CN102781032A - 一种基于相关性的多传感器协同目标检测方法 - Google Patents

Abstract

本发明公开了一种多传感器协同目标检测方法，其特点是传感器节点独立地对监测区域中的信号进行测量，当某个传感器节点的测量值超过预先设定的门限时，触发生成一个动态检测簇；簇内成员节点将一段时间内的检测值序列发送给簇头节点，构成一个检测矩阵；簇头节点对检测矩阵中检测向量之间的相关性测度进行计算，根据计算结果判决目标是否存在。本发明提供的目标检测方法是一种基于测量值的融合检测方法，不需单个传感器节点进行局部判决，可以有效抑制噪声干扰对判决结果的影响，检测结果具有较高的准确性。本发明可用于重要场所和区域的防入侵告警、突发灾害下的人员搜救以及交通管制等方面。

Description

一种基于相关性的多传感器协同目标检测方法

技术领域

本发明是一种目标检测方法，尤其是一种多传感器协同目标检测方法，属于传感器网络技术领域。

背景技术

目标检测是传感器网络的重要应用方向之一，例如在防入侵告警和紧急搜救应用中，都需要对监测区域内是否存在目标进行准确的检测。另外，目标检测也是其它一些应用的基础和前提，例如在战场目标监测应用中，首先必须检测到目标，进而才能实现对目标的定位和跟踪。

衡量目标检测算法性能的主要指标有检测率、漏检率和虚警率。检测率是指检测系统正确检测到目标的概率；漏检率是指目标存在，而检测系统未检测到目标的概率；虚警率是指目标不存在，而检测系统判决目标存在的概率。一般而言，参与检测的传感器越多，采集的目标信息越丰富，检测的效果也就越好。但在传感器网络中，目标检测受到能量开销和通信带宽的限制，需要对参与检测的传感器节点数量进行适当控制。此外，传感器网络中的目标检测对虚警率较为敏感，虚警率过高时会频繁地触发网络的反应机制，不仅扰乱节点的休眠调度，还会因为虚假目标信息的传递消耗大量的能量。因此，传感器网络中的目标检算法应在检测率和能量开销之间进行权衡，并尽可能地降低虚警率。

传感器网络中单个节点的检测能力十分有限，因此需要多个节点协同工作，以获取更准确的检测结果。协同目标检测通常需要将多个节点的检测结果送到局部中心节点进行融合处理，得出目标是否存在的最终判决，因此本质上是一个数据融合问题。基于数据融合的目标检测方法可以分为两大类：基于测量值的融合和基于局部判决的融合。前者是指各传感器节点将自己的原始测量值发送给中心节点，由中心节点作出融合判决；后者是指各传感器节点按照给定的门限值作出局部判决，并将判决结果(0或1)发送给中心节点，由中心节点作出融合判决。现有的目标检测方法大多是基于局部判决融合的检测方法，由于单个节点的局部判决易受噪声干扰的影响，以此为基础的融合检测结果准确性较低。

发明内容

针对现有目标检测方法存在的问题，本发明的目的在于提供一种基于相关性的多传感器协同目标检测方法(Relativity-based Multi-sensor Collaborative Target Detection Method)，简称RMCTD。

RMCTD方法的基本原理是：各传感器节点将一小段时间内的测量值序列发送给局部中心节点，构成一个检测矩阵；检测矩阵中的每一列为一个检测向量，局部中心节点对检测向量之间的相关性进行计算和评估，从而判定目标是否存在。RMCTD方法的理论依据是，若目标存在，则测量值主要来自目标，因此相邻检测向量的相关性较大；若目标不存在，则测量值全部来自噪声，由于噪声的随机性，相邻检测向量的相关性较小。

RMCTD方法的工作流程是：各传感器节点独立地对监测区域内的目标信号进行测量；若某个传感器的测量值超出一定的门限，则触发生成一个动态检测簇；动态检测簇生成完毕后，簇内各成员节点将随后一段时间内的检测值序列发送给簇头节点，构造一个检测矩阵；簇头节点对检测矩阵中各检测向量之间的相关性测度进行计算和评估，从而判决目标是否存在。

RMCTD方法中，单个传感器对目标信号的测量方法如下：

如图1所示，设传感器节点位于s处，目标t₁时刻位于p₁处，t₂时刻运动到p₂处，虚线圈表示目标的信号场，如红外辐射强度、声音分贝值和震动强度等；传感器节点以相同的采样间隔T对目标信号进行测量，每一段采样间隔时间称为一个检测窗口，相应的检测值记为q_i，(i＝1，2，L，n)。

RMCTD方法中，动态检测簇的生成方法如下：

1)传感器节点设定一个协同检测的触发门限值其值为目标不存在时若干个检测窗口的测量值均值，也可由系统预先设定；

2)若传感节点在第l个检测窗口的测量值满足

则以

的概率发出协同检测消息(Collaborative Detection Message，CDM)；若传感器节点在第l+1个检测窗口的测量值依然满足则该节点在第l+1个检测窗口以累积增大的概率

