CN103139863A - 无线传感器网络动态簇机制的目标跟踪和耗能优化方法 - Google Patents
无线传感器网络动态簇机制的目标跟踪和耗能优化方法 Download PDFInfo
- Publication number
- CN103139863A CN103139863A CN2013100768810A CN201310076881A CN103139863A CN 103139863 A CN103139863 A CN 103139863A CN 2013100768810 A CN2013100768810 A CN 2013100768810A CN 201310076881 A CN201310076881 A CN 201310076881A CN 103139863 A CN103139863 A CN 103139863A
- Authority
- CN
- China
- Prior art keywords
- node
- target
- bunch
- nodes
- radius
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Images
Classifications
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D30/00—Reducing energy consumption in communication networks
- Y02D30/70—Reducing energy consumption in communication networks in wireless communication networks
Landscapes
- Mobile Radio Communication Systems (AREA)
Abstract
本发明公开了一种无线传感器网络动态簇机制的目标跟踪和耗能优化方法,其初始簇的创建简单有效,相关节点按照剩余能量和目标信号强度选择是否加入簇头,根据目标的移动,簇结构进行动态调整,实时唤醒相应节点对目标实施持续跟踪。在保证跟踪精度的同时,减少能耗,延长网络寿命。此外,动态分簇成员节点采用最大似然法对目标位置进行跟踪计算,以确保精度,传感器节点检测半径分级来减少整个网络的能耗。该算法能对目标进行有效地跟踪,由于采用动态簇机制和传感器节点检测半径分级的算法,每一时刻参与跟踪的节点都是剩余能量与位置优化过的节点,因此既可以保证目标跟踪精度,又能大大的减少能耗,网络寿命可以得到显著的提高。
Description
技术领域
本发明涉及一种无线传感器网络目标跟踪和耗能优化的处理方法,尤其涉及一种无线传感器网络动态簇机制的目标跟踪和耗能优化方法。
背景技术
现有技术中,WSN目标跟踪包括单目标跟踪和多目标跟踪,在单目标跟踪中,主要包括以下几种经典的单目标跟踪算法。
1、双元检测协作跟踪
传感器节点具有体积小和价格低的特点,它的传感器模块功能比较弱。下面介绍最简单的情况,即传感器节点只能进行双元检测(binary-detection)的目标跟踪。
如图1所示,双元监测的思想是:传感器节点只有两种侦测状态:目标在侦测范围之内:目标不在侦测范围。其中圆心为传感器节点,节点的侦测距离是R,当目标距离传感器节点的距离在(R-e)之内时总会检测到,即处于第一种侦测状态,当目标距离节点距离在(R+e)之外终不会检测到,如果目标处于两个距离之间,则以一定的概率侦测到。通常情况在双元检测下e=0.1R。
因为双元检测只有两个状态,因此双元检测传感器只能检测到目标是否在侦测范围内。所以双元检测要保证一定的精度,则需要多个节点协调合作才能确定目标的位置与轨迹。WSN网络要求节点密度足够大,任意时刻都有多个节点同时侦测目标的位置区域。这些节点侦测位置的重叠区域就可以认为是目标的位置,通过这样的过程,就能较为准确的确定目标位置与轨迹。
目标运动是随机的,要跟踪不规则的目标运动轨迹是比较困难的,在不影响跟踪结果的前提下,假设目标在侦测区域内做匀速运动,从而将目标运动轨迹近似为一条折线。然后通过大量节点协调合作进一步提高目标精度。双元检测协作跟踪的流程如下:
(1)目标进入检测区域,传感器节点唤醒自身的通信模块并向邻居节点广播检测到的目标信息。该信息中包含节点自身ID以及自身的位置信息和目标在节点侦测范围的持续时间。
(2)侦测到目标的传感器节点接收到两个或两个以上的邻居节点发送的通告信息,则节点计算重叠区域,确定目标位置。并以节点侦测范围的持续时间作为权重。
(3)当目标离开侦测区域,节点向汇聚节点发送自己的位置信息以及目标在侦测范围内 的持续时间。汇聚节点根据已有的历史数据和当前获得的最新数据进行线性拟合,计算移动目标的运动轨迹。
双元检测法虽然不能确定节点到目标的准确距离,但能确定目标在检测范围内的持续时间。如下图所示,假设移动目标做匀速运动,持续时间越长,就代表它里传感器节点越近,即d越大,该节点数据权重应该越大,相应的侦测数据会更加精确。
