CN101534470A - 基于无线传感器网络的移动目标跟踪系统及其跟踪方法 - Google Patents

Abstract

本发明提供了基于无线传感器网络的移动目标跟踪系统及其跟踪方法。该系统包括汇聚节点，网关，服务器，多个传感器节点设备；跟踪方法包括：将这些传感器节点设备均匀布置在目标监测区域中；启动传感器节点设备和服务器软件，准备接收无线传感器网络中的数据；当被动红外传感器检测到目标时，启动超声波测距，并运行扩展卡尔曼滤波算法得到目标位置坐标；采用协方差矩阵迹最小的原则选举下一时刻任务节点；服务器通过网关从汇聚节点读取原始数据、绘制数据曲线及目标轨迹，保存数据，并将服务器指令通过网关发送到指定ID的节点。本发明能够准确的检测和报告监测区域内的移动目标位置，采用有效的传感器唤醒机制，大大的节省节点耗能。

Description

基于无线传感器网络的移动目标跟踪系统及其跟踪方法

技术领域

本发明涉及无线通讯和计算机领域，具体来说是涉及一种基于无线传感器网络的移动目标跟踪方法和系统。

背景技术

无线传感器网络(WSNs：wireless sensor networks)被认为是21世纪最重要的新兴技术之一，是目前通信和计算机领域的研究热点。WSNs的各种应用中，目标跟踪是WSNs的一个重要应用领域，活动目标跟踪在军事和民用上都具有广泛的应用前景，也是技术上具有挑战性的课题。当前的目标跟踪算法主要是针对不同环境下的单目标跟踪，如何以较低的能量代价高效地融合有效的信息，增大测量精度和延长网络生存期，成为目前研究无线传感器网络目标跟踪的热点。在研究无线传感器网络目标跟踪时需要考虑能量有限，跟踪算法的分布式以延长网络寿命，这些给传统的目标跟踪算法带来了挑战。

目前实际硬件平台验证系统主要有MIT的Cricket系统，它使用了超声波和无线电到达时间差(TdoA)这种技术来进行测距，还有由Cambridge University Computer Laboratory研发的通过发射红外信号来定位Active Badge系统以及通过发送超声波进行三维测距ActiveBat系统；Hiball tracking和Whisper系统。这些系统在进行定位跟踪一般都要求目标也配备传感器节点，而在实际目标定位跟踪中，目标信息大多未知，因此在实际目标跟踪应用中，这些定位跟踪系统都无法满足实际应用需求。

发明内容

本发明的目的在于克服现有技术存在的上述问题，提供基于无线传感器网络的移动目标跟踪系统及其跟踪方法，该方法和系统具有在移动目标信息未知的情况下主动测距功能，传感器节点进行协作对移动目标的侦测、分类、跟踪。对节点跟踪数据的融合有效地提高跟踪精度。通过选择合适的节点进行协作能降低节点间的数据通信量，从而节省节点能量和通信带宽。传感器网络中任何时刻只有一个节点处于活动状态，负责存放当前目标跟踪状态信息，执行跟踪预测算法等，这个节点为任务节点。

本发明中传感器节点设备利用自己侦测到的信息和接收到的其他节点设备的侦测信息判断目标可能的运动轨迹，唤醒合适的传感器节点设备在下一时刻参与跟踪活动。由于使用了合适的预测机制，该发明采用的信息驱动的协作跟踪能够有效地减少节点间的通信量，从而节省节点有限的能量资源和通信资源。为了实现上述目的，本发明提供如下技术方案：

基于无线传感器网络的移动目标跟踪系统，其包括汇聚节点、网关、服务器和多个传感器节点设备，传感器节点设备对进入监测区域内移动目标进行监测，定位，跟踪，并将目标位置信息以无线的形式发射出去，监测区域的传感器节点设备通过基于zigbee协议的无线射频建立网络，最后，传感器节点设备将数据发送到汇聚节点，汇聚节点通过网关和服务器连接。所述传感器节点设备用于监测无线传感器网络内目标状态和获取传感器节点设备和目标之间的距离值；所述网关建立本地或者远程服务器与无线传感器网络之间的连接，实现数据的双向传输；所述服务器读取无线传感器网络中传感器节点设备的原始数据、绘制数据曲线及目标轨迹，保存数据，并将服务器指令通过网关发送到指定ID的传感器节点设备；所述汇聚节点用于解析无线传感器网络内的无线传输消息。