发送出CDM消息；依此类推，除非该节点收到其它节点发送的CDM消息或者在第l+k个检测窗口的测量值不满足

3)若传感器节点接收到其它节点发送的CDM消息，则立即放弃发送自己的CDM消息，并向消息源节点回复一个确认消息，加入以消息源节点为簇头的动态检测簇，将后续若干个检测窗口内的测量值发送给簇头节点。

CDM消息的格式如图2所示，主要包括SEQ、Node number、Cluster number和Forwardinghops等参数。一般情况下，Forwarding hops的默认值为1，即动态检测簇中的成员节点均为簇头节点的一跳邻居节点。如果传感器网络的节点密度较小，导致动态检测簇中的成员节点数目偏少，则簇头节点可以修改CDM消息中Forwarding hops的值，允许两跳甚至多跳邻居节点参与协同检测。

动态检测簇的工作过程如图3所示：d节点为簇头节点，a，b，c三个节点是簇内成员节点；检测过程中a，b，c节点将自己的检测值发送给d节点；d节点融合多个传感器节点的检测值后做出最终判决，并将判决结果以多跳转发的方式上报给控制中心。

RMCTD方法中动态检测簇的作用是组织传感器节点对目标进行协同检测，并对参与检测的节点数量进行限制。动态检测簇的生成具有随机性和动态性，一旦本次检测任务结束，则检测簇自动解散。

RMCTD方法中，检测矩阵的构造方法如下：

动态检测簇生成完毕后，簇内m个成员节点立即以固定的采样间隔对目标信号进行测量，并将随后一小段时间内的测量值序列Q_i＝{q_i1 q_i2 L q_in}(i＝1，2，L，m)发送给簇头节点，则m个检测序列构成的检测矩阵可以表示为：

$Q=\left[\begin{array}{c}{Q}_1\\ Q_2\\ L\\ Q_m\end{array}\right]\left[\begin{array}{cccc}{q}_{11}& q_{12}& L& q_{1n}\\ q_{21}& q_{22}& L& q_{2n}\\ L& L& L& L\\ q_{m1}& q_{m2}& L& q_{\mathrm{mn}}\end{array}\right]$

其中，列向量q_i＝[q_1i q_2i L q_mi]^T(i＝1，2，L，n)为第i个检测窗口的检测向量。

动态检测簇内的m个传感器处于临近区域内，若目标存在，则各传感器的检测值主要来源于目标，由于一个检测窗口内目标的移动距离有限，相邻检测窗口的检测向量应具有较强的相关性；若目标不存在，则各传感器的检测值完全来源于测量噪声，由于测量噪声是随机量，相邻检测窗口的检测向量相关性较弱。根据这一特性，可以判决目标是否存在。

RMCTD方法中，基于相关性测度的融合判决方法如下：

两个检测向量的相关性大小称为相关性测度，用符号ρ表示，取值区间为[0，1]。设q_i和q_j为相邻检测向量，其相关性测度ρ_i可用关联分析中常用的夹角余弦cosθ_ij来衡量，即：

${\mathrm{\ρ}}_i=\cos {\mathrm{\θ}}_{\mathrm{ij}}=\frac{\underset{k=1}{\overset{m}{\mathrm{\Σ}}}{q}_{\mathrm{ki}}{q}_{\mathrm{kj}}}{\sqrt{\underset{k=1}{\overset{m}{\mathrm{\Σ}}}{q}_{\mathrm{ki}}^2\·\underset{k=1}{\overset{m}{\mathrm{\Σ}}}{q}_{\mathrm{kj}}^2}},$ 0≤cosθ_ij≤1

cosθ_ij的值越接近于1，说明q_i与q_j的相关性越强；cosθ_ij的值越接近于0，说明q_i与q_j的相关性越弱。当检测窗口的划分数量为n时，可得到n-1个相关性测度ρ_i(i＝1，2，L，n-1)。

记

设临界夹角阈值为θ₀(考虑到两个检测向量的最大夹角为90°，θ₀可取为45°)，当

时，表明n个检测向量的相关性较低，此时判定目标不存在；当

时，表明n个检测向量的相关性较高，此时判定目标存在。

和现有技术相比，本发明的优势在于：

1、通过构造动态检测簇的方式组织传感器节点对目标进行协同检测，可以有效控制参与检测的传感器数量，在保证检测性能的前提下降低传感器网络的能量开销。

2、RMCTD方法是一种基于测量值的融合检测方法，不需要传感器节点进行局部判决，可以有效抑制噪声干扰对融合判决结果的影响，检测结果具有较高的准确率。

附图说明

图1：单个传感器对目标信号的测量

图2：CDM消息的格式

图3：动态检测簇工作示意图

具体实施方式

下面参照附图并结合实施例对本发明进行详细的描述。

本实施例提供一个采用本发明方法的多传感器协同目标检测实例。

传感器节点采用克尔斯博公司生产的红外传感器节点，以一定区域内的活动人员为检测目标。传感器节点随机均匀分布在面积为200m×200m的区域中，节点数量为45个，无线通信半径为100m；噪声为高斯噪声，临界夹角θ₀设置为45°，检测窗口长度T设置为10ms～200ms；人员最大移动速度为8m/s。