这种算法需要大量部署传感器节点,双元检测的协作跟踪仅适用于传感器节点为简单低廉的应用中,且双元检测协作跟踪需要节点间时钟同步,并要求知道节点自身的位置。详见附图1。
2、信息驱动协作跟踪
协作跟踪的关键是在保证节点能量消耗的基础上,通过节点之间的协作共同确定目标的运动轨迹。参与跟踪节点的选择,节点对于目标数据的准确性和有效性,通过节点能量消耗原则决定参与跟踪节点以及相应的协作方式是协作跟踪的关键问题。信息驱动协作跟踪的核心思想是传感器节点利用自己侦测到的信息以及接收到的其他节点的侦测信息判断可能的运动轨迹,唤醒合适的传感器节点在下一时刻参与跟踪活动。信息驱动协作跟踪可以有效地减少节点间的通信能量消耗,提高网络的寿命。
信息驱动协作跟踪算法的网络中包含两类传感器节点,分别装有角度传感器和距离传感器。黑色曲线箭头表示传感器网络轨迹,虚线圆表示传感器节点的侦测范围,用户通过汇聚节点查询目标跟踪信息,传感器网络会定时报告目标位置,任意时刻至少会有一个节点处于活动状态,负责存放当前的目标跟踪状态信息,这个节点称为跟踪节点。随着目标的移动,当前跟踪节点唤醒下一个跟踪节点,并将目标跟踪信息传递给新的跟踪节点。目标进入传感器区域时,离目标最近的节点a获得目标位置的初始估计值,并计算下一时刻节点b进行跟踪所能保证的精度,同时使自己到节点b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节点b。然后b节点使用相同的标准选择下一个跟踪节点c,此过程不断重复直到目标离开传感器网络侦测区域。传感器节点将目标的位置信息返回给汇聚节点。
正确选择跟踪下一时刻的传感器节点是信息协作跟踪的关键问题,因为选择不合适的节点必然导致跟踪精度和通信过程中的能量消耗,因此选取时,需要综合考虑节点侦测数据精确度和通信量等因素,以保证网络的有效运行。详见附图2。
3、传送树跟踪算法
静态集中式路由把跟踪的信息传送到固定簇头进行处理。这种方法往往造成固定簇头能量消耗过大,网络寿命得不到保证。基于传送树的跟踪算法是一种分布式算法,簇头是动态 的,因此可以有效地降低能量消耗,保证网络寿命。
传送树是一种由移动目标附近的节点先组成一个动态树型结构,随着目标移动,动态树会进行变化,即添加和删除一些传感器节点。动态树中的节点相互协作,共同完成对目标的跟踪。
传送树跟踪算法的过程,目标进入侦测区域以后,最先侦测到目标的传感器节点之间选取一个根节点,构造传送树。传送树上的其他节点将跟踪数据发送到根节点,根节点存储分析数据后,将结果传到汇聚节点。目标移动过程中,树结构动态删除距离目标较远的节点,加入距离目标较近的节点。目标与根节点超过一定阈值后,重新构造传送树。
为了节省传感器节点的能量,传感器网络采用网格状的分簇结构。簇内节点周期性地担任簇头节点。当该网络没有侦测事件发生时,只有簇头节点处于工作状态,普通节点则处于休眠状态。当移动目标进入网格时,簇头节点负责唤醒单元格中的其他节点。详见附图3。
但上述现有技术的目标跟踪方法,存在着目标跟踪误差大和网络能耗高的缺陷。
发明内容
本发明为解决上述技术问题,在现有跟踪算法的基础上改进了目标跟踪和能耗优化算法,提供一种无线传感器网络动态簇机制的目标跟踪和耗能优化方法,它具有目标跟踪精确和和网络能耗低的优点。
为了实现上述目的,本发明采用如下技术方案。
一种无线传感器网络动态簇机制的目标跟踪和耗能优化方法,主要包括簇头建立,跟踪定位,半径分级的能量优化。
该算法基于RSSI强度的簇头选择机制,在没有目标进入的情况下,所有节点处于休眠状态,并不用事先将节点网格状划分。
在分簇时,节点的剩余能量和与目标的信号强度因素是簇头选择的决定性因素,这样目标跟踪中的簇头选择的就是网络中能量较强且较容易跟踪目标的节点,网络鲁棒性增强,随着目标移动,簇结构会进行动态调整,保证网络对目标的跟踪。在传感器节点分簇时,通过比较节点感应到目标的RSSI强度与节点所能检测到目标的距离以及能量的加权阈值来进行簇头竞选,再依据节点剩余能量控制节点成为簇成员的概率。
如何在保证跟踪进行的前提下,有效的降低网络能耗是基于无线传感器网络的目标跟踪算法的一个关键问题。本发明通过对传感器节点的检测半径进行动态控制,每个传感器节点都设置低功率和高功率两个感知半径,在保障目标跟踪的同时,有效的控制整个网络的能耗,从而保证整个网络的生存周期。通过对传感器节点的检测半径进行动态控制,每个传感器节 点都设置低功率和高功率两个感知半径,在通常情况下,节点使用低功率感知半径,目标丢失后,节点使用高功率感知半径。
下面将具体介绍分析该算法。
本发明研究的无线传感器网络目标跟踪问题限于以下假设:
定义感知区域为F,N个传感器节点随机等密度分布,系统中包括普通节点和汇聚(Sink)节点,目标周期性的发送射频信号,普通节点大部分时间处于休眠状态,并周期性对目标信号进行检测,仅当收到组簇信号以后才转入工作状态。仿真简化系统模型如下:
1)节点空间部署等密度且随机,坐标位置(x,y)可知;
