CN107087290A - 一种无线传感器网络动态分簇目标跟踪方法及装置 - Google Patents
一种无线传感器网络动态分簇目标跟踪方法及装置 Download PDFInfo
- Publication number
- CN107087290A CN107087290A CN201710087019.8A CN201710087019A CN107087290A CN 107087290 A CN107087290 A CN 107087290A CN 201710087019 A CN201710087019 A CN 201710087019A CN 107087290 A CN107087290 A CN 107087290A
- Authority
- CN
- China
- Prior art keywords
- node
- mrow
- cluster
- moving target
- msub
- 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
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W40/00—Communication routing or communication path finding
- H04W40/02—Communication route or path selection, e.g. power-based or shortest path routing
- H04W40/04—Communication route or path selection, e.g. power-based or shortest path routing based on wireless node resources
- H04W40/10—Communication route or path selection, e.g. power-based or shortest path routing based on wireless node resources based on available power or energy
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W40/00—Communication routing or communication path finding
- H04W40/02—Communication route or path selection, e.g. power-based or shortest path routing
- H04W40/20—Communication route or path selection, e.g. power-based or shortest path routing based on geographic position or location
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W52/00—Power management, e.g. TPC [Transmission Power Control], power saving or power classes
- H04W52/02—Power saving arrangements
- H04W52/0209—Power saving arrangements in terminal devices
- H04W52/0225—Power saving arrangements in terminal devices using monitoring of external events, e.g. the presence of a signal
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W84/00—Network topologies
- H04W84/18—Self-organising networks, e.g. ad-hoc networks or sensor networks