上述的基于无线传感器网络的移动目标跟踪系统中，传感器节点设备包括电源模块和分别与电源模块连接的超声波测距模块、被动红外感应模块、传感器扩展接口模块，微处理器及无线通信模块和传感器扩展接口模块相连，传感器扩展接口模块分别和超声波测距模块和被动红外感应模块相连。

上述的基于无线传感器网络的移动目标跟踪系统中，所述传感器节点设备中，微处理器及无线通信模块和传感器扩展接口模块通过51Pin接口相连。

上述的基于无线传感器网络的移动目标跟踪系统中，所述网关采用Crossbow公司的MIB510，MIB520或MIB600网关设备；所述服务器包括本地服务器PC；所述汇聚节点为微处理器及无线通信模块，采用Crossbow公司的Micaz节点。

上述的基于无线传感器网络的移动目标跟踪系统中，超声波测距模块、被动红外感应模块分别和5V电源相连，传感器扩展接口模块和3.3V电源相连。

本发明还提供了上述的基于无线传感器网络的移动目标跟踪系统的跟踪方法，该方法中任何时刻只有一个传感器节点设备处于活动状态，负责存放当前目标跟踪位置信息，执行跟踪预测算法，该传感器节点设备为任务节点，该方法包括如下步骤：

(1)将这些传感器节点设备均匀布置在目标监测区域中，开启电源，节点进行初始化设置，然后进入休眠状态，等待监测区域事件唤醒；

(2)在服务器端启动服务器软件，在服务器端设定传感器节点ID、坐标和串口连接端口号，连接成功后服务器开始准备接收无线传感器网络中的数据；

(3)当被动红外传感器检测到有目标进入监测区域后，启动超声波传感器进行测距，运行轨迹起始算法，确定目标初始位置，选举距离目标位置最近的节点作为起始的任务节点；

(4)任务节点进行测距，并利用目标和任务节点的之间的超声波距离值，运行扩展卡尔曼滤波算法得到目标位置坐标；

(5)采用协方差矩阵迹最小的原则选举出下一时刻任务节点，同时将当前任务节点信息传递给下一个任务节点，将目标位置信息通过基于Zigbee协议的无线射频发送到汇聚节点；

(6)汇聚节点通过网关和服务器双向连接，将无线传感器网络中目标位置信息通过串口发送到服务器，服务器读取原始数据、绘制数据曲线及目标轨迹，保存数据，并将服务器指令通过网关发送到指定ID的节点；

(7)重复执行步骤(4)～(6)，持续跟踪目标。

上述的跟踪方法中，步骤(3)中所述轨迹起始算法包括：

对任一节点及其邻居节点构成的局部区域，如果感知到目标的节点数大于设定阈值，则认为该节点位置附近出现一新目标，采用三边定位算法计算该局部区域内目标的坐标值，作为新目标的初始位置；

所述邻居节点通过如下方法确定：无线传感器网络中每个节点都有邻居节点，将当前任务节点与非任务节点之间的距离值与设定值进行比较，再将距离值处于设定值范围内的非任务节点界定为邻居节点；

上述的跟踪方法中，所述步骤(4)中扩展卡尔曼滤波算法包括下列步骤：

(4.1)由上一时刻目标状态估计信息和上一时刻后验估计误差协方差矩阵，根据移动目标系统方程得到当前时刻目标状态估计信息和当前时刻先验估计误差协方差矩阵；

(4.2)由步骤(4.1)所述当前时刻目标状态估计信息中的位置信息，通过测量方程估计出任务节点的测量值，将该测量值和当前时刻任务节点的观测数据求差后作为观测变量的残差；

(4.3)由卡尔曼增益值、所述测量方程的雅可比矩阵和所述观测变量的残差，修正当前时刻目标的状态估计信息，并求得当前时刻后验估计误差协方差矩阵。

上述的跟踪方法中，所述步骤(5)中利用协方差矩阵迹最小的原则确定下一时刻任务节点，包括下列步骤：

(5.1)由当前时刻目标状态估计信息和当前时刻后验估计误差协方差矩阵，根据移动目标系统方程得到下一时刻目标的状态估计信息和下一时刻先验估计误差协方差值；

(5.2)由卡尔曼增益值和各个候选任务节点测量方程的雅可比矩阵，修正各个候选任务节点下一时刻先验估计误差协方差值，并求出各个候选任务节点修正后的下一时刻先验估计误差协方差矩阵迹；

