CN101252495A - 无线传感器网络本地式节点管理方法 - Google Patents

Abstract

本发明涉及一种无线传感器网络本地式节点管理方法，包括：在当前采样时刻，第一节点集合中的工作节点预测在下一采样时刻能提供最优定位性能的理想节点组合所处的备选区域；第一节点集合中的每个节点向无线传感器网络中的其它节点广播包含有所述备选区域的预测信息；接收到预测信息的节点判断其是否处于所述备选区域内，是则所述节点加入第二节点集合；第二节点集合中的备选节点相互确认对方位置和状态，并在下一采样时刻进入工作状态。本发明有效避免了传统全局式节点管理方法运算负担大、存储需求大、系统复杂度大、结构复杂、可扩展性不强等缺点，本发明可快速得到能够高精度定位目标的节点组合，降低系统工作复杂度，延长了网络寿命。

Description

无线传感器网络本地式节点管理方法

技术领域

本发明涉及一种无线传感器网络节点管理方法，特别是一种无线传感器网络本地式节点管理方法。

背景技术

无线传感器网络是由多个微型无线传感器协同组织构成的，每个微型无线传感器具有无线通信、数据采集和处理、协同合作等功能，无线传感器网络中的传感器节点可以随机或特定地布置在目标环境中，传感器节点之间通过特定协议自组织起来，获取周围环境的信息，相互协同完成特定任务。

目前，无线传感器网络技术被广泛应用在医疗卫生、军事应用、环境保护、质量安全和动植物监测等领域，其中被动目标监视跟踪技术因为具有隐蔽性能好的独特优点而得到广泛的关注和深入的研究，被动目标监视跟踪技术是指通过测量被监视目标自身发出的声音信号来确定目标位置，预测目标的运动方向。由于目标自身发出的声音信号在空间传播过程中存在明显的衰减、延迟和回声干扰等现象，而且无线传感器网络在能量供应、通信能力和单一节点工作能力等方面也存在着各种制约，所以无线传感器网络中处于不同地理位置的节点具有不同的定位性能和工作能力。在进行每次测量之前，无线传感器网络需要经过自组织管理程序选择网络中特定的部分节点来完成目标定位和跟踪工作，达到既能提供高定位精度的结果，又节约节点能量消耗的目的，在高性能完成目标跟踪任务的同时，延长无线传感器网络的寿命。

在无线传感器网络的声源目标定位技术中，由于具有设计简单和资源占用率少等优点，时延估计技术应用最为广泛。时延估计技术要求无线传感器网络的每个传感器节点由组成阵列的多个声音传感器构成，在每个节点，声音传感器所组成的阵列可以是线状或方阵等多种形式。无线传感器网络节点根据声音到达阵列中每个声音传感器的不同时延估计出声源目标所处的位置信息。声源目标的位置信息包括目标与传感器节点的距离，目标与传感器节点的相对方向，以及目标在系统坐标系中的坐标等。无线传感器网络通过聚合每个传感器节点得到的位置信息，通过估计方法得到高精度的目标定位信息，目前常用的估计方法有最大似然估计方法和最小二乘估计方法等。对于运动目标，无线传感器网络往往使用贝叶斯滤波器或者卡尔曼滤波器等技术，考虑采样测量信息之间的相关性，利用网络的观测历史优化网络每个采样时刻的结果，达到高精度定位移动目标的目标。

现有的无线传感器网络节点管理方法分为两种类型：子区域类型和全区域类型。子区域类型节点管理方法是无线传感器网络将整个监视覆盖范围分为多个互不重叠的子区域，每个子区域内规则分布数目相同的传感器节点。子区域内的传感器节点负责监视和测量本子区域内的目标状态，更新卡尔曼滤波器的状态，追踪目标的运动趋势。当某一个子区域内的传感器节点通过卡尔曼滤波器的预测功能判断目标将从该子区域移出进入到相邻的另一个子区域时，该子区域的节点就通知相邻子区域中的节点进行工作，并将卡尔曼滤波器中的目标状态向量和协方差矩阵等相关观测记录报告给相邻子区域中的节点。相邻子区域中的节点继续完成跟踪监测任务，原子区域中节点则进入休眠状态，直至有新的目标进入该子区域。该节点管理方法的优点在于方法设计简单，系统负担小，但该节点管理方法只能应用在节点均匀设置、网络充分覆盖情况。当无线传感器网络节点随机布设时，由于无线传感器网络工作区域的有效覆盖和覆盖均匀性很难保证，使这种管理方法对目标处于两个或多个子区域相接的边缘区域时无法适用，而且当某一子区域中的节点出现工作故障时，无线传感器网络无法利用相邻子区域中的节点进行补偿工作。全区域类型节点管理方法是基于无线传感器网络中的所有节点都是备选节点的管理方法，由于各个节点的观测性能、通信状况和能量储备等性能不尽相同，该节点管理方法利用某些数学或物理标准，从网络所有节点中选择出最合理的部分完成目标的定位和跟踪工作。这些数学或物理标准可以按照无线传感器网络的不同要求由设计者自行选择设计。例如，设计者可以根据无线传感器网络跟踪目标使用的卡尔曼滤波器中的目标位置的协方差矩阵，构造表征均方意义下目标定位误差函数作为评价不同节点组合定位性能的标准，或称为代价函数，该节点管理方法根据该代价函数选择使目标定位均方误差最小的节点组合在下一个采样时刻进行工作。与子区域类型节点管理方法相比，全区域类型节点管理方法能够达到在选择提供最优目标定位精度的部分节点组合的同时，合理使用了网络资源，更能适用于随机部署无限传感器网络的紧急应用环境。但是，全区域类型节点管理方法中基于最佳距离选择的节点管理方法计算负担很大，要求每个节点要有很强的计算能力，浪费了无线传感器网络分布式工作的优点；而全区域类型节点管理方法中基于全局信息的节点管理方法在实现跟踪目标的同时，需要遍历网络所有节点组合可能性，因此需要通过大量的遍历运算才能完成节点选择，而且要求每个节点保存所有节点的位置信息，存在运算负担大、存储需求大、结构复杂等缺陷