-
- 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
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Radar Systems Or Details Thereof (AREA)
- Mobile Radio Communication Systems (AREA)
Abstract
本发明实施例公开了一种无线传感器网络动态分簇目标跟踪方法及装置，用于解决在无线传感器网络应用中簇成员将探测信息发送给簇头节点时，节点重传导致的网络能耗升高，以及如何优化簇头选择策略，进一步优化跟踪簇域能耗的技术问题。
Description
技术领域
本发明涉及无线传感器网络目标跟踪领域，尤其涉及一种无线传感器网络动态分簇目标跟踪方法及装置。
背景技术
目标跟踪是无线传感器网络(wireless sensornetwork，WSN)的一个重要且典型的应用，因其可快速部署、可自组织、实时性好、隐蔽性强等特点，非常适合军事跟踪监视、自然灾害救助、交通监控等场景。
传感器网络目标跟踪算法涉及跟踪精度、跟踪时延、通讯开销、节点能量消耗等因素。Kan Zheng et al.提出了自适应加权K近邻(Adaptive Weighted K-NearestNeighbour,AWKNN)跟踪算法，根据环境因素自适应选择K参数提高跟踪精度。Yujiao Zheng et al.提出压缩感知应用于传感器网络目标跟踪。S Vasuhi et al.提出基于交互式多模型(Interactive Multiple Model,IMM)卡尔曼滤波目标跟踪算法，提高对非线性运动目标跟踪精度。在大规模的目标跟踪传感器网络中，网络节点动态分簇跟踪模型具有能量高效、跟踪及时等优点。Juan Feng et al.提出节点协作和自适应信息采集策略(coordinated and adaptive information collecting strategy,CAICS)减少冗余信息的传输，降低网络跟踪能耗。Walchli et al.提出了对于匀速运动目标的动态分簇与簇头选择策略。周红波等学者在簇首选择时考虑了节点的剩余能量，可以有效地避免簇首节点能量不足导致的跟踪失败。文献提出的动态簇头选择方法，充分考虑节点的剩余能量与网络节点平均剩余能量，提高网络生命周期。蔡自兴等学者提出了一种簇内节点能量均衡的多目标动态分簇跟踪方法。冯林方等学者提出动态唤醒无线传感器网络中部分传感器节点形成分簇，并选择合适的簇首和采样间隔进行目标跟踪。肖胜等学者提出通过设置簇内传感器节点数目门限，自适应地调整簇的激活半径，通过多传感器节点的协作处理提高目标跟踪精度。文献提出引入有效的预测机制，通过避免盲目的唤醒网络中的节点和降低跟踪延迟，可以进一步增强网络的跟踪性能，但同时也加重了簇头节点的计算负担，过快的消耗了簇头节点能量。
提高跟踪精度，降低网络跟踪能耗依然是无线传感器网络目标跟踪应用中的关键问题。上述研究没有考虑簇头在收集各簇员信息时会产生信道争用，各信号之间相互干扰，产生数据碰撞，数据重传将导致网络能耗升高问题。监测区域节点随机部署，目标在移动过程中周期性地发送射频信号，附近传感器节点感知目标后，自适应形成动态簇，其他节点继续进入休眠状态以节省能量，簇头节点收集簇员节点的探测数据，执行目标定位算法完成目标跟踪任务。当簇域内多个传感器节点探测到目标，同时向簇头节点发送各自探测数据将会出现信道冲突问题，在无线传感器网络应用中，信道冲突问题如果不及时处理则会造成局部信道阻塞、数据丢失，节点重传率高将会加重网络能耗，影响整个网络应用的稳定性。簇成员将探测信息发送给簇头节点时，节点重传将导致网络能耗升高问题，如何优化簇头选择策略，维持跟踪精度的同时，进一步优化跟踪簇域能耗成为了亟待解决的技术问题。
发明内容
本发明实施例提供了一种无线传感器网络动态分簇目标跟踪方法及装置，解决了在无线传感器网络应用中簇成员将探测信息发送给簇头节点时，节点重传导致的网络能耗升高，以及如何优化簇头选择策略，进一步优化跟踪簇域能耗的技术问题。
本发明实施例提供的一种无线传感器网络动态分簇目标跟踪方法，包括：