所述候选任务节点通过如下方法确定：根据任务节点存有的当前时刻目标状态估计信息中位置信息坐标值与该任务节点存有的邻居节点坐标值计算出两个坐标之间的距离值，再将该距离值与设定值进行比较，距离处于该设定值范围内的邻居节点即为候选任务节点；

(5.3)比较步骤(5.2)中各个候选任务节点修正后的下一时刻先验估计误差协方差矩阵迹，选举其中最小的误差协方差矩阵迹对应的节点标记为下一任务节点。

上述的跟踪方法中，所述步骤(6)包括如下步骤：

(6.1)当服务器接收到汇聚节点发送的数据，则对无线传输协议包格式进行解析，读取并显示目标坐标值，根据目标坐标值，绘制移动目标的移动轨迹，对所需的数据进行保存，并保持为Excel格式的文档；

(6.2)当服务器需要向传感器节点设备发送命令时，将命令封装成无线传输协议包格式，通过网关发送到汇聚节点，再由汇聚节点发送到相应ID的传感器节点设备；

(6.3)当需要进行远程监控时，服务器将步骤(6.1)解析的无线传输协议包通过TCP/IP协议发布到Internet，供远程服务器进行远程监视。

本发明具有的有益效果是：

1、由于采用了模块化的设计方法，使得方法具有良好的扩展性，不仅能够实现对于其它跟踪算法的有效验证，而且通过对底层传感器管理模块进行适当的改进，该平台在智能交通方法，集成制造，楼宇自动化，环境监测、工程安全、生物医疗、反恐抗灾，保健及生命科学等领域也具有实际的参考价值。

2、采用信息驱动(information-driven)协作跟踪的思想，利用传感器节点侦测到的信息和接收的其他节点的侦测信息判断目标可能的运动轨迹，唤醒合适的传感器节点在下一时刻参与跟踪活动，由于有合适的预测机制，可有效的减少节点间的通讯，从而节省节点有限的能量资源和通讯资源。

3、该系统无线通信采用Zigbee协议，兼容一个全球化的可靠的国际标准，可以通过TI、Freescale这样的大型芯片供应商，获得稳定的无线收发芯片和无线单片机来源，也可以获得免费的zigbee协议栈和相关源代码，降低了开放门槛。能够采用KELL和IAR这样的高性能软件编译调试环境，可以大大加快开放速度，缩短上市周期。

附图说明

图1为实施方式中基于无线传感器网络的移动目标跟踪系统的整体结构框图。

图2为图1中传感器节点设备的结构图。

图3为传感器节点设备嵌入式程序流程图。

图4为基于无线传感器网络的移动目标跟踪系统中服务器的工作示意图。

具体实施方式

为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明的一种基于无线传感器网络的移动目标跟踪方法进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅以解释本发明，并不用于限定本发明。

在移动目标跟踪过程中，随着目标移动，当前任务节点负责唤醒并将现有的跟踪信息传递给下一个任务节点。目标进入传感器区域时，离目标最近的节点获得目标位置的初始估计值，并计算出下一时刻任务节点进行跟踪能够保证侦测数据的精度，使自己到下一时刻任务节点的通信代价在规定的范围内，则将获得的目标位置估算值传给下一时刻任务节点。下一时刻任务节点使用相同的标准选择下一个任务节点，这个过程不断重复直到目标离开传感器网络侦测区域。每一时刻节点就将目标位置信息返回给汇聚节点。

本方法包括下列步骤：

(1)将这些传感器节点设备均匀布置在目标监测区域中，开启电源，节点进行初始化设置，然后进入休眠状态，等待监测区域事件唤醒；

(2)在服务器端启动服务器软件，在服务器端设定传感器节点ID、坐标和串口连接端口号，连接成功后服务器开始准备接收无线传感器网络中的数据；

(3)当被动红外传感器检测到有目标进入监测区域后，启动超声波传感器进行测距，运行轨迹起始算法，确定目标初始位置，选举距离目标位置最近的节点作为起始的任务节点；

(4)任务节点进行测距，并利用目标和任务节点的之间的超声波距离值，运行扩展卡尔曼滤波算法得到目标位置坐标；

(5)采用协方差矩阵迹最小的原则选举出下一时刻任务节点，同时将当前任务节点信息传递给下一个任务节点，将目标位置信息通过基于Zigbee协议的无线射频发送到汇聚节点；