发明内容

本发明的目的是提供一种无线传感器网络本地式节点管理方法，有效克服现有节点管理方法存在的运算负担大、存储需求大、结构复杂等缺陷。

为了实现上述目的，本发明提供了一种无线传感器网络本地式节点管理方法，包括：

步骤1、在当前采样时刻，第一节点集合中的工作节点预测在下一采样时刻能提供最优定位性能的理想节点组合所处的备选区域，所述第一节点集合为在当前采样时刻处于工作状态的工作节点组成的集合；

步骤2、所述第一节点集合中的每个节点向无线传感器网络中的其它节点广播包含有所述备选区域的预测信息；

步骤3、接收到所述预测信息的节点判断其是否处于所述备选区域内，是则所述节点加入第二节点集合，所述第二节点集合为在下一采样时刻进入工作状态的备选节点组成的集合；

步骤4、第二节点集合中的备选节点相互确认对方位置和状态，并在下一采样时刻进入工作状态。

所述步骤1具体为：

步骤11、在当前采样时刻，第一节点集合中的工作节点预测在下一采样时刻能够使代价函数最小的节点相对目标所处的方向，将所述方向存入第一数组；

步骤12、根据预测的所述方向预测能提供最优定位性能的理想节点的位置；

步骤13、根据所述理想节点的位置和目标预测位置更新代价函数；

步骤14、判断所述第一数组的长度是否等于预先设定的每个采样时刻工作节点的理想个数，是则执行步骤15，否则执行步骤11；

步骤15、根据所述第一数组建立能够表征所述理想节点与目标预测位置的相对方向的第二数组；

步骤16、根据所述第二数组建立储存所有理想节点位置的理想矩阵；

步骤17、根据所述理想矩阵和预先设定的理想半径，预测下一采样时刻能提供最优定位性能的理想节点组合所处的备选区域。

所述步骤2可以为：所述第一节点集合中的每个工作节点以单跳方式或多跳方式向无线传感器网络中的所有节点广播包含有所述备选区域的预测信息。

所述步骤2也可以为：所述第一节点集合中的每个工作节点以预先设定的广播半径向所述备选区域内的节点广播包含有所述备选区域的预测信息。具体包括：

步骤21、所述第一节点集合中的每个工作节点计算其与目标预测位置之间的预测距离；

步骤22、根据所述预测距离，所述第一节点集合中的每个工作节点计算其与备选区域的最远距离；

步骤23、所述第一节点集合中的每个工作节点以所述最远距离为广播半径，广播包含有所述备选区域的预测信息。

所述步骤3具体为：

步骤31、接收到所述预测信息的节点根据其位置信息计算其与每个理想节点之间的理想距离；

步骤32、判断所述理想距离的最小值是否小于或等于所述理想半径，是则所述节点在下一采样时刻位于所述备选区域内，所述节点加入第二节点集合，否则所述节点在下一采样时刻不在所述备选区域内。

在上述技术方案基础上，所述步骤1与步骤2之间还包括：所述第一节点集合中的每个工作节点根据其位置信息，判断所述工作节点在下一采样时刻是否位于所述备选区域内，是则所述工作节点加入第二节点集合。

在上述技术方案基础上，所述步骤1与步骤2之间还包括：判断所述第二节点集合中备选节点的个数。

在上述技术方案基础上，所述包含有所述备选区域的预测信息包括：所述第一节点集合中工作节点保存的目标状态向量、协方差矩阵，储存有所述理想节点位置的矩阵，理想半径以及经验距离。

本发明提出了一种无线传感器网络本地式节点管理方法，通过对代价函数的倒数的相关因子求导估计使代价函数最小的节点分布关系，以节点是否处于预测的备选区域作为在下一采样时刻进入工作状态的选择标准，既能准确选择提供高精度定位性能的节点组合完成被动目标跟踪，又避免了遍历全局节点的位置信息。由于计算代价函数的次数较少，利用较少的运算量和存储负担快速完成节点选择，因此本发明具有平衡小存储容量、快速运算速度、低通信负担和高精度目标定位能力等优点。另外，本发明仅仅需要每个节点保存自己的位置信息，通过判断自身是否处于预测的备选区域内，决定下一时刻自己的工作状态，有效避免了传统全局式节点管理方法需要无线传感器网络每个节点保存所有节点位置信息造成运算负担大、存储需求大、系统复杂度大、结构复杂、可扩展性不强等缺点。本发明能够达到快速得到能够高精度定位目标的节点组合的目的，既获得了最优节点组合解，又突破了传统节点管理方法需要掌握网络所有节点的地理位置信息的瓶颈，降低了系统工作复杂度，延长了网络寿命。同时，本发明通过提出一种由当前采样时刻工作节点的位置和预测的备选区域的位置关系表述的节点广播半径，使原来每个当前采样时刻工作的节点都利用单跳或多跳广播向整个网络广播信息的情况得到简化，进一步降低了每个节点的通信消耗和整个网络的通信负担。在相同的应用环境下，使用本发明的无线传感器网络可以获得与传统的全局信息的节点管理方法接近或更优的节点选择性能。