S1：当运动目标进入传感器网络监控区域，在运动目标位置检测范围内的感知节点应用RSSI目标探测模型，计算感知节点与运动目标的相对距离值，通过感知节点与运动目标的相对距离值选择感知节点为簇员节点建立初始动态簇；
S2：簇员节点通过时分竞选传输模型交换各自对运动目标的探测信息，再通过能量均衡的最远节点调度策略选择最优簇头节点；
S3：最优簇头节点执行加权质心定位算法计算运动目标位置，完成对运动目标的跟踪操作。
优选地，
所述步骤S1具体包括：
当运动目标进入传感器网络监控区域，在运动目标位置检测范围内的感知节点i应用RSSI目标探测模型，分别通过感知节点离运动目标处d即信号传播距离为d的接收信号强度RSSI公式和信号传播距离d与接收信号强度RSSI之间的关系公式，计算感知节点i与运动目标的相对距离di值，通过感知节点i与运动目标的相对距离di值和运动目标被感知节点i探测并激活簇员节点CM公式，选择感知节点为簇员节点建立初始动态簇，其中感知节点离运动目标处d的接收信号强度RSSI公式为：
信号传播距离d与接收信号强度RSSI之间的关系公式为：
运动目标被感知节点i探测并激活簇员节点CM公式为：
其中R为参考距离d处接收信号强度值，λ为路径衰减指数，d0为簇员节点激活阈值，ξσ为均值为0标准差为σ的高斯分布噪声，dm为预定的距离阈值。
优选地，
所述步骤S2具体包括：
簇员节点通过时分竞选传输模型发送的预定的发送定时器Tsender与接收定时器Treceiver状态交换各自对运动目标的探测信息，再通过能量均衡的最远节点调度策略选择最优簇头节点。
优选地，
所述步骤S2具体包括：
簇员节点通过预定的发送定时器Tsender与接收定时器Treceiver状态，接收邻居节点的坐标、邻居节点对运动目标的探测信息即邻居节点跟运动目标的相对距离、邻居节点剩余能量与邻居节点跟运动目标的相对距离的加权综合参数信息并转存至簇员节点的数据栈，簇员节点判断发送定时器Tsender是否到期，若否，则簇员节点继续接收邻居节点的坐标、邻居节点对运动目标的探测信息即邻居节点跟运动目标的相对距离、邻居节点剩余能量与邻居节点跟运动目标的相对距离的加权综合参数信息并转存至簇员节点的数据栈，若是，则簇员节点转存并广播自身坐标、自身对运动目标的探测信息即簇员节点i跟运动目标的相对距离di、簇员节点i剩余能量ei与簇员节点i跟运动目标的相对距离di的加权综合参数Ti信息，簇员节点继续判断接收定时器Treceiver是否到期，若否，则簇员节点继续接收邻居节点的坐标、邻居节点对运动目标的探测信息即邻居节点跟运动目标的相对距离、邻居节点剩余能量与邻居节点跟运动目标的相对距离的加权综合参数信息并转存至簇员节点的数据栈，若是，则簇员节点选择簇员节点数据栈中加权综合参数值最小的簇员节点为最优簇头节点，其中簇员节点i剩余能量ei与簇员节点i跟运动目标的相对距离di的加权综合参数Ti为：
α为取值在(0,1)之间的权重因子，ei为簇员节点i的剩余能量，e0为簇员节点i的初始能量值，di为簇员节点i与运动目标的相对距离，d0为簇员节点i激活阈值，预置d0＝dm。
优选地，
所述步骤S3具体包括：
最优簇头节点通过簇员节点i到运动目标的相对距离di相关的权重公式进行加权质心计算运动目标的位置，完成对运动目标的跟踪操作，其中簇员节点i到运动目标的相对距离di相关的权重公式为：
λ是与相对距离di和通信信号相关的约束因子，为各边权重。
本发明实施例中提供的一种无线传感器网络动态分簇目标跟踪装置，包括：
初始单元，用于当运动目标进入传感器网络监控区域，在运动目标位置检测范围内的感知节点应用RSSI目标探测模型，计算感知节点与运动目标的相对距离值，通过感知节点与运动目标的相对距离值选择感知节点为簇员节点建立初始动态簇；
收集单元，用于通过时分竞选传输模型交换簇员节点各自对运动目标的探测信息，再通过能量均衡的最远节点调度策略选择最优簇头节点；
跟踪单元，用于通过最优簇头节点执行加权质心定位算法计算运动目标位置，完成对运动目标的跟踪操作。
优选地，
所述初始单元具体包括：