(6)汇聚节点通过网关和服务器双向连接，将无线传感器网络中目标位置信息通过串口发送到服务器，服务器读取原始数据、绘制数据曲线及目标轨迹，保存数据，并将服务器指令通过网关发送到指定ID的节点；

(7)重复执行步骤(4)～(6)，持续跟踪目标。

步骤(3)中所述轨迹起始算法包括：

对任一节点及其邻居节点构成的局部区域，如果感知到目标的节点数大于设定阈值，则认为该节点位置附近出现一新目标，采用三边定位算法计算该局部区域内目标的坐标值，作为新目标的初始位置；

所述邻居节点通过如下方法确定：无线传感器网络中每个节点都有邻居节点，将当前任务节点与非任务节点之间的距离值与设定值进行比较，再将距离值处于设定值范围内的非任务节点界定为邻居节点；

所述步骤(4)中扩展卡尔曼滤波算法包括下列步骤：

(4.1)由上一时刻目标状态估计信息和上一时刻后验估计误差协方差矩阵，根据移动目标系统方程得到当前时刻目标状态估计信息和当前时刻先验估计误差协方差矩阵；

(4.2)由步骤(4.1)所述当前时刻目标状态估计信息中的位置信息，通过测量方程估计出任务节点的测量值，将该测量值和当前时刻任务节点的观测数据求差后作为观测变量的残差；

(4.3)由卡尔曼增益值、所述测量方程的雅可比矩阵和所述观测变量的残差，修正当前时刻目标的状态估计信息，并求得当前时刻后验估计误差协方差矩阵。

所述步骤(5)中利用协方差矩阵迹最小的原则确定下一时刻任务节点，包括下列步骤：

(5.1)由当前时刻目标状态估计信息和当前时刻后验估计误差协方差矩阵，根据移动目标系统方程得到下一时刻目标的状态估计信息和下一时刻先验估计误差协方差值；

(5.2)由卡尔曼增益值和各个候选任务节点测量方程的雅可比矩阵，修正各个候选任务节点下一时刻先验估计误差协方差值，并求出各个候选任务节点修正后的下一时刻先验估计误差协方差矩阵迹；

所述候选任务节点通过如下方法确定：根据任务节点存有的当前时刻目标状态估计信息中位置信息坐标值与该任务节点存有的邻居节点坐标值计算出两个坐标之间的距离值，再将该距离值与设定值进行比较，距离处于该设定值范围内的邻居节点即为候选任务节点；

(5.3)比较步骤(5.2)中各个候选任务节点修正后的下一时刻先验估计误差协方差矩阵迹，选举其中最小的误差协方差矩阵迹对应的节点标记为下一任务节点。

所述一种基于无线传感器网络的移动目标跟踪方法，其特征在于所述步骤(6)包括如下步骤：

(6.1)当服务器接收到汇聚节点发送的数据，则对无线传输协议包格式进行解析，读取并显示目标坐标值，根据目标坐标值，绘制移动目标的移动轨迹，对所需的数据进行保存，并保持为Excel格式的文档；

(6.2)当服务器需要向传感器节点设备发送命令时，将命令封装成无线传输协议包格式，通过网关发送到汇聚节点，再由汇聚节点发送到相应ID的传感器节点设备；

(6.3)当需要进行远程监控时，服务器将步骤(6.1)解析的无线传输协议包通过TCP/IP协议发布到Internet，供远程服务器进行远程监视。

如图1，表示了一个该发明传感器节点设备105协作跟踪移动目标106实例。图中的粗箭头表示目标穿过无线传感器网络101的轨迹即移动目标行进路线107，圆形区域为传感器节点的侦测范围，用户通过汇聚节点102查询目标跟踪信息，108表示无线数据传输路线，109表示任务节点。该系统包括多个传感器节点设备，汇聚节点，网关103，服务器104以及节点嵌入式程序和服务器软件，无线传感器网络节点和传感器板连接在一起，构成一个监测节点。传感器板将监测到的数据传送给节点，节点经过处理后，将数据以无线的形式发射出去。监测区域的节点通过基于Zigbee协议的无线射频建立网络。最后，节点将数据发送到汇聚节点，汇聚节点通过网关和服务器连接。服务器上的软件对数据进行分析，处理，并显示数据和保存。