2)每个节点有唯一的ID,具有数据融合功能;
3)节点同构对等,无线传播范围相同;
4)节点具有组簇能力;
5)节点具有高低功率的检测半径。
在无线传感器网络中,如何在保证目标定位跟踪顺利进行的同时,尽量降低能耗是一个关键问题。本发明假设在目标丢失的过程中,网络对重新找回检测目标的能耗优化而提出一种能量有效性的算法,该方法通过对传感器节点的检测半径进行动态控制,能够有效的降低能量消耗,具体实现过程如下:每个传感器节点都有两个感知半径r和R(r<R),r代表低功率半径,R代表高功率半径,在通常情况下,节点使用低功率感知半径r。任何的预测算法都存在一定的误差,簇头节点可以设置时间门限t和T(t<T),当超过时间t还没有收到目标的位置信息,则表示目标丢失,这时候簇头可以启动相应的恢复机制,节点启动高功率检测半径R。而当目标丢失后,t时间后由动态簇节点启动恢复机制,当前簇成员节点使用高功率感知半径R,T时间后,所有节点使用高功率感知半径R,这样检测区域就扩大为以R为半径的圆形区域,包含的节点越多,追回目标的可能性大大增加。详见附图4。
目标跟踪过程如下:
传感器节点集合为A={A1,···An},A代表的是传感器节点的集合,代表有n个传感器节点的集合。传感器的通信半径为RN,正常情况下RN=r,r代表低功率半径。目标信号的有效传输半径为Rs(或称节点的侦测距离),两者满足Rs≤RN/2,这样就能保证所有能探测到目标的传感器节点,都在彼此的通信范围内,并且只会形成一个簇。传感器节点接收的目标信号强度RSSI值为Pi(di),其中di为节点i与跟踪目标的距离,节点i的剩余电量为ei。节点电量 的初始值为1(100%)。
由于传感器资源有限,为了提高传感器网络的寿命,采用动态簇结构进行分布式跟踪,在没有侦测任务的时候,所有传感器节点处于休眠状态,并不形成簇结构,以节省能量。如图5所示,当目标第一次进入传感器网络的侦测区域时,节点感应到目标的RSSI强度大于P0时,即传感器节点与目标的距离小于阈值R0时,这些节点构成集合B={B1…Bn},它们共同参与到簇头的竞选过程中,P0代表传感器节点所能检测到目标的距离以及能量的加权的一个阈值;R0代表传感器节点与目标的距离,在多个节点与目标之间距离小于R0时候,那么这些节点都有成为簇头的可能;B代表所有可能成为簇头的节点的集合,B1-Bn分别代表这n个可能成为簇头的节点)。节点接收到的RSSI强度小于P0或是没有侦测到目标信号,将继续保持休眠状态。设节点的侦测距离为Rs',当目标距节点距离在R0≤(Rs'-e)时总会被检测到。通常情况下e=0.1Rs',e代表传感器节点检测距离的允许误差。使用改进型无线电自由空间传播模型(以下带有含义解释的参数是为了讲解模型而假设的,与上述同样的参数的含义不同):
其中,P(d)表示节点与目标距离为d时的接收功率强度,其单位是dBm,表示分贝毫伏;P(d0)是基准距离为d0时的信号强度,其单位是dBm,表示分贝毫伏;n表示路径长度和路径损耗之间的比例因子,依赖于建筑物的结构和使用的材料;实现时取d0为1,n=2。节点集合B={B1…Bn},定义:
ENDi是传感器节点经过距离和能量加权之后计算的一个数值,其中ei为传感器节点Bi当前的剩余能量,Bi代表第i个节点。di为节点i与跟踪目标的距离。Rs为传感器的感知半径。α,β为权重因子,(α,β的数值根据不同的传播空间为固定的数值,在不同的传播空间中为不同的常量,在本发明中均为1)。节点i自动计算当前的ENDi值(如果是目标已经在该区域 出现一次以上,则使用上次更新过的ENDi值),并广播节点的ID,组簇使能信号等相关控制信息。同时节点i也会收到B集合中的其它节点发送的广播信息。
节点i比较自身的END值与接收到的END值大小(簇头竞争根据END数值来判断,END最大的作为簇头,接收到的END值就是其他的传感器节点的END数值)。若该节点的END值小于任意一个节点当前的END值,则进入等待状态;若该节点的END值大于任意一个节点END值,则当选为簇头CH0。并发布组簇信息,激活相应的节点参与组簇;若该节点的END值与其他节点相同且同时为最大值。则选择ID号小的作为CH0。当选为CH0的节点发布组簇信息,组簇信息包括节点ID,位置信息和时间同步标签,并激活处于等待状态的节点参与组簇。
B集合的其它等待节点(竞选簇成员节点集合C,以节点k为例)收到簇头的组簇信号,竞选簇头之前B集合中包括所有的可能成为簇头的节点,经过竞选之后,有一个节点作为簇头,剩下的其他的节点构成集合C,B包括C和簇头。节点k保留CH0的ID与位置信息。然后节点k产生一个0~1的随机数,并与自身节点的ENDk比较,若大于ENDk,则不加入簇,节点进入重新休眠状态;若小于ENDk(传感器节点k自身的END值),则保存CH0的信息(簇动态调整时使用),调整本地时钟与簇头同步,成为簇成员。以上步骤完成了一个初始簇的创建。由公式(2)可知,节点k剩余电量ek越大,距离目标dk越小,相应的ENDk值也越大,节点k产生的随机数小于ENDk的概率也越大,成为簇成员的概率就越大,当节点k的剩余能量ek越小,距离目标dk越大,成为簇成员的概率越小。这样网络能量可以得到充分的利用,能量消耗也可以被平均到各个节点,延长网络寿命,同时距离目标近的节点测量误差较小,保证跟踪精度。