参照图1和图3，本实施例的具体过程如下：

1)各传感器节点独立地对监测区域内的信号进行测量，并设定一个协同检测的触发门限 $\stackrel{\‾}{q};$

2)若传感节点在第l个检测窗口的测量值满足

则以

的概率发出协同检测消息CDM；若传感器节点在第l+1个检测窗口的测量值依然满足

则该节点在第l+1个检测窗口以的概率发送出CDM消息；依此类推，除非该节点收到其它节点发送的CDM消息或者在第l+k个检测窗口的测量值不满足 $q_{l+k}>\stackrel{\‾}{q};$

3)若传感器节点成功发送出CDM消息，并且收到其它节点回复的确认消息，则该节点成为动态检测簇的簇头；若传感器节点收到其它节点发送的CDM消息，则放弃发送自己的CDM消息，并向消息源节点回复一个确认消息，加入以消息源节点为簇头的动态检测簇；

4)动态检测簇生成完毕后，簇内m个成员节点将后续n个检测窗口内的测量值发送给簇头节点，构造一个m×n的检测矩阵；

5)簇头节点对检测矩阵中n-1组相邻检测向量之间的相关性测度ρ_i(i＝1，2，L，n-1)进行计算，并得到n-1个相关性测度的均值

若

则判决目标存在，否则判决目标不存在；

6)簇头节点将判决结果反馈给簇内成员节点，并上报给数据中心，随后动态检测簇自动解散，各传感器节点回到步骤1)中的工作状态，独立地对监测区域内的目标信号进行检测。

Claims (7)

1.一种基于相关性的多传感器协同目标检测方法，其步骤为：

1)各传感器节点独立地对监测区域中的信号进行测量，若某个检测窗口的测量值超出预先设定的门限 

，则触发生成一个动态检测簇，由簇头节点和簇内成员节点组成；

2)簇内成员节点将一段时间内的检测值序列发送给簇头节点，构成一个检测矩阵；

3)簇头节点对检测矩阵中相邻检测向量之间的相关性测度进行计算，根据计算结果判决目标是否存在；

4)簇头节点将判决结果反馈给簇内成员节点和数据中心后，动态检测簇自动解散。

2.如权利要求1所述的方法，其特征在于动态检测簇的生成方法如下：

1)若传感节点在第l个检测窗口的测量值满足 

则以 的概率发出协同检测消息CDM；

2)若传感器节点在第l+1个检测窗口的测量值依然满足 

则该节点在第l+1个检测窗口以 

的概率发送出CDM消息；

3)依此类推，除非该节点收到其它节点发送的CDM消息或者在第l+k个检测窗口的测量值不满足 

4)若传感器节点成功发送出CDM消息，并且收到其它节点回复的确认消息，则该节点成为动态检测簇的簇头，向该节点发送确认消息的节点为簇内成员节点；

5)若传感器节点收到其它节点发送的CDM消息，则放弃发送自己的CDM消息，并向消息源节点回复一个确认消息，加入以消息源节点为簇头的动态检测簇。

3.如权利要求2所述的方法，其特征在于CDM消息包含消息序列号(SEQ)、节点编号(Node number)、簇头编号(Cluster number)和转发跳数(Forwarding hops)等参数。

4.如权利要求1所述的方法，其特征在于动态检测簇生成完毕后，簇内m个成员节点将随后一段时间内的检测值序列Q_i＝{q_i1 q_i2 L q_in}(i＝1，2，L，m)发送给簇头节点，构造一个检测矩阵：

。

5.如权利要求4所述的方法，其特征在于检测矩阵Q中的每一列q_i＝[q_1i q_2i L q_mi]^T(i＝1，2，L，n)为一个检测向量，共有n-1组相邻检测向量。

6.如权利要求1所述的方法，其特征在于任意一组相邻检测向量q_i＝[q_1i q_2i L q_mi]^T和q_j＝[q_1j q_2j L q_mj]^T的相关性测度计算方法为： 

0≤cosθ_ij≤1。

7.如权利要求1所述的方法，其特征在于目标是否存在的判决方法为：计算n-1组相邻检测向量的相关性测度均值 

若 

则判决目标存在，否则判决目标不存在。 

Images