度等因素有关，目标追踪方案应该能够测量目标状态的可用信息，以计算当前的估计误差；信号处理算法依赖于目标在状态模型（线性或非线性）、传感器感知的噪声模型（高斯或非高斯）、目标的感知模型以及节点的能量约束，往往涉及分布式设计，卡尔曼滤波算法[6]很容易实现其分布式形式，如分布式卡尔曼滤波算法[7]和卡尔曼一致滤波算法[8]，因此它成为一个合适的解决方案；由于网络部署存在的随机性和出于通信优化的目的，适当的数据报告机制和网络结构优化应该加以考虑；另外，传感器激活机制，除了要考虑能量约束和目标轨迹以外，还要依据目标的移动速度。
以上是毕业论文文献综述，课题毕业论文、任务书、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。