下面通过附图和实施例，对本发明的技术方案做进一步的详细描述。

附图说明

图1为本发明无线传感器网络本地式节点管理方法第一实施例的流程图；

图2为本发明第一实施例预测阶段的流程图；

图3为本发明第一实施例判断阶段的流程图；

图4为本发明第一实施例采用广播半径方法广播预测信息的流程图；

图5为本发明无线传感器网络本地式节点管理方法第二实施例的流程图；

图6～图8为本发明无线传感器网络本地式节点管理方法应用实例的示意图；

图9为使用本发明的无线传感器网络完成被动目标跟踪的整体流程图。

具体实施方式

图1为本发明无线传感器网络本地式节点管理方法第一实施例的流程图，具体为：

步骤1、在当前采样时刻，第一节点集合中的工作节点预测在下一采样时刻能提供最优定位性能的理想节点组合所处的备选区域，所述第一节点集合为在当前采样时刻处于工作状态的工作节点组成的集合；

步骤2、所述第一节点集合中的每个节点向无线传感器网络中的其它节点广播包含有所述备选区域的预测信息；

步骤3、接收到所述预测信息的节点判断其是否处于所述备选区域内，是则所述节点加入第二节点集合，所述第二节点集合为在下一采样时刻进入工作状态的备选节点组成的集合；

步骤4、第二节点集合中的备选节点相互确认对方位置和状态，并在下一采样时刻进入工作状态。

本实施例提供了一种基于本地信息的无线传感器网络本地式节点管理方法，主要包括两个阶段：预测阶段和判断阶段。预测阶段由当前采样时刻处于工作状态的工作节点执行，该预测阶段用于预测一备选区域，该备选区域是在下一采样时刻能提供最优定位性能的理想节点组合所处的备选区域。当前采样时刻第一节点集合中的工作节点在完成预测阶段后，将得到的包含有备选区域的预测信息以通信数据的形式通知周围区域的其它节点，其它节点得到预测信息后进入判断阶段，如果该节点处于备选区域内，那么该节点将作为备选节点加入第二节点集合，第二节点集合中的备选节点在下一采样时刻进入工作状态。

图2为本发明第一实施例预测阶段的流程图，具体为：

步骤11、在当前采样时刻，第一节点集合中的工作节点预测在下一采样时刻能够使代价函数最小的节点相对目标所处的方向，将所述方向存入第一数组；

步骤12、根据预测的所述方向预测能提供最优定位性能的理想节点的位置；

步骤13、根据所述理想节点的位置和目标预测位置更新代价函数；

步骤14、判断所述第一数组的长度是否等于预先设定的每个采样时刻工作节点的理想个数，是则执行步骤15，否则执行步骤11；

步骤15、根据所述第一数组建立能够表征所述理想节点与目标预测位置的相对方向的第二数组；

步骤16、根据所述第二数组建立储存所有理想节点位置的理想矩阵；

步骤17、根据所述理想矩阵和预先设定的理想半径，预测下一采样时刻能提供最优定位性能的理想节点组合所处的备选区域。

下面以具有N_d个传感器节点(以下简称节点)的无线传感器网络为例说明本实施例技术方案。在网络中，第一节点集合L1中工作节点的个数为N₁，节点i的位置为P_i＝(x_i  y_i)^T，目标s的预测位置为P_s＝(x_s  y_s)^T，节点i相对目标预测位置的方向为φ_i，其中x为节点i或目标s的横坐标值，y为节点i或目标s的纵坐标值，T表示向量或者矩阵的转置，i＝1，2，..，N_d。同时本发明构建了代价函数的倒数J，代价函数的倒数J的形式由卡尔曼滤波器的协方差矩阵衍生而出，因此，本发明中预测使代价函数最小的节点组合就变为寻找能使代价函数的倒数J最大的节点组合，即J_max＝max(J(N₁|P_s，P_i，i＝1，2，..，N_d))。

步骤11具体为：在当前采样时刻，第一节点集合中的工作节点预测在下一采样时刻能够使代价函数的倒数J最大的一个节点相对目标所处的方向φ_b，即令J/φ＝0和²J/φ²＜0，J/φ为代价函数的倒数J关于方向φ的一阶偏导数，²J/φ²为代价函数的倒数J关于方向φ的二阶偏导。求解满足这两个方程的方向φ_b，并将求解后得到的方向φ_b存入第一数组φ1。

步骤12具体为：根据求解得到的方向φ_b，预测能提供最优定位性能的一个理想节点的位置P_b＝(x_b  y_b)^T，其中，x_b＝x_s+rc×cos(φ_b)，y_b＝y_s+rc×sin(φ_b)，rc为预先设定的工作节点与目标预测位置之间的经验距离；

步骤13具体为：根据前面得到的理想节点位置P_b＝(x_b  y_b)^T和目标预测位置P_s＝(x_s  y_s)^T带入代价函数的倒数J，得到更新后的代价函数的倒数J，为计算下一个能提供最优定位性能的理想节点位置做准备。

步骤14具体为：计算第一数组φ1的长度length(φ1)，并判断第一数组φ1的长度是否等于N，是则执行步骤15，否则执行步骤11，继续预测能够使代价函数的倒数J最大的另一个节点相对目标所处的方向，其中N为预先设定的每个采样时刻工作节点的理想个数。