当跟踪目标丢失后,t时间后由动态簇节点启动恢复机制,当前簇成员节点使用高功率感知半径,T时间后,所有节点使用高功率感知半径,从而在尽可能的追踪目标的同时也尽可能的延长整个无线传感器网络的寿命。
本发明的有益效果:无论是匀速还是变速运动,该算法都能对目标进行有效地跟踪,由于采用的是动态簇机制算法,每一时刻参与跟踪的节点都是剩余能量与位置优化过的节点。同时在网络布点数量较少的时候,采用高功率检测半径,可以有效的保证准确的跟踪,当布点数量达到一定门限时候,节点采用低功率检测半径,且期间大部分节点处于休眠状态,因此既可以保证目标跟踪精度,又能大大的减少能耗,与传统的跟踪算法相比,网络寿命可以 得到显著的提高。
附图说明
图1为双元检测传感器模型。
图2为信息驱动的协作跟踪实例。
图3为基于动态传送树的目标跟踪。
图4为优化能耗算法的几何模型。
图5为初始簇的创建流程图。
图6为匀速运动仿真。
图7为匀速运动跟踪误差图。
图8为变速运动仿真。
图9为变速运动跟踪误差图。
图10为跟踪误差比较图。
图11为布点数目与跟踪位置误差图。
图12为网络节点平均耗能比较。
具体实施方式
下面结合附图与实施例对本发明作进一步说明。
为了评估所提出的组簇算法的可行性,利用Matlab对该算法进行了仿真。
首先建立二维目标运动模型:
xk=Φxk-1+Γwk (3)
其中,Xk、Xk-1为目标状态变量,Φ为状态转移矩阵,Γ为噪声输入矩阵,wk为零均值高斯白噪声。
假设目标在二维空间内运动,感知区域为(0m,0m)到(200m,200m)的矩形区域。算法的参数设置如下表1所示:
参数 | 描述 | 取值 |
RN | 节点通信半径 | 40m(r)/60m(R) |
Rs | 目标有效传输半径 | 20m |
ek | 节点剩余能量 | 100% |
α,β | 权重因子 | 1,1 |
ε | 簇头移交因子 | 0.4 |
N | 节点个数 | 500 |
Δt | 采样周期 | 1s |
表1
在仿真过程中由于节点分布的随机性,导致一个区域内的簇成员个数差异较大,会对仿真算法的复杂性(簇成员大于十个)和准确性(簇成员小于三个)造成影响,所以规定簇成员的个数在(3~6)之间。
分别对匀速运动和变速运动目标进行跟踪仿真。
1)匀速运动运动轨迹仿真:
2)变速运动仿真:
t为设置的一个参数,即y=x,为了在x和y轴上分解运动,可以理解为时间。
1.目标跟踪误差:
经过大量的仿真实验,可计算出本算法中匀速运动目标跟踪平均误差为0.3644m,变速运动目标跟踪平均误差为0.47885m。
通过仿真可见,在匀速和变速的目标跟踪过程中,本发明的算法保持良好的性能。在跟 踪误差比较方面,为两种算法误差之间的比较,经过大量的仿真计算得出以上结论,可以看出,本发明算法在跟踪误差上可以实现对移动目标的跟踪,可以满足要求。详见附图7、图9、图10。
2.布点数量对跟踪误差的影响:
如图11所示,经过大量的仿真实验,得到布点数目和跟踪误差的关系,在布点数量小于500时,由于簇成员数目小于3的概率比较大,所以平均定位误差较大,随着布点数量的增加,跟踪误差趋于稳定。实验仿真结果可知,本发明算法与传送树算法相比,在跟踪误差上,具有一定的优势。
3.网络能耗比较:
如图12所示,在相同节点能耗的基础上,采用检测半径分级的算法的网络节点平均耗能比较中,可以看出在布点数目较少的时候,由于会出现跟踪目标丢失情况,采用高功率检测半径,很好相对较大一些,但这样可以保证目标的准确跟踪。当布点数目达到500以后,本发明算法传感器节点平均耗能趋于稳定。可以看出本算法的网络的平均寿命高于传统算法,在网络能耗方面上有很大的优势。
通过以上仿真可以看出,无论是匀速还是变速运动,该算法都能对目标进行有效地跟踪,由于采用的是动态簇机制算法,每一时刻参与跟踪的节点都是剩余能量与位置优化过的节点。同时在网络布点数量较少的时候,采用高功率检测半径,可以有效的保证准确的跟踪,当布点数量达到一定门限时候,节点采用低功率检测半径,且期间大部分节点处于休眠状态,因此既可以保证目标跟踪精度,又能大大的减少能耗,与传统的跟踪算法相比,网络寿命可以得到显著的提高。
上述虽然结合附图对本发明的具体实施方式进行了描述,但并非对本发明保护范围的限制,所属领域技术人员应该明白,在本发明的技术方案的基础上,本领域技术人员不需要付出创造性劳动即可做出的各种修改或变形仍在本发明的保护范围以内。
Claims (4)
1.一种无线传感器网络动态簇机制的目标跟踪和耗能优化方法,其特征是,
a,在节点分簇时,通过比较节点感应到目标的RSSI强度与节点所能检测到目标的距离以及能量的加权阈值来进行簇头竞选,再依据节点剩余能量控制节点成为簇成员的概率;