第一计算子单元，具体用于当运动目标进入传感器网络监控区域，在运动目标位置检测范围内的感知节点i应用RSSI目标探测模型，分别通过感知节点离运动目标处d即信号传播距离为d的接收信号强度RSSI公式和信号传播距离d与接收信号强度RSSI之间的关系公式，计算感知节点i与运动目标的相对距离di值；
第一选择子单元，具体用于通过感知节点i与运动目标的相对距离di值和运动目标被感知节点i探测并激活簇员节点CM公式，选择感知节点为簇员节点，其中感知节点离运动目标处d的接收信号强度RSSI公式为：
信号传播距离d与接收信号强度RSSI之间的关系公式为：
运动目标被感知节点i探测并激活簇员节点CM公式为：
其中R为参考距离d处接收信号强度值，λ为路径衰减指数，d0为簇员节点激活阈值，ξσ为均值为0标准差为σ的高斯分布噪声，dm为预定的距离阈值；
初始子单元，用于建立初始动态簇。
优选地，
所述收集单元具体包括：
第一转存子单元，具体用于通过预定的发送定时器Tsender与接收定时器Treceiver状态，簇员节点接收邻居节点的坐标、邻居节点对运动目标的探测信息即邻居节点跟运动目标的相对距离、邻居节点剩余能量与邻居节点跟运动目标的相对距离的加权综合参数信息并转存至簇员节点的数据栈；
第一判断子单元，具体用于判断发送定时器Tsender是否到期；
第二转存子单元，具体用于若发送定时器Tsender没到期，则簇员节点继续接收邻居节点的坐标、邻居节点对运动目标的探测信息即邻居节点跟运动目标的相对距离、邻居节点剩余能量与邻居节点跟运动目标的相对距离的加权综合参数信息并转存至簇员节点的数据栈；
第三转存子单元，具体用于若发送定时器Tsender到期，则簇员节点转存并广播自身坐标、自身对运动目标的探测信息即簇员节点i跟运动目标的相对距离di、簇员节点i剩余能量ei与簇员节点i跟运动目标的相对距离di的加权综合参数Ti信息，其中簇员节点i剩余能量ei与簇员节点i跟运动目标的相对距离di的加权综合参数Ti为：
α为取值在(0,1)之间的权重因子，ei为簇员节点i的剩余能量，e0为簇员节点i的初始能量值，di为簇员节点i与运动目标的相对距离，d0为簇员节点i激活阈值，预置d0＝dm。
优选地，
所述收集单元还包括：
第二判断子单元，具体用于继续判断接收定时器Treceiver是否到期；
第四转存子单元，具体用于若接收定时器Treceiver没到期，则簇员节点继续接收邻居节点的坐标、邻居节点对运动目标的探测信息即邻居节点跟运动目标的相对距离、邻居节点剩余能量与邻居节点跟运动目标的相对距离的加权综合参数信息并转存至簇员节点的数据栈；
第二选择子单元，具体用于若接收定时器Treceiver到期，则簇员节点选择簇员节点数据栈中加权综合参数值最小的簇员节点为最优簇头节点。
优选地，
所述跟踪单元具体包括：
第二计算子单元，具体用于通过最优簇头节点通过簇员节点i到运动目标的相对距离di相关的权重公式进行加权质心计算运动目标的位置，其中簇员节点i到运动目标的相对距离di相关的权重公式为：
λ是与相对距离di和通信信号相关的约束因子，为各边权重；
跟踪子单元，用于完成对运动目标的跟踪操作。
从以上技术方案可以看出，本发明实施例具有以下优点：
本发明实施例中提供的一种无线传感器网络动态分簇目标跟踪方法及装置，其中，一种无线传感器网络动态分簇目标跟踪方法包括：S1：当运动目标进入传感器网络监控区域，在运动目标位置检测范围内的感知节点应用RSSI目标探测模型，计算感知节点与运动目标的相对距离值，通过感知节点与运动目标的相对距离值选择感知节点为簇员节点建立初始动态簇；S2：簇员节点通过时分竞选传输模型交换各自对运动目标的探测信息，再通过能量均衡的最远节点调度策略选择最优簇头节点；S3：最优簇头节点执行加权质心定位算法计算运动目标位置，完成对运动目标的跟踪操作，本实施例中，通过簇内跟踪节点能够充分利用时分竞选传输模型，能量高效的交换簇内探测信息，簇头选择充分利用能量均衡的最远节点调度策略，动态选择最优簇员成为簇头从而在保证跟踪精度同时，平衡簇内能量，延长网络跟踪周期，解决了在无线传感器网络应用中，簇成员将探测信息发送给簇头节点时，节点重传导致的网络能耗升高，以及如何优化簇头选择策略，维持跟踪精度的同时，进一步优化跟踪簇域能耗的技术问题。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其它的附图。