步骤15具体为：根据第一数组φ1建立能够表征工作节点与目标预测位置的相对方向的第二数组φ2，且φ2＝(φ1  φ1+π)^T，本步骤是考虑到步骤11中进行反三角变换会出现丢根情况。

步骤16具体为：根据第二数组φ2建立储存所有理想节点位置的理想矩阵P_e，其中，P_e(n，m)＝(x_e  y_e)^T，x_e＝x_s+rc×cos(φ2)，y_e＝y_s+rc×sin(φ2)，n和m表示理想矩阵的第n行和第m列，n＝1，2；m＝1，2，...，N。

步骤17具体为：根据理想矩阵P_e和预先设定的理想半径rb，预测下一采样时刻能提供最优定位性能的理想节点组合所处的备选区域，备选区域由储存有理想节点位置的理想矩阵P_e和理想半径rb唯一表征，即备选区域由以理想矩阵P_e(n，m)中储存的节点坐标为圆心，以理想半径rb为半径的多个圆形区域联合构成。其中，理想半径rb选择为在统计意义上工作节点与之最近的理想矩阵P_e中节点之间的距离。

图3为本发明第一实施例判断阶段的流程图，具体为：

步骤31、接收到所述预测信息的节点根据其位置信息计算其与每个理想节点之间的理想距离；

步骤32、判断所述理想距离的最小值是否小于或等于所述理想半径，是则所述节点在下一采样时刻位于所述备选区域内，所述节点加入第二节点集合，否则所述节点在下一采样时刻不在所述备选区域内。

在第一节点集合L1中的每个节点向无线传感器网络中的其它节点广播包含有所述备选区域的预测信息后，接收到所述预测信息的节点按照自己的位置和预测阶段建立的备选区域判断自己在下一时刻的工作状态。如果该节点在备选区域内，则该节点在下一采样时刻将处于工作状态，并作为备选节点加入第二节点集合L2，否则该节点在下一采样时刻保持休眠状态。因此步骤3具体为：接收到所述预测信息的节点计算公式||P_i-P_e(n，m)||，其中n＝1，2，m＝1，2，...，N，i属于接收到所述预测信息的节点组成的集合，符号||||表示计算两个点在直角坐标系中的距离，即接收到所述预测信息的节点与每个理想节点之间的理想距离。之后找到其中的最小值，判断距离最小值(即其与最近的理想节点的距离)是否小于或等于理想半径rb，即公式||P_i-P_e(n，m)||≤rb是否成立，公式成立说明则该节点在下一采样时刻位于所述备选区域内，该节点加入第二节点集合L2，在下一采样时刻进入工作状态；公式不成立则说明该节点在下一采样时刻不在所述备选区域内，该节点在下一采样时刻保持休眠状态。

之后，第二节点集合L2中的备选节点相互确认对方位置和状态，组成下一采样时刻工作的工作节点集合，新组成的工作节点集合在下一采样时刻继续执行卡尔曼滤波方法，完成目标监视和跟踪。

从图1～图3所示本发明无线传感器网络本地式节点管理方法第一实施例的技术方案中可以看出，针对无线传感器网络使用卡尔曼滤波器完成被动目标定位过程中，滤波器的协方差矩阵包含节点测量性能的特点，本实施例上述技术方案提出了一种基于本地信息的无线传感器网络本地式节点管理方法，通过对代价函数的倒数的相关因子求导估计使代价函数最小的节点分布关系，以节点是否处于预测的备选区域作为在下一采样时刻进入工作状态的选择标准，既能准确选择提供高精度定位性能的节点组合完成被动目标跟踪，又避免了遍历全局节点的位置信息。由于计算代价函数的次数较少，利用较少的运算量和存储负担快速完成节点选择，因此本实施例技术方案具有平衡小存储容量、快速运算速度、低通信负担和高精度目标定位能力等优点。另外，本实施例本地式节点管理方法仅仅需要每个节点保存自己的位置信息，通过判断自身是否处于预测的备选区域内，决定下一时刻自己的工作状态，有效避免了传统全局式节点管理方法需要无线传感器网络每个节点保存所有节点位置信息造成运算负担大、存储需求大、系统复杂度大、结构复杂、可扩展性不强等缺点。因此本实施例本地式节点管理方法能够达到快速得到能够高精度定位目标的节点组合的目的，既获得了最优节点组合解，又突破了传统节点管理方法需要掌握网络所有节点的地理位置信息的瓶颈，降低了系统工作复杂度，延长了网络寿命。