b,通过对节点的检测半径进行动态控制,每个节点都设置低功率和高功率两个感知半径,在通常情况下,节点使用低功率感知半径,目标丢失后,节点使用高功率感知半径。
2.如权利要求1所述的无线传感器网络动态簇机制的目标跟踪和耗能优化方法,其特征是,所述的无线传感器网络动态簇机制的目标跟踪和耗能优化方法还包括:基于RSSI强度的簇头选择机制,在没有目标进入的情况下,所有节点处于休眠状态,并不用事先将节点网格状划分。
3.如权利要求2所述的无线传感器网络动态簇机制的目标跟踪和耗能优化方法,其特征是,所述a的具体步骤为:当目标第一次进入传感器网络的侦测区域时,节点感应到目标的RSSI强度大于P0时,即节点与目标的距离小于阈值R0时,这些节点构成集合B={B1…Bn},它们共同参与到簇头的竞选过程中,P0代表节点所能检测到目标的距离以及能量的加权的阈值;R0代表节点与目标的距离,在多个节点与目标之间距离小于R0时候,那么这些节点都有成为簇头的可能;B代表所有可能成为簇头的节点的集合,B1-Bn分别代表这n个可能成为簇头的节点;节点接收到的RSSI强度小于P0或是没有侦测到目标信号,将继续保持休眠状态;设节点的侦测距离为Rs′,当目标距节点距离在R0≤(Rs′-e)时总会被检测到;通常情况下e=0.1Rs′,e代表节点检测距离的允许误差;
使用改进型无线电自由空间传播模型:
其中,P(d)表示节点与目标距离为d时的接收功率强度,其单位是dBm,表示分贝毫伏;P(d0)是基准距离为d0时的信号强度,其单位是dBm,表示分贝毫伏;n表示路径长度和路径损耗之间的比例因子,依赖于建筑物的结构和使用的材料;实现时取d0为1,n=2;节点集合B={B1…Bn},定义:
ENDi是节点经过距离和能量加权之后计算的数值,其中ei为节点Bi当前的剩余能量,Bi代表第i个节点,di为节点i与跟踪目标的距离,Rs为传感器的感知半径,α,β为权重因子;节点i自动计算当前的ENDi值,并广播节点的ID,组簇使能信号等相关控制信息,如果是目标已经在该区域出现一次以上,则使用上次更新过的ENDi值;同时节点i也会收到B集合中的其它节点发送的广播信息;
节点i比较自身的END值与接收到的END值大小;若该节点的END值小于任意一个节点当前的END值,则进入等待状态;若该节点的END值大于任意一个节点END值,则当选为簇头CH0,并发布组簇信息,激活相应的节点参与组簇;若该节点的END值与其他节点相同且同时为最大值;则选择ID号小的作为CH0;当选为CH0的节点发布组簇信息,组簇信息包括节点ID,位置信息和时间同步标签,并激活处于等待状态的节点参与组簇;
B集合的其它等待节点收到簇头的组簇信号,竞选簇头之前B集合中包括所有的可能成为簇头的节点,经过竞选之后,有一个节点作为簇头,剩下的其他的节点构成集合C;节点k保留CH0的ID与位置信息;然后节点k产生一个0~1的随机数,并与自身节点的ENDk比较,若大于ENDk,则不加入簇,节点进入重新休眠状态;若小于ENDk,ENDk为节点k自身的END值,则保存CH0的信息,调整本地时钟与簇头同步,成为簇成员;以上步骤完成了一个初始簇的创建。
4.如权利要求1所述的无线传感器网络动态簇机制的目标跟踪和耗能优化方法,其特征是,所述b的具体步骤为:每个节点都有两个感知半径r和R,r<R,r代表低功率半径,R代表高功率半径,在通常情况下,节点使用低功率感知半径r;簇头节点设置时间门限t和T,t<T,当超过时间t还没有收到目标的位置信息,则表示目标丢失,簇头启动相应的恢复机制,节点启动高功率检测半径R;而当目标丢失后,t时间后由动态簇节点启动恢复机制,当前簇成员节点使用高功率感知半径R,T时间后,所有节点使用高功率感知半径R。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310076881.0A CN103139863B (zh) | 2013-03-11 | 2013-03-11 | 无线传感器网络动态簇机制的目标跟踪和耗能优化方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310076881.0A CN103139863B (zh) | 2013-03-11 | 2013-03-11 | 无线传感器网络动态簇机制的目标跟踪和耗能优化方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103139863A true CN103139863A (zh) | 2013-06-05 |
CN103139863B CN103139863B (zh) | 2015-07-08 |
Family
ID=48499041
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201310076881.0A Expired - Fee Related CN103139863B (zh) | 2013-03-11 | 2013-03-11 | 无线传感器网络动态簇机制的目标跟踪和耗能优化方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103139863B (zh) |