图1本发明实施例中提供的一种无线传感器网络动态分簇目标跟踪方法的一个实施例的流程示意图；
图2本发明实施例中提供的一种无线传感器网络动态分簇目标跟踪装置的一个实施例的结构示意图；
图3本发明实施例中提供的一种无线传感器网络动态分簇目标跟踪装置的另一个实施例的结构示意图；
图4本发明实施例中提供的一种能量均衡最远节点调度策略的一个实施例的流程示意图；
图5本发明实施例中提供的一种基于能量优化的无线传感器网络动态分簇目标跟踪轨迹图；
图6本发明实施例中提供的一种算法跟踪精度分析图；
图7(a)本发明实施例中提供的一种动态簇内通信数据包量图；
图7(b)本发明实施例中提供的一种动态簇内能量消耗量图；
图8本发明实施例中提供的一种动态簇数据碰撞图；
图9本发明实施例中提供的一种基于能量优化的动态分簇目标跟踪算法的一个实施例的流程示意图。
具体实施方式
本发明实施例提供了一种无线传感器网络动态分簇目标跟踪方法及装置，用于解决在无线传感器网络应用中簇成员将探测信息发送给簇头节点时，节点重传导致的网络能耗升高，以及如何优化簇头选择策略，进一步优化跟踪簇域能耗的技术问题。
为使得本发明的发明目的、特征、优点能够更加的明显和易懂，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，下面所描述的实施例仅仅是本发明一部分实施例，而非全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。
请参阅图1，本发明实施例中提供的一种无线传感器网络动态分簇目标跟踪方法的一个实施例包括：
101、当运动目标进入传感器网络监控区域，在运动目标位置检测范围内的感知节点应用RSSI目标探测模型，计算感知节点与运动目标的相对距离值，通过感知节点与运动目标的相对距离值选择感知节点为簇员节点建立初始动态簇；
102、簇员节点通过时分竞选传输模型交换各自对运动目标的探测信息，再通过能量均衡的最远节点调度策略选择最优簇头节点；
103、最优簇头节点执行加权质心定位算法计算运动目标位置，完成对运动目标的跟踪操作。
本实施例中，通过一种时分竞选传输模型，减少动态簇数据碰撞，降低节点能耗；并通过一种能量均衡最远节点调度策略用于优化簇头节点调度，结合加权质心定位算法，建立能量优化的无线传感器网络动态簇进行目标跟踪，通过实验仿真得出算法在节点随机部署的环境下，对于非线性运动目标跟踪精度，与DCMS方法相当，优于DELTA方法，有效降低动态跟踪簇60％能量消耗，解决了在无线传感器网络应用中簇成员将探测信息发送给簇头节点时，节点重传导致的网络能耗升高，以及如何优化簇头选择策略，进一步优化跟踪簇域能耗的技术问题。
上面是对一种无线传感器网络动态分簇目标跟踪方法进行详细的描述，下面将对一种无线传感器网络动态分簇目标跟踪方法的过程进行详细的描述，本发明实施例中提供的一种无线传感器网络动态分簇目标跟踪方法的另一个实施例包括：
201、当运动目标进入传感器网络监控区域，在运动目标位置检测范围内的感知节点i应用RSSI目标探测模型，分别通过感知节点离运动目标处d即信号传播距离为d的接收信号强度RSSI公式和信号传播距离d与接收信号强度RSSI之间的关系公式，计算感知节点i与运动目标的相对距离di值，通过感知节点i与运动目标的相对距离di值和运动目标被感知节点i探测并激活簇员节点CM公式，选择感知节点为簇员节点建立初始动态簇，其中感知节点离运动目标处d的接收信号强度RSSI公式为：
信号传播距离d与接收信号强度RSSI之间的关系公式为：
运动目标被感知节点i探测并激活簇员节点CM公式为：
其中R为参考距离d处接收信号强度值，λ为路径衰减指数，d0为簇员节点激活阈值，ξσ为均值为0标准差为σ的高斯分布噪声，dm为预定的距离阈值；
监测区域节点随机部署，目标在移动过程中周期性地发送射频信号，附近传感器节点感知目标后，自适应形成动态簇，其他节点继续进入休眠状态以节省能量，簇头节点收集簇员节点的探测数据，执行目标定位算法完成目标跟踪任务。
在无线传感器网络中，传感器节点资源受限且有环境噪声的影响，通过RSSI目标探测模型和能量模型分别对节点接收信号强度和能量消耗进行仿真分析。
RSSI目标探测模型：