本实施例首先进入预测阶段。在预测阶段，计算根据卡尔曼滤波器中协方差矩阵构造的代价函数的倒数J，然后计算代价函数的倒数J关于节点相对目标的角度的J/φ＝0和²J/φ²＜0，先寻找满足两个方程的方向φ_b，并存入第一数组φ1。该过程使用导数的性质估计使代价函数的倒数J最大的节点的方向信息，能够快速得出理论最优解，其中代价函数是由卡尔曼滤波器的预测目标位置的协方差矩阵的行列式。本实施例使用的卡尔曼滤波器是一个四状态滤波器X＝[p_x，tp_y，tv_x，t  v_y，t]^T，分别代表常规意义下目标的横位置坐标、纵位置坐标和对应方向速度，滤波器的协方差矩阵为一对称正定4×4矩阵。根据估计理论，代价函数的倒数J设计为协方差矩阵的逆的行列式|J_f|，其中J_f为卡尔曼滤波器对应的Fisher信息矩阵，即协方差矩阵的逆。之后，将求解后得到的方向φ_b存入第一数组φ1，根据方向φ_b，本实施例预测能提供最优定位性能的一个理想节点的位置为P_b＝(x_b  y_b)^T。本实施例中，经验距离rc选择为在统计意义上工作节点与目标预测位置之间的平均距离。之后，利用前面得到的目标预测位置P_s＝(x_s  y_s)^T和理想节点位置P_b＝(x_b  y_b)^T更新代价函数的倒数J，利用新得到的代价函数的倒数J计算下一个能提供最优定位性能的节点所处的方向，继续构建第一数组φ1，再利用新得到的理想节点位置更新代价函数的倒数J，直到第一数组φ1中的方向个数达到预先设定的每个采样时刻工作节点的理想个数N。之后，利用第一数组φ1构建第二数组φ2，由第二数组φ2表征所有提供最优定位性能节点的方向，第二数组φ2中补充构建第一数组φ1由于反三角函数变换丢失的根。之后，利用第二数组φ2建立储存所有理想节点位置的理想矩阵P_e(n，m)，以理想矩阵P_e中储存的节点坐标为圆心，以理想半径rb为半径表示的所有圆形区域的并集作为预测阶段的输出，即提供最优定位性能的理想节点组成的备选区域。其中，理想半径rb选择为在统计意义上工作节点与之最近的理想矩阵P_e中节点之间的距离。

本实施例再后进入判断阶段。在判断阶段，在第一节点集合L1中的每个工作节点向无线传感器网络中的其它节点广播包含有所述备选区域的预测信息后，接收到所述预测信息的节点按照自己的位置和预测阶段建立的备选区域判断自己在下一时刻的工作状态。如果该节点在备选区域内，则该节点在下一采样时刻将处于工作状态，并加入第二节点集合L2，否则该节点在下一采样时刻保持休眠状态。最后，加入第二节点集合L2的备选节点相互确认后，判断阶段结束。本实施例根据代价函数包含信息的特殊性，预测被选中节点的方向，减小了计算、比较代价函数的运算数目，缩小了系统的运算量。

在本实施例上述技术方案中，步骤2的目的是将当前采样时刻第一节点集合中工作节点拥有的备选区域信息、卡尔曼滤波器信息等预测信息通知休眠节点，为休眠节点进行状态判断和可能在下一采样时刻进行的工作提供必要的参数依据。在实际使用中，步骤2既可以采用单跳广播的方式向整个无线传感器网络所有节点广播包含有所述备选区域的预测信息，也可以采用多跳方式向整个无线传感器网络所有节点广播包含有所述备选区域的预测信息，还可以采用使第一节点集合中的工作节点以控制广播半径的方法向备选区域中的节点广播预测信息的方式。

图4为本发明第一实施例采用广播半径方法广播预测信息的流程图，具体为：

步骤21、所述第一节点集合中的每个工作节点计算其与目标预测位置之间的预测距离；

步骤22、根据所述预测距离，所述第一节点集合中的每个工作节点计算其与备选区域的最远距离；

步骤23、所述第一节点集合中的每个工作节点以所述最远距离为广播半径，广播包含有所述备选区域的预测信息。

具体地，第一节点集合L1中的每个节点i计算其与目标预测位置之间的预测距离r_i，计算公式为：r_i＝||P_i-P_s||，，其中P_s＝(x_s  y_s)^T，是目标预测位置，P_i＝(x_i  y_i)^T，是节点i的位置，节点i属于第一节点集合L1；第一节点集合L1中的每个节点i计算广播半径d_i的计算公式为：d_i＝r_i+(rc+rb)，其中，rc为预先设定的工作节点与目标预测位置之间的经验距离，rb为预先设定的理想半径，因此计算公式d_i＝r_i+(rc+rb)得到的广播半径d_i正是保证实现广播覆盖的最大半径。因为每个工作节点只有自己的位置信息，所以第一节点集合中的工作节点不知道备选区域中的节点位置，因此，第一节点集合中的每个工作节点计算的广播距离是到离它最远的备选区域的边界的距离，第一节点集合L1中的每个节点i按照自己的广播半径d_i广播预测信息。

上述使用控制广播半径的方法得到的广播半径d_i绝大多数情况下会使第一节点集合L1中每个节点的通信覆盖区域处于整个网络的覆盖区域之中，其理论依据是使第一节点集合L1中的每个节点的广播能够覆盖整个已得到的最优的节点组合所处的备选区域。同现有技术无线传感器网络的大范围覆盖区域相比较，本实施例广播半径d_i表征的通信半径相对较小，本实施例上述技术方案通过由节点和两个统计数据表征通信半径，缩短了节点的通信半径，减少了通信范围，节约了网络的能量消耗，减轻了通信负担，避免网络服务质量的下降。

进一步地，本实施例上述技术方案中包含有所述备选区域的预测信息包括：第一节点集合中工作节点保存的目标状态向量、协方差矩阵，储存有理想节点位置的矩阵P_e，理想半径rb以及经验距离rc。

图5为本发明无线传感器网络本地式节点管理方法第二实施例的流程图，具体为：

步骤10、在当前采样时刻，第一节点集合中的工作节点预测在下一采样时刻能提供最优定位性能的理想节点组合所处的备选区域，所述第一节点集合为在当前采样时刻处于工作状态的工作节点组成的集合；