如图2，所述传感器节点设备包括超声波测距模块201，被动红外感应模块202，传感器扩展接口模块203，微处理器和无线通信模块204，电源模块205。其中，微处理器和无线通信模块204和传感器扩展接口模块203通过51Pin接口相连，传感器扩展接口模块203分别和超声波测距模块201和被动红外感应模块202相连，电源模块205分别和各部分相连。

所述节点嵌入式程序均采用NesC语言编写，包括嵌入式操作方法TinyOS，中间件层，应用层三部分，其中嵌入式操作方法TinyOS包含各种底层接口模块；中间件层又包括超声波测距模块，被动红外检测模块，数据传输模块；应用层包括任务节点选择模块，目标预测跟踪算法模块。

基于无线传感器网络的移动目标跟踪的过程如下：完成节点制作，选择其中一个节点为汇聚节点，它与网关相连，并通过网关和空中编程技术下载嵌入式节点程序到传感器节点中，而汇聚节点中程序为XMeshBase协议程序，网关通过串口和服务器相连接。

如图3，为传感器节点设备嵌入式程序流程表，布置在目标监测区域的指定位置的传感器节点设备启动，初始化后完成邻居节点表建立，然后进入休眠状态，等待监测区域事件唤醒。当被动红外传感器检测到有目标进入监测区域后，启动超声波传感器进行测距，执行扩展卡尔曼滤波算法，选择下一时刻任务节点，并将目标信息传递给下一时刻任务节点，持续跟踪目标。目标跟踪初始时刻需要，运行轨迹起始算法，确定目标初始位置，选举距离目标位置最近的节点作为起始的任务节点。

所述轨迹起始算法包括：

对任一节点及其邻居节点构成的局部区域，如果感知到目标的节点数大于设定阈值，则认为该节点位置附近出现一新目标，采用三边定位算法计算该局部区域内目标的坐标值，作为新目标的初始位置，这里阈值设定为3。

所述邻居节点通过如下方法确定：无线传感器网络中每个节点都有邻居节点，将当前任务节点与非任务节点之间的距离值与设定值进行比较，再将距离值处于设定值范围内的非任务节点界定为邻居节点；

下面以一实例详细说明本发明的基于无线传感器网络的移动目标跟踪方法：假设目标在二维平面内运动，选取状态变量为X(k)＝(x(k)，x_v(k)，y(k)，y_v(k))^T，表示目标在第K采样周期发生在t_k时刻的状态，其中x(k)，y(k)分别为沿X和Y轴的位置坐标，x_v(k)，y_v(k)则为沿X和Y轴的速率值，假设目标的运动模型：如下：

X(k+1)＝F(Δt_k)X(k)+w(k，Δt_k)   (1)

$F\left({\mathrm{\Δt}}_k\right)=\left[\begin{array}{cccc}1& \mathrm{\Δ}{t}_k& 0& 0\\ 0& 1& 0& 0\\ 0& 0& 1& \mathrm{\Δ}{t}_k\\ 0& 0& 0& 1\end{array}\right]$

Δt_k＝t_k+1-t_k代表第K个采样间隔时间，F(Δt_k)是转移矩阵，由Δt_k决定，w(k，Δt_k)是过程噪声，也是取决于Δt_k。假设任务节点i在t_k时刻被用来获取第K个测量值Z_i(k)，测量模型如下给出：

Z_i(k)＝h_i(X(k))+v_i(k)   (2)

其中 $h_i\left(X\left(k\right)\right)=\sqrt{{(x(k+1|k)-x_i\left(k\right))}^2+{(y(k+1|k)-y_i\left(k\right))}^2},$ 是一个非线性的测量函数，(x_i(k)，y_i(k))是在第k采样周期内任务节点i的已知位置坐标。(x(k+1|k)，y(k+1|k))为目标的估计位置坐标。v_i(k)是任务节点i的测量噪声，w(k，Δt_k)和v_i(k)都是独立的，且都假设为均值0，符合高斯正态分布的白噪声，P(k|k)和v_i(k)的协方差矩阵分别为Q(Δt_k)和R_i(k)。

设人作为目标在240cm×240cm方形区域移动，采用超声波进行测距，这样目标本身无需装备传感器节点，被动红外传感器进行目标检测，唤醒休眠节点，考虑目标相对监测区域尺寸不能忽略，为了获得目标质心的坐标值，需要在测距时对得到的距离值进行一定的补偿，这里取10cm。目标起始位置为(41，38)坐标点。