目标附近的探测节点会周期性的收到目标发出的射频信号，接收信号强度RSSI(Received Signal Strength Indication)随着传输距离的增大而衰减。在实际应用中，最常用的是对数常态分布模型(Log-distance Distribution Model)：
RSSI(d)为离发射源处d的RSSI强度值，单位dbm；R为参考距离d处RSSI强度值，单位dbm；λ为路径衰减指数，反映环境对测距的影响程度；ξσ为均值为0，标准差为的σ高斯分布噪声。
则信号传播距离与接受信号强度之间的关系为：
设定距离阈值dm，则移动目标被节点i探测到并激活成簇员CM(Cluster Member)的模型为：
能量消耗模型：
在无线传感器网络目标跟踪应用中，不仅要完成跟踪任务，并且要尽可能减少节点能耗、延长网络寿命。模拟跟踪过程中网络的能量消耗，假设传感器i节点向节点k传输1bit数据。能耗Ec(si,sk)为节点间的传输能耗Et(si,sk)与节点k的接收能耗Er(sk)之和：
Er(sk)＝er (4)
其中：e1和e2是由发送端si决定的常数；er为接收端决定的常数；di,k为两节点i、k间的距离。
当目标进入传感器网络监控区域，在目标位置检测范围内的感知节点应用RSSI目标探测模型，根据公式(2)计算出感知节点与运动目标的相对距离di值，通过公式(3)自适应选择感知节点成为簇内成员，开始建立初始动态簇。
随机运动目标周期性广播自身ID与时间同步信息，节点接收信息并建立时间同步，利用RSSI探测模型查询di值，通过设定的阈值dm决定节点是否被激活成簇员，自适应的形成跟踪簇域。
202、簇员节点通过预定的发送定时器Tsender与接收定时器Treceiver状态，接收邻居节点的坐标、邻居节点对运动目标的探测信息即邻居节点跟运动目标的相对距离、邻居节点剩余能量与邻居节点跟运动目标的相对距离的加权综合参数信息并转存至簇员节点的数据栈，簇员节点判断发送定时器Tsender是否到期，若否，则簇员节点继续接收邻居节点的坐标、邻居节点对运动目标的探测信息即邻居节点跟运动目标的相对距离、邻居节点剩余能量与邻居节点跟运动目标的相对距离的加权综合参数信息并转存至簇员节点的数据栈，若是，则簇员节点转存并广播自身坐标、自身对运动目标的探测信息即簇员节点i跟运动目标的相对距离di、簇员节点i剩余能量ei与簇员节点i跟运动目标的相对距离di的加权综合参数Ti信息，簇员节点继续判断接收定时器Treceiver是否到期，若否，则簇员节点继续接收邻居节点的坐标、邻居节点对运动目标的探测信息即邻居节点跟运动目标的相对距离、邻居节点剩余能量与邻居节点跟运动目标的相对距离的加权综合参数信息并转存至簇员节点的数据栈，若是，则簇员节点选择簇员节点数据栈中加权综合参数值最小的簇员节点为最优簇头节点，其中簇员节点i剩余能量ei与簇员节点i跟运动目标的相对距离di的加权综合参数Ti为：
α为取值在(0,1)之间的权重因子，ei为簇员节点i的剩余能量，e0为簇员节点i的初始能量值，di为簇员节点i与运动目标的相对距离，d0为簇员节点i激活阈值，预置d0＝dm；
时分竞选传输模型：
簇域内多节点探测到目标，节点需要交换探测数据，引发信道竞争问题。为解决节点重传导致的网络能耗问题，本实施例通过时分竞选传输模型，各簇员适时的选择数据收发时段，减少网络数据碰撞概率，降低节点重传导致的网络能耗问题。簇域内第i节点剩余能量与其跟目标的相对距离的加权综合参数Ti：
式中α为权重因子，取值为(0,1)之间。ei是第i节点此时的剩余能量，e0是节点初始能量值，di为节点通过RSSI目标探测模型计算出的i节点与目标的相对距离，d0是簇员激活阈值，设d0＝dm。
设定数据发送定时器Tsender与数据接收定时器Treceiver为：
Tsender＝Ti·τmax (8)
Treceiver＝τmax (9)
其中τmax为设定的最大数据接收时间。通过上述模型得，Tsender≤Treceiver即各簇员在规定的接收时间周期内，通过不同综合参数的Ti控制下，避免数据碰撞，高效完成探测信息交换任务。
能量均衡的最远节点调度策略：