步骤20、所述第一节点集合中的每个工作节点根据其位置信息，判断所述工作节点在下一采样时刻是否位于所述备选区域内，是则所述工作节点加入第二节点集合；

步骤30、判断所述第二节点集合中节点的个数，如果所述第二节点集合中备选节点的个数大于或等于预先设定的每个采样时刻工作节点的理想个数，执行步骤70；如果所述第二节点集合中节点的个数等于0，执行步骤40；否则执行步骤50；

步骤40、在所述第一节点集合中选择备份节点加入第二节点集合，所述备份节点具有最小的备份距离；

步骤50、所述第一节点集合中的每个节点向无线传感器网络中的其它节点广播包含有所述备选区域的预测信息；

步骤60、接收到所述预测信息的节点判断其是否处于所述备选区域内，是则所述节点加入第二节点集合，所述第二节点集合为在下一采样时刻进入工作状态的备选节点组成的集合；

步骤70、第二节点集合中的备选节点相互确认对方位置和状态，并在下一采样时刻进入工作状态。

本实施例是在图1～图4所示本发明无线传感器网络本地式节点管理方法第一实施例技术方案的基础上，增加了辅助判断，辅助判断包括工作节点判断和第二节点集合判断。

工作节点判断是第一节点集合中的每个工作节点根据其位置信息，判断所述工作节点在下一采样时刻是否位于所述备选区域内，是则所述工作节点加入第二节点集合。具体地，第一节点集合L1中的每个节点执行公式||P_i-P_e(n，m)||≤rb，其中n＝1，2，m＝1，2，...，N₁，i属于第一节点集合L1，符号||  ||表示计算两个点在直角坐标系中的距离，因此||P_i-P_e(n，m)||表示第一节点集合L1中工作节点与每个理想节点之间的理想距离，||P_i-P_e(n，m)||≤rb表示理想距离是否小于或等于理想半径rb。如果该式成立，则表示该点在下一采样时刻位于所述备选区域内，该节点加入第二节点集合L2，在下一采样时刻进入工作状态；如果该式不成立则该节点在下一采样时刻不在所述备选区域内，该节点在下一采样时刻进入休眠状态。

第二节点集合判断是判断第二节点集合的状态，即第二节点集合中备选节点的个数N₂。如果第二节点集合L2为空，即第二节点集合L2中备选节点的个数N₂为0个，表示当前采样时刻的第一节点集合L1中的工作节点都不在预测的备选区域内。由于无线传感器网络中节点只保存自己的位置信息，所以此时第一节点集合L1中的工作节点无法预知网络中是否存在处于备选区域内的备选节点，为了避免在下一采样时刻网络中无节点工作的情况，本实施例在第一节点集合L1中选择具有最小备份距离的工作节点作为备份节点加入第二节点集合L2，本实施例中，备份距离＝(||P_i-P_e(n，m)||-rb)²，即选择满足min((||P_i-P_e(n，m)||-rb)²)的工作节点作为备份节点加入第二节点集合L2。如果第二节点集合L2中备选节点的个数N₂大于或等于N，表示第二节点集合L2已经满足工作节点个数，因此直接进行备选节点相互确认对方位置和状态的步骤。如果第二节点集合L2中备选节点的个数N₂大于0但小于N，则执行其它节点的判断阶段。

从本实施例上述技术方案可以看出，工作节点判断和第二节点集合判断二者具有相对独立性，既可以单独使用，也可以组合使用，最大限度地保证了本发明预测阶段和判断阶段的顺利执行。

图6～图8为本发明无线传感器网络本地式节点管理方法应用实例的示意图，以包含20个(N_d＝20)节点的无线传感器网络，每个采样时刻平均选择3个(N₁＝3)工作节点进行工作为例，进一步说明本发明的技术方案，其中上方定义为北方。

如图6所示，节点随机分布在网络的覆盖区域中。在某一采样时刻，以目标s的预测位置为中心(图6中目标s在区域中心)，在当前采样时刻工作的第一工作节点1、第二工作节点2和第三工作节点3三个工作节点构成第一节点集合L1。第一节点集合L1中的工作节点通过计算代价函数的倒数J关于方向φ的一阶偏导数和二阶偏导数，得到具有最优定位性能的节点方向，以此为依据计算该节点位置P_b＝(x_b  y_b)^T。利用目标预测位置P_s＝(x_s  y_s)^T和节点位置P_b＝(x_b  y_b)^T更新代价函数的倒数J，然后再次计算能使新的代价函数的倒数J最大的具有最优定位性能的节点方向，直至得到3个这种方向(预先设定的每个采样时刻工作节点的理想个数N＝3)，并将它们存入第一数组φ1，第一数组φ1＝(φ_b1，φ_b2，φ_b3)。然后构建第二数组φ2＝(φ_b1，φ_b2，φ_b3；φ_b1+π，φ_b2+π，φ_b3+π)。以目标预测位置为原点，根据第二数组φ2中储存的元素和经验距离rc，计算所有理想节点位置并将它们储存在理想矩阵P_e(n，m)中，本实施例中，在包含20个节点的无线传感器网络每个采样时刻选择3个节点工作时，rc为一个统计距离，该统计距离是在多次(如1000次)仿真实验中，使用完全遍历的算法每个采样时刻选择出3个工作节点与目标预测位置的相对距离的平均值。再以理想矩阵P_e(n，m)中存储的元素坐标为圆心，以理想半径rb为半径建立6个圆形区域，这6个圆心区域的并集作为预测阶段的输出结果，即预测的提供最优定位性能的节点的备选区域D，本实施例中，理想半径rb也是一个统计距离，该统计距离是在经验距离rc的基础上得到的，通过仿真使用完全遍历算法得到的工作节点与距离该节点最近的理想节点位置距离的平均值，即包含20个节点的无线传感器网络每个采样时刻使用完全遍历的算法选择出的3个工作节点与最接近自己的理想矩阵P_e中存储的节点位置之间的距离的平均值(如图7所示)。