Cited By (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106156526A (zh) * | 2016-07-29 | 2016-11-23 | 成都汇智远景科技有限公司 | 医疗报账信息追踪方法 |
CN107087290A (zh) * | 2017-02-17 | 2017-08-22 | 广东工业大学 | 一种无线传感器网络动态分簇目标跟踪方法及装置 |
CN107222900A (zh) * | 2017-04-18 | 2017-09-29 | 西安电子科技大学 | 一种基于动态链的无线传感器网络节点协作方法 |
CN108541018A (zh) * | 2018-03-09 | 2018-09-14 | 成都世纪光合作用科技有限公司 | 大规模自组织无线通信分簇网络的生成簇头选择方法 |
CN108934085A (zh) * | 2018-09-03 | 2018-12-04 | 佛山豆萁科技有限公司 | 远洋船舶安全监控系统 |
CN108966327A (zh) * | 2018-08-22 | 2018-12-07 | 中国农业科学院农业信息研究所 | 一种农业无线传感器网络的寿命延长方法及系统 |
CN110071882A (zh) * | 2019-05-08 | 2019-07-30 | 武汉轻工大学 | 信号冲击响应的簇信息获取方法、装置、设备及存储介质 |
CN110913443A (zh) * | 2019-12-25 | 2020-03-24 | 中国电子科技集团公司第十一研究所 | 智能多传感器协同探测方法、装置、传感器和存储介质 |
CN111352399A (zh) * | 2020-03-12 | 2020-06-30 | 沈寿娟 | 物联网智能联动控制方法、装置及控制中心 |
CN112911519A (zh) * | 2021-01-12 | 2021-06-04 | 中国科学院上海微系统与信息技术研究所 | 一种基于目标距离的wsn线性覆盖休眠调度的路由方法 |
CN112911518A (zh) * | 2021-01-12 | 2021-06-04 | 中国科学院上海微系统与信息技术研究所 | 一种基于目标全向跟踪的大规模wsn动态分簇方法 |
CN113271347A (zh) * | 2021-04-29 | 2021-08-17 | 广东海洋大学 | 一种复杂海洋环境数据采集的分布式存储方法及系统 |
CN114048668A (zh) * | 2021-09-23 | 2022-02-15 | 石河子大学 | 面向综合能源的无线传感器轮值方法及系统 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101841932A (zh) * | 2010-05-10 | 2010-09-22 | 南京邮电大学 | 无线传感器网络中基于动态分簇的分布式压缩感知方法 |
CN101877820A (zh) * | 2009-09-07 | 2010-11-03 | 广州市香港科大霍英东研究院 | 无线网基于动态分簇算法的多个无设备物体追踪方法 |
CN102123473A (zh) * | 2011-01-06 | 2011-07-13 | 山东大学 | 无线传感器网络基于动态簇机制的目标跟踪方法 |
CN102638863A (zh) * | 2012-03-20 | 2012-08-15 | 东南大学 | 一种无线传感器网络中的移动目标跟踪方法 |
-
2013
- 2013-03-11 CN CN201310076881.0A patent/CN103139863B/zh not_active Expired - Fee Related
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101877820A (zh) * | 2009-09-07 | 2010-11-03 | 广州市香港科大霍英东研究院 | 无线网基于动态分簇算法的多个无设备物体追踪方法 |
CN101841932A (zh) * | 2010-05-10 | 2010-09-22 | 南京邮电大学 | 无线传感器网络中基于动态分簇的分布式压缩感知方法 |
CN102123473A (zh) * | 2011-01-06 | 2011-07-13 | 山东大学 | 无线传感器网络基于动态簇机制的目标跟踪方法 |
CN102638863A (zh) * | 2012-03-20 | 2012-08-15 | 东南大学 | 一种无线传感器网络中的移动目标跟踪方法 |