所述扩展卡尔曼滤波算法的详细流程如下：

目标状态的初始化，假定目标在t_k时刻的初始状态X(k)的估计为

其对应的误差协方差矩阵为P(k|k)。假设传感器j在t_k+1时刻作为任务节点进行测距，则传感器j在t_k+1时刻的估计状态可以通过下式计算得到

$\hat{X}(k+1|k)=F\left(\mathrm{\Δ}{t}_k\right)\hat{X}\left(k\right|k)---\left(3\right)$

求状态估计误差协方差矩阵的一步预测：

P(k+1|k)＝F(Δt_k)P(k|k)F(Δt_K)^T+Q(Δt_K)   (4)

$Q\left(\mathrm{\Δ}{t}_K\right)=q\left[\begin{array}{cccc}\frac{1}{3}\mathrm{\Δ}{t}_k^3& \frac{1}{2}\mathrm{\Δ}{t}_k^2& 0& 0\\ \frac{1}{2}\mathrm{\Δ}{t}_k^2& \mathrm{\Δt}& 0& 0\\ 0& 0& \frac{1}{3}\mathrm{\Δ}{t}_k^3& \frac{1}{2}\mathrm{\Δ}{t}_k^2\\ 0& 0& \frac{1}{2}\mathrm{\Δ}{t}_k^2& \mathrm{\Δt}\end{array}\right]$

q是一个标量，决定了过程噪声的强度，这里取值50。

由观测方程可得测量的一步预测值

${\hat{Z}}_j(k+1|k)=h_j\left(\hat{X}(k+1|k)\right)---\left(5\right)$

残差为传感器节点j的超声波测量值和传感器节点j在t_k+1时刻的估计值

之差，由下式给出：

${\mathrm{\γ}}_j(k+1)=Z_j(k+1)-{\hat{Z}}_j(k+1|k)---\left(6\right)$

测量误差协方差矩阵S_j(k+1)由下式给出

$S_j(k+1)=H_j(k+1)P(k+1|k)H_j^T(k+1)+R_j(k+1)---\left(7\right)$

其中H_j(k+1)为测量函数h_j在t_k+1时刻对应于估计状态

的雅可比矩阵

$H_j(k+1)=\left[\frac{-(x(k+1|k)-x_j)}{{[{(x(k+1|k)-x_j)}^2+{(y(k+1|k)-y_j)}^2]}^{\frac{3}{2}}}0\frac{-(y(k+1|k)-y_j)}{{[{(x(k+1|k)-x_j)}^2+{(y(k+1|k)-y_j)}^2]}^{\frac{3}{2}}}0\right]$

卡尔曼增益阵为

$K(k+1)=P(k+1|k)H_j{(k+1)}^T{S}_j^{-1}(k+1)---\left(8\right)$

状态及协方差矩阵的更新：

$\hat{X}(k+1|k+1)=\hat{X}(k+1|k)+K(k+1){\mathrm{\γ}}_j(k+1)---\left(9\right)$

P(k+1|k+1)＝P(k+1|k)-K(k+1)S_j(k+1)K^T(k+1)   (10)

进一步根据当前时刻目标状态估计信息中的位置估计信息，计算得到下一时刻候选任务节点的先验估计误差协方差矩阵迹，具体流程如下：

由于是求下一时刻候选任务节点的先验估计误差协方差矩阵，因此不需要测量数据，根据不同的候选任务节点坐标得到下一时刻估计状态

的对应的雅可比矩阵H_i(k+2)，执行扩展卡尔曼滤波算法中的(3)(4)(7)(8)(10)即可求得下一时刻候选任务节点的先验估计误差协方差矩阵P_i(k+2|k+2)而其对应的迹为

${\mathrm{\Φ}}_i(k+2)={\mathrm{\σ}}_x^2+{\mathrm{\σ}}_{x_v}^2+{\mathrm{\σ}}_y^2+{\mathrm{\σ}}_{y_v}^2=\left[\begin{array}{cccc}1& 1& 1& 1\end{array}\right]P_i(k+2|k+2){\left[\begin{array}{cccc}1& 1& 1& 1\end{array}\right]}^T---\left(11\right)$