簇头节点接收所有簇员节点发送的探测数据，并执行额外定位算法消耗大量能量，通过簇头选择策略，不仅平衡动态跟踪簇能量消耗，并且关系到下一时刻目标跟踪精度。本实施例通过上述时分竞选传输模型和一种能量均衡的最远节点调度策略，将簇头选择与数据收集任务集成到一体，优化簇内通讯步骤，簇头选择依据能量信息平衡簇域能耗，延长网络跟踪周期。本实施例中的选择策略原理为：1、靠近目标的簇员探测数据信噪比最高，信息相对最准确2、根据加权质心定位算法，远离目标的簇员计算时权重最小。
本实施例根据能量与相对距离在动态跟踪簇内提出由远及近切换簇头策略：1、能量上，尽可能保存监控区域靠近目标的节点能量，保持簇域探测信息高信噪比。2、跟踪精度上，优先消耗定位算法权重最小节点能量，降低对下一时刻定位算法的影响。
请参阅图4，本发明实施例提供的一种能量均衡最远节点调度策略的一个实施例包括：
Step 1：各簇员Tsender与Treciever定时器准确设定，进入接收模式。
Step 2：收到邻居节点数据转存至数据栈。
Step 3：Tsender到期进入步骤4，否则转步骤2。
Step 4：转存并广播自身坐标(xi,yi)与探测数据di与Ti值。进入步骤5。
Step 5：Treciever到期进入步骤6，否则转步骤2。
Step 6：数据栈中Ti值最小的节点选为簇头。
本实施例结合时分竞选模型提出能量优化的调度策略，将簇头选择与数据收集任务集成到一体，优化簇内通讯步骤，即先是模型给出各簇员收发定时器状态，然后执行策略，数据收发完成，簇头节点根据规则一并选出。通过时分竞选传输模型管理簇员数据收发，簇头切换策略优先选择剩余能量最多，距离目标最远的簇员，执行额外的目标定位计算，平衡簇域能量，簇头CH选定和数据收集任务一并完成。簇内成员通过时分竞选传输模型避免数据碰撞，交换各自探测信息，发送的探测信息为簇员节点自身坐标(xi,yi)与探测数据di与Ti值。分布的簇内成员应用能量均衡的最远节点调度策略选择最优簇头节点，其中簇员节点i剩余能量ei与簇员节点i跟运动目标的相对距离di的加权综合参数Ti为：
其中α为取值在(0,1)之间的权重因子，ei为簇员节点i的剩余能量，e0为簇员节点i的初始能量值，di为簇员节点i与运动目标的相对距离，d0为簇员节点i激活阈值，预置d0＝dm；
203、最优簇头节点通过簇员节点i到运动目标的相对距离di相关的权重公式进行加权质心计算运动目标的位置，完成对运动目标的跟踪操作，其中簇员节点i到运动目标的相对距离di相关的权重公式为：
λ是与相对距离di和通信信号相关的约束因子，为各边权重。
分布的簇内成员应用能量均衡的最远节点调度策略选择最优簇头节点后，簇头节点CH(ClusterHeader)利用汇聚的簇员坐标信息与di值执行加权质心定位算法，计算目标位置，完成当前时刻目标跟踪任务。各簇员刷新定时器准备进入下一时刻目标跟踪任务。
目标跟踪定位：
质心定位算法简单，鲁棒性好，不需要事先建立复杂的运动模型，对于机动目标跟踪效果好。但该算法只能实现粗粒度的定位，其定位精度严重依赖于参考节点的数量与部署相对位置。本实施例结合能量均衡的最远节点调度策略应用加权质心算法(WeightCentroid Localization,WCL)计算目标位置，动态分簇跟踪目标。已知目标周围k个探测节点ai＝(xi,yi)，根据目标到探测节点的距离相关的权重进行加权质心求解：
其中di是第i个簇员探测其与运动目标的相对距离，是与距离和通信信号相关的约束因子，根据经验可取1～2之间的值(常取1.5或1.8)，反映各‘边’权重，γ为0时则退化为一般的质心算法。
根据公式(10)，距离目标越近的簇员，运行目标定位计算时权重越大，对于计算目标位置的贡献也就越大。根据能量均衡的最远节点调度策略簇头选定，CH完成目标定位计算，动态分簇目标跟踪任务完成。
仿真对目标采用相同的运动轨迹，随机部署节点、环境噪声和测量噪声。如图5一种基于能量优化的无线传感器网络动态分簇目标跟踪轨迹图所示为一次仿真示例，运动目标具有非线性随机运动特性，本实施例中算法能够根据移动目标周期性发送的同步信号，探测目标RSSI值并自适应成簇跟踪，簇头节点选择根据能量均衡最远节点调度方法，依据距离目标最远且剩余能量最大探测节点切换簇头节点。簇头运行的加权质心定位算法在不需要复杂目标运动建模时，可以适应节点随机部署环境，较好跟踪随机运动目标。
跟踪精度分析：