Cited By (22)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106156526A (zh) * | 2016-07-29 | 2016-11-23 | 成都汇智远景科技有限公司 | 医疗报账信息追踪方法 |
CN106156526B (zh) * | 2016-07-29 | 2019-02-05 | 杨仲辉 | 医疗报账信息追踪方法 |
CN107087290A (zh) * | 2017-02-17 | 2017-08-22 | 广东工业大学 | 一种无线传感器网络动态分簇目标跟踪方法及装置 |
CN107087290B (zh) * | 2017-02-17 | 2020-08-11 | 广东工业大学 | 一种无线传感器网络动态分簇目标跟踪方法及装置 |
CN107222900A (zh) * | 2017-04-18 | 2017-09-29 | 西安电子科技大学 | 一种基于动态链的无线传感器网络节点协作方法 |
CN107222900B (zh) * | 2017-04-18 | 2020-05-15 | 西安电子科技大学 | 一种基于动态链的无线传感器网络节点协作方法 |
CN108541018A (zh) * | 2018-03-09 | 2018-09-14 | 成都世纪光合作用科技有限公司 | 大规模自组织无线通信分簇网络的生成簇头选择方法 |
CN108541018B (zh) * | 2018-03-09 | 2022-01-04 | 成都世纪光合作用科技有限公司 | 大规模自组织无线通信分簇网络的生成簇头选择方法 |
CN108966327A (zh) * | 2018-08-22 | 2018-12-07 | 中国农业科学院农业信息研究所 | 一种农业无线传感器网络的寿命延长方法及系统 |
CN108966327B (zh) * | 2018-08-22 | 2021-02-05 | 中国农业科学院农业信息研究所 | 一种农业无线传感器网络的寿命延长方法及系统 |
CN108934085A (zh) * | 2018-09-03 | 2018-12-04 | 佛山豆萁科技有限公司 | 远洋船舶安全监控系统 |
CN108934085B (zh) * | 2018-09-03 | 2021-05-18 | 震兑工业智能科技有限公司 | 远洋船舶安全监控系统 |
CN110071882B (zh) * | 2019-05-08 | 2020-07-10 | 武汉轻工大学 | 信号冲击响应的簇信息获取方法、装置、设备及存储介质 |
CN110071882A (zh) * | 2019-05-08 | 2019-07-30 | 武汉轻工大学 | 信号冲击响应的簇信息获取方法、装置、设备及存储介质 |
CN110913443A (zh) * | 2019-12-25 | 2020-03-24 | 中国电子科技集团公司第十一研究所 | 智能多传感器协同探测方法、装置、传感器和存储介质 |
CN110913443B (zh) * | 2019-12-25 | 2022-02-22 | 中国电子科技集团公司第十一研究所 | 智能多传感器协同探测方法、装置、传感器和存储介质 |
CN111352399A (zh) * | 2020-03-12 | 2020-06-30 | 沈寿娟 | 物联网智能联动控制方法、装置及控制中心 |
CN112911518A (zh) * | 2021-01-12 | 2021-06-04 | 中国科学院上海微系统与信息技术研究所 | 一种基于目标全向跟踪的大规模wsn动态分簇方法 |
CN112911519A (zh) * | 2021-01-12 | 2021-06-04 | 中国科学院上海微系统与信息技术研究所 | 一种基于目标距离的wsn线性覆盖休眠调度的路由方法 |
CN113271347A (zh) * | 2021-04-29 | 2021-08-17 | 广东海洋大学 | 一种复杂海洋环境数据采集的分布式存储方法及系统 |
CN113271347B (zh) * | 2021-04-29 | 2021-12-14 | 广东海洋大学 | 一种复杂海洋环境数据采集的分布式存储方法及系统 |
CN114048668A (zh) * | 2021-09-23 | 2022-02-15 | 石河子大学 | 面向综合能源的无线传感器轮值方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN103139863B (zh) | 2015-07-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103139863B (zh) | 无线传感器网络动态簇机制的目标跟踪和耗能优化方法 | |
CN102123473A (zh) | 无线传感器网络基于动态簇机制的目标跟踪方法 | |