选择其中最小一个值对应的节点作为下一时刻任务节点。

在实际应用中，采用空中编程技术完成节点参数设置，修改，程序下载，对于传感器节点数量庞大的方法来说能够大大节省人力，物力资源。

由于无线通信范围有限，所述的节点产生的数据包并非直接到达汇聚节点，而是以多跳的方式在节点之间由远及近传输，最终为汇聚节点接收，路由过程采用AODV算法：AODv协议可以实现在移动终端间动态的、自发的路由，使移动终端很快获得通向所需目的的路由，同时又不用维护当前没有使用的路由信息，并且还能很快对断链的拓扑变化做出反应。

如图4，所述服务器软件均采用Labview编程实现，主程序包括7部分：

(1)串口交互部分，控制串口的数据读写过程。

(2)数据包解析部分，根据在系统定义的无线通信协议格式，对读入的原始数据进行解析，将有用数据部分显示出来，同时将按系统定义的无线通信协议封装好的Labview命令下发到网关，并通过汇聚节点发送到各传感器节点设备。

(3)数据包显示部分，将数据包原始数据解析后的十进制数据显示在界面上。

(4)绘制运动轨迹部分，将节点按需部署在确定的位置，绘制出静态节点分布图，动态高亮显示当前的任务节点，实时绘制跟踪目标的运动轨迹，并可根据需要对历史轨迹进行擦除。

(5)数据保存部分，实现历史数据的保存，将数据保存成Excel格式的文档，以供查询。

(6)向无线传感器网络发布命令部分，在命令框输入相应的命令，按下主界面上的“发送”按钮后，系统会将命令封装成相应的系统定义的无线通信协议的数据包的格式，下发到网关，再由网关发送到相应的传感器节点设备。

(7)数据包网络发布和查询部分，当需要进行远程监控时，系统把经数据解析部分中解析的数据通过TCP/IP发布到Internet，远程服务器通过访问服务器的端口接收数据，根据节点坐标值绘制目标的移动轨迹，实现远程监视功能。

通过以上结合附图对本发明具体实施例的描述，本发明的其它方面及特征对本领域的技术人员而言是显而易见的。

以上对本发明的具体实施例进行了描述和说明，这些实施例应被认为其只是示例性的，并不用于对本发明进行限制，本发明应根据所附的权利要求进行解释。

Claims (10)

1、基于无线传感器网络的移动目标跟踪系统，其特征在于包括汇聚节点、网关、服务器和多个传感器节点设备，所述传感器节点设备用于监测无线传感器网络内目标状态和获取传感器节点设备和目标之间的距离值；所述网关建立本地服务器与无线传感器网络之间的连接，实现数据的双向传输；所述服务器读取无线传感器网络中传感器节点设备的原始数据、绘制数据曲线及目标轨迹，保存数据，并将服务器指令通过网关发送到指定ID的传感器节点设备；所述汇聚节点用于解析无线传感器网络内的无线传输消息，汇聚节点通过网关和服务器连接。

2、根据权利要求1所述的基于无线传感器网络的移动目标跟踪系统，其特征在于传感器节点设备包括电源模块和分别与电源模块连接的超声波测距模块、被动红外感应模块、传感器扩展接口模块，微处理器及无线通信模块和传感器扩展接口模块相连，传感器扩展接口模块分别和超声波测距模块和被动红外感应模块相连。

3、根据权利要求1所述的基于无线传感器网络的移动目标跟踪系统，其特征在于所述传感器节点设备中，微处理器及无线通信模块和传感器扩展接口模块通过51Pin接口相连。

4、根据权利要求3所述的基于无线传感器网络的移动目标跟踪系统，其特征在于所述网关采用Crossbow公司的MIB510，MIB520或MIB600网关设备；所述服务器为本地服务器PC；所述汇聚节点为微处理器及无线通信模块，采用Crossbow公司的Micaz节点。

5、根据权利要求4所述的基于无线传感器网络的移动目标跟踪系统，其特征在于超声波测距模块、被动红外感应模块分别和5V电源相连，传感器扩展接口模块和3.3V电源相连。

6、权利要求1～5任一项所述的基于无线传感器网络的移动目标跟踪系统的跟踪方法，该方法中任何时刻只有一个传感器节点设备处于活动状态，负责存放当前目标跟踪位置信息，执行跟踪预测算法，该传感器节点设备为任务节点，其特征在于该方法包括如下步骤：