随后进入判断阶段。图7中的第一工作节点1、第二工作节点2和第三工作节点3首先判断自己在下一采样时刻的状态。在本实施例中，规定某节点绝大部分属于某范围时则该节点属于该范围。因此，第二工作节点2和第三工作节点3位于备选区域D内，在下一采样时刻工作，因此作为备选节点加入第二节点集合L2。第一节点集合L1中的第一工作节点1、第二工作节点2和第三工作节点3分别向周围区域内的节点广播预测信息，每个工作节点使用公式d_i＝r_i+(rc+rb)计算其广播半径d_i，如图8中第三工作节点3所示。接收到预测信息的节点根据自己的位置判断是否在下一时刻工作。如图8所示，共有7个备选节点4位于备选区域D内，在下一采样时刻工作，因此加入下一采样时刻工作的第二节点集合L2，使第二节点集合L2中有9个备选节点4，则这9个备选节点作为下个采样时刻工作的节点组合完成目标跟踪任务，其它节点进入或者保持休眠状态。由于本发明采用节点自主判定的技术方案，因此每个采样时刻工作的节点数目是不确定的大于零的整数。实验数据显示，在无线传感器网络的节点随机分布的情况下，根据不同的网络内节点数N_d和预先设定的每个采样时刻工作节点的理想个数N指标，使用上述实施例中介绍的经验距离rc和理想半径rb设计原则，可以使无线传感器网络每个采样时刻的平均工作节点数目保持在理想个数N附近。

从上述应用实例可以看出，在相同的应用环境下(传感器网络的工作区域、传感器网络的节点数目和目标的运动性能等方面)，本发明无线传感器网络本地式节点管理方法可以准确有效地获得传感器网络中具有最优定位性能的节点组合，而且与传统的全局信息节点管理方法相比，工作周期短，运算效率高，系统负担小，从而能够充分发挥传感器网络的工作能力，有效提高网络寿命。本发明基于迭代运算的卡尔曼滤波器综合完成目标的观测、目标位置的估计、预测和跟踪，并以滤波器提供的信息为基础构建了能够全面评估节点跟踪性能的代价函数，无线传感器网络每一个节点利用自己的位置信息作为该节点判断的依据，降低了节点选择的复杂度，提高了网络的鲁棒性。进一步地，本发明有效减少了寻找最优节点组合的遍历次数。

传统的全局性节点选择方法从总数目为N_d的无线传感器网络中选择性能最优的N₁个节点组合所需要的遍历次数为N_d！/(N₁！(N_d-N₁)！)，而且在遍历过程中，每一节点组合都需要计算一次代价函数。当无线传感器网络使用的滤波方法或者节点管理方法构建的代价函数形式复杂时，系统的运算开销将十分庞大。而本发明提出的本地式节点管理方法一方面避免了大量的代价函数计算次数，另一方面避免了传统全局型节点管理方法要求的每个节点掌握网络所有节点位置信息的负担。以无线传感器网络中传感器节点数目N_d＝20、N_d＝40或N_d＝50，每次采样时刻3个节点(N₁＝3)工作为例，实验数据表明，本发明通过代价函数来获得提供最优定位性能的备选区域的计算次数为6次，而传统的全局型节点管理方法的计算次数分别为1140次(N_d＝20)、9880次(N_d＝40)或19600次(N_d＝50)。当每个采样时刻5个节点(N₁＝3)工作为例，本发明的计算次数为10次，而传统的全局性能节点管理方法的计算次数分别为15540次(N_d＝20)、658008次(N_d＝40)或2118760次(N_d＝50)。可见，本发明的计算次数与工作节点的数目N₁呈线性关系(计算代价函数的倒数的导数和二阶导数的总次数是2×N₁)，而与网络的总体规模无关，无线传感器网络规模越大，本发明在计算量和存储需求上的负担节约地越明显。实验数据还表明，适当设置经验距离rc对系统耗能上的影响显著，当本发明使用控制广播半径的单跳通信模式时，适当设置经验距离rc可以在节点组合的定位误差和通信耗能之间获得较好的折中效果。以N_d＝50、N₁＝3的无线传感器网络为例，当选择经验距离rc使得加入下一采样时刻工作的节点组合的定位误差分别比最优组合的高9％、10％或15％时，本发明在判断阶段造成的通信耗能分别为0.8、0.65或0.6焦耳，因此，本发明可以根据无线传感器网络系统自身的能量储备和目标定位的精度要求进行调节，选择最合适的经验距离rc完成不同要求的节点选择工作。实验数据还进一步表明，本发明具有较好的抗通信干扰能力，当每次通信失败的概率小于50％时，对于N_d＝20、N_d＝40或N_d＝50以及N₁＝3、N₁＝4或N₁＝5的无线传感器网络，本发明选择出的节点组合导致的定位误差比最优组合的定位误差之差不超过10％。因此与传统的全局信息节点管理方法相比，本发明工作周期短，运算效率高，系统负担小，从而能够充分发挥传感器网络的工作能力，有效提高网络寿命。

图9为使用本发明的无线传感器网络完成被动目标跟踪的整体流程图，A(i|j)表示在j时刻预测i时刻的目标状态向量，B(i|j)表示在j时刻预测i时刻的协方差矩阵，使用本发明的无线传感器网络完成被动目标跟踪的流程具体为：