Lin et al. | Energy-efficient distributed adaptive multisensor scheduling for target tracking in wireless sensor networks | |
Ramya et al. | A survey on target tracking techniques in wireless sensor networks | |
CN102395173B (zh) | 环境监测物联网感知层能量高效利用的成簇方法 | |
CN102638863B (zh) | 一种无线传感器网络中的移动目标跟踪方法 | |
CN101505532A (zh) | 一种基于分布式处理的无线传感器网络目标跟踪方法 | |
CN107222900B (zh) | 一种基于动态链的无线传感器网络节点协作方法 | |
CN101854653A (zh) | 一种无线多媒体传感器网络中的目标跟踪方法 | |
Kiyani et al. | DCSE: A dynamic clustering for saving energy in wireless sensor network | |
CN103648097A (zh) | 一种基于无线传感器网络分布式视频协同调度方法 | |
Xue et al. | Prediction-based protocol for mobile target tracking in wireless sensor networks | |
Hsu et al. | POOT: An efficient object tracking strategy based on short-term optimistic predictions for face-structured sensor networks | |
Alaybeyoglu et al. | Tracking fast moving targets in wireless sensor networks | |
CN112911519B (zh) | 一种基于目标距离的wsn线性覆盖休眠调度的路由方法 | |
Deldar et al. | Designing an energy efficient prediction-based algorithm for target tracking in wireless sensor networks | |
Cao et al. | An efficient moving object tracking framework for WSNs using sequence-to-sequence learning model | |
Jiang et al. | Energy efficient sleep scheduling in sensor networks for multiple target tracking | |
Kondepu et al. | A hybrid and flexible discovery algorithm for wireless sensor networks with mobile elements | |
CN105323817A (zh) | 异构传感器网络中基于簇树拓扑结构的tdma调度方法 | |
Kiani et al. | Target Tracking Based on base Station Node Using Prediction Method and Cluster Structure in Wireless Sensor Networks | |
Prabhavathi et al. | Cluster-based mobility management for target tracking in mobile sensor networks | |
Alaybeyoglu et al. | A distributed wakening based target tracking protocol for wireless sensor networks | |
Xing et al. | Herd-based target tracking protocol in wireless sensor networks | |
Ren et al. | TPSS: A two-phase sleep scheduling protocol for object tracking in sensor networks |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20150708 Termination date: 20160311 |
|
CF01 | Termination of patent right due to non-payment of annual fee |