(1)将这些传感器节点设备均匀布置在目标监测区域中，开启电源，节点进行初始化设置，然后进入休眠状态，等待监测区域事件唤醒；

(2)在服务器端启动服务器软件，在服务器端设定传感器节点ID、坐标和串口连接端口号，连接成功后服务器开始准备接收无线传感器网络中的数据；

(3)当被动红外传感器检测到有目标进入监测区域后，启动超声波传感器进行测距，运行轨迹起始算法，确定目标初始位置，选举距离目标位置最近的节点作为起始的任务节点；

(4)任务节点进行测距，并利用目标和任务节点的之间的超声波距离值，运行扩展卡尔曼滤波算法得到目标位置坐标；

(5)采用协方差矩阵迹最小的原则选举出下一时刻任务节点，同时将当前任务节点信息传递给下一个任务节点，将目标位置信息通过基于Zigbee协议的无线射频发送到汇聚节点；

(6)汇聚节点通过网关和服务器双向连接，将无线传感器网络中目标位置信息通过串口发送到服务器，服务器读取原始数据、绘制数据曲线及目标轨迹，保存数据，并将服务器指令通过网关发送到指定ID的节点；

(7)重复执行步骤(4)～(6)，持续跟踪目标。

7、根据权利要求6所述的跟踪方法，其特征在于：步骤(3)中所述轨迹起始算法包括：

对任一节点及其邻居节点构成的局部区域，如果感知到目标的节点数大于设定阈值，则认为该节点位置附近出现一新目标，采用三边定位算法计算该局部区域内目标的坐标值，作为新目标的初始位置；

所述邻居节点通过如下方法确定：无线传感器网络中每个节点都有邻居节点，将当前任务节点与非任务节点之间的距离值与设定值进行比较，再将距离值处于设定值范围内的非任务节点界定为邻居节点；

8、根据权利要求7所述的跟踪方法，其特征在于，所述步骤(4)中扩展卡尔曼滤波算法包括下列步骤：

(4.1)由上一时刻目标状态估计信息和上一时刻后验估计误差协方差矩阵，根据移动目标系统方程得到当前时刻目标状态估计信息和当前时刻先验估计误差协方差矩阵；

(4.2)由步骤(4.1)所述当前时刻目标状态估计信息中的位置信息，通过测量方程估计出任务节点的测量值，将该测量值和当前时刻任务节点的观测数据求差后作为观测变量的残差；

(4.3)由卡尔曼增益值、所述测量方程的雅可比矩阵和所述观测变量的残差，修正当前时刻目标的状态估计信息，并求得当前时刻后验估计误差协方差矩阵。

9、根据权利要求8所述的跟踪方法，其特征在于所述步骤(5)中利用协方差矩阵迹最小的原则确定下一时刻任务节点，包括下列步骤：

(5.1)由当前时刻目标状态估计信息和当前时刻后验估计误差协方差矩阵，根据移动目标系统方程得到下一时刻目标的状态估计信息和下一时刻先验估计误差协方差值；

(5.2)由卡尔曼增益值和各个候选任务节点测量方程的雅可比矩阵，修正各个候选任务节点下一时刻先验估计误差协方差值，并求出各个候选任务节点修正后的下一时刻先验估计误差协方差矩阵迹；

所述候选任务节点通过如下方法确定：根据任务节点存有的当前时刻目标状态估计信息中位置信息坐标值与该任务节点存有的邻居节点坐标值计算出两个坐标之间的距离值，再将该距离值与设定值进行比较，距离处于该设定值范围内的邻居节点即为候选任务节点；

(5.3)比较步骤(5.2)中各个候选任务节点修正后的下一时刻先验估计误差协方差矩阵迹，选举其中最小的误差协方差矩阵迹对应的节点标记为下一任务节点。

10、根据权利要求9所述的跟踪方法，其特征在于所述步骤(6)包括如下步骤：

(6.1)当服务器接收到汇聚节点发送的数据，则对无线传输协议包格式进行解析，读取并显示目标坐标值，根据目标坐标值，绘制移动目标的移动轨迹，对所需的数据进行保存，并保持为Excel格式的文档；

(6.2)当服务器需要向传感器节点设备发送命令时，将命令封装成无线传输协议包格式，通过网关发送到汇聚节点，再由汇聚节点发送到相应ID的传感器节点设备；

(6.3)当需要进行远程监控时，服务器将步骤(6.1)解析的无线传输协议包通过TCP/IP协议发布到Internet，供远程服务器进行远程监视。

Images