步骤100、无线传感器网络目标跟踪初始化，前两个采样时刻由探测到目标存在的距离目标最近的n个节点定位目标，并依照定位信息计算卡尔曼滤波器的初始化信息，卡尔曼滤波器的初始化信息包括目标状态向量和协方差矩阵；

步骤200、利用卡尔曼滤波器预测目标在第3个采样时刻的位置，获得2时刻预测3时刻的目标状态向量A(3|2)，令K＝2；

步骤300、执行本发明，获得k+1时刻的第一节点集合L1；

步骤400、令K＝K+1；

步骤500、第一节点集合L1中的工作节点测量目标；

步骤600、卡尔曼滤波器融合第一节点集合L1中工作节点的测量结果，更新目标状态向量A(K)和协方差矩阵B(K)；

步骤700、预测K时刻预测K+1时刻的目标状态向量A(K+1|K)；

步骤800、判断目标是否仍然在无线传感器网络的覆盖区域中，是则返回执行步骤300，否则跟踪结束。

本领域普通技术人员可以理解：实现上述方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成，前述的程序可以存储于一计算机可读取存储介质中，该程序在执行时，执行包括上述方法实施例的步骤；而前述的存储介质包括：ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。

最后应说明的是：以上实施例仅用以说明本发明的技术方案而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或者等同替换，而不脱离本发明技术方案的精神和范围。

Claims (9)

1.一种无线传感器网络本地式节点管理方法，其特征在于，包括：

步骤1、在当前采样时刻，第一节点集合中的工作节点预测在下一采样时刻能提供最优定位性能的理想节点组合所处的备选区域，所述第一节点集合为在当前采样时刻处于工作状态的工作节点组成的集合；

步骤2、所述第一节点集合中的每个节点向无线传感器网络中的其它节点广播包含有所述备选区域的预测信息；

步骤3、接收到所述预测信息的节点判断其是否处于所述备选区域内，是则所述节点加入第二节点集合，所述第二节点集合为在下一采样时刻进入工作状态的备选节点组成的集合；

步骤4、第二节点集合中的备选节点相互确认对方位置和状态，并在下一采样时刻进入工作状态。

2.根据权利要求1所述的无线传感器网络本地式节点管理方法，其特征在于，所述步骤1具体为：

步骤11、在当前采样时刻，第一节点集合中的工作节点预测在下一采样时刻能够使代价函数最小的节点相对目标所处的方向，将所述方向存入第一数组；

步骤12、根据预测的所述方向预测能提供最优定位性能的理想节点的位置；

步骤13、根据所述理想节点的位置和目标预测位置更新代价函数；

步骤14、判断所述第一数组的长度是否等于预先设定的每个采样时刻工作节点的理想个数，是则执行步骤15，否则执行步骤11；

步骤15、根据所述第一数组建立能够表征所述理想节点与目标预测位置的相对方向的第二数组；

步骤16、根据所述第二数组建立储存所有理想节点位置的理想矩阵；

步骤17、根据所述理想矩阵和预先设定的理想半径，预测下一采样时刻能提供最优定位性能的理想节点组合所处的备选区域。

3.根据权利要求1所述的无线传感器网络本地式节点管理方法，其特征在于，所述步骤2具体为：所述第一节点集合中的每个工作节点以单跳方式或多跳方式向无线传感器网络中的所有节点广播包含有所述备选区域的预测信息。

4.根据权利要求1所述的无线传感器网络本地式节点管理方法，其特征在于，所述步骤2具体为：所述第一节点集合中的每个工作节点以预先设定的广播半径向所述备选区域内的节点广播包含有所述备选区域的预测信息。

5.根据权利要求4所述的无线传感器网络本地式节点管理方法，其特征在于，所述步骤2具体为：

步骤21、所述第一节点集合中的每个工作节点计算其与目标预测位置之间的预测距离；

步骤22、根据所述预测距离，所述第一节点集合中的每个工作节点计算其与备选区域的最远距离；

步骤23、所述第一节点集合中的每个工作节点以所述最远距离为广播半径，广播包含有所述备选区域的预测信息。

6.根据权利要求2所述的无线传感器网络本地式节点管理方法，其特征在于，所述步骤3具体为：

步骤31、接收到所述预测信息的节点根据其位置信息计算其与每个理想节点之间的理想距离；

步骤32、判断所述理想距离的最小值是否小于或等于所述理想半径，是则所述节点在下一采样时刻位于所述备选区域内，所述节点加入第二节点集合，否则所述节点在下一采样时刻不在所述备选区域内。

7.根据权利要求1～6中任一权利要求所述的无线传感器网络本地式节点管理方法，其特征在于，所述步骤1与步骤2之间还包括：所述第一节点集合中的每个工作节点根据其位置信息，判断所述工作节点在下一采样时刻是否位于所述备选区域内，是则所述工作节点加入第二节点集合。

8.根据权利要求1～6中任一权利要求所述的无线传感器网络本地式节点管理方法，其特征在于，所述步骤1与步骤2之间还包括：判断所述第二节点集合中备选节点的个数。

9.根据权利要求1～6中任一权利要求所述的无线传感器网络本地式节点管理方法，其特征在于，所述包含有所述备选区域的预测信息包括：所述第一节点集合中工作节点保存的目标状态向量、协方差矩阵，储存有所述理想节点位置的矩阵，理想半径以及经验距离。

Images