仿真实验根据性能指标均方根误差RMSE，对本实施例中的算法与DELTA、DCMS进行跟踪精度比较和分析，如图6算法跟踪精度分析所示。本实施例中节点随机部署，目标运动在监控区域边缘时刻跟踪算法均有较大跟踪误差，最大跟踪偏差达到2.5m。对于目标运动在监控区域中，DELTA算法对于随机目标运动速度适应较困难，从而导致精度不高，跟踪最大偏差2m，最小偏差0.35m，整体RMSE波动较大，平均误差在1.2m。本实施例中的算法在RSSI探测模型将目标相对距离信息的加入下，簇头使用的加权质心算法平均误差0.65m，与DCMS三边测量平均误差0.55m接近，是DELTA算法45％，跟踪最大偏差1.57m，最小偏差0.2m，DCMS与本实施例中的算法整体RMSE波动较稳定。DCMS利用最小二乘方法来得到目标位置估计，精度要高于本实施例中的算法，由于各簇员节点探测的距离信息均存在噪声，且该算法相比加权质心定位更依赖于测量信息的准确性，所以在目标随机运动与测量噪声等因素的影响下，跟踪精度表现略高本发明算法1.5％。
网络能耗分析：
传感器节点的绝大部分能量消耗在无线通信模块。传感器网络动态分簇进行目标跟踪，网络能耗主要涉及动态簇内节点的个数与相互间的通信开销。传统的成簇方案是当运动目标进入监测区域时，多个感知节点检测到运动目标，感知节点间通过相互交换信息，选举出接收运动目标信号最强且能量最大的节点成为簇头，然后簇头再执行数据收集任务。通信开销主要涉及簇内通信数据包量，而簇头节点收集数据引发数据碰撞问题，节点重传将会增加通信数据包。实验仿真动态簇内通信数据包量如图7(a)所示，由于节点的重传机制，簇内通讯数据包数量增加，最大簇内通信数据包量达到了23个，平均通信数据包量14个，从而导致簇内能耗升高，并且变化趋势由于环境噪声等干扰表现出了不稳定性，而本实施例中成簇方案充分利用了时分竞选模型有效的降低了节点重传几率，最大数据包量8个，平均数据包量为5个，减少了簇内通信量的波动。运用公式(6)的能量消耗模型，传感器网络动态成簇能量消耗仿真结果如图7(b)所示，传统成簇方案最大能耗为0.37J，平均能耗0.24J根据本发明能量优化的簇头选择策略，本实施例中成簇方案最大能耗为0.18J，平均能耗为0.085J，簇域能耗有效降低了60％，动态跟踪簇内能量波动减少，平衡了簇域能耗。
本实施例中，通过时分竞选传输模型管理各簇员收发，有效降低节点重传簇内通信数据包量，通过能量平衡的最远节点调度策略切换簇头，结合加权质心定位算法，提出能量优化的动态分簇目标跟踪算法，解决了节点重传导致的能耗问题。实验仿真表明：对于节点随机部署环境与非线性运动目标，本发明能量优化的加权质心定位算法具有较好的跟踪效果，算法利用能量平衡最远节点调度策略，动态进行簇头更新，既保证了目标跟踪的精度，又减少簇头节点的能耗和网络的通信量，平均网络能耗0.085J，平衡了簇域能耗。
监测区域节点随机部署，目标在移动过程中周期性地发送射频信号，附近传感器节点感知目标后，自适应形成动态簇，其他节点继续进入休眠状态以节省能量，簇头节点收集簇员节点的探测数据，执行目标定位算法完成目标跟踪任务。当簇域内多个传感器节点探测到目标，同时向簇头节点发送各自探测数据将会出现信道冲突问题，如图8所示，在无线传感器网络应用中，信道冲突问题如果不及时处理则会造成局部信道阻塞、数据丢失，节点重传率高将会加重网络能耗，影响整个网络应用的稳定性。
请参阅图9，本发明实施例提供的一种基于能量优化的动态分簇目标跟踪算法流程图的一个实施例包括：
当目标进入传感器网络监控区域，在目标位置检测范围内的感知节点应用RSSI目标探测模型，根据公式(2)计算出感知节点与运动目标的相对距离di值，通过公式(3)自适应选择感知节点成为簇内成员，开始建立初始动态簇。簇内成员通过时分竞选传输模型避免数据碰撞，交换各自探测信息，发送的探测信息为簇员节点自身坐标(xi,yi)与探测数据di与Ti值。分布的簇内成员应用能量均衡的最远节点调度策略选择最优簇头节点，簇头节点CH(Cluster Header)利用汇聚的簇员坐标信息与di值执行加权质心定位算法，计算目标位置，完成当前时刻目标跟踪任务。各簇员刷新定时器准备进入下一时刻目标跟踪任务。
本实施例中，通过簇内跟踪节点充分利用时分竞选传输模型，实现了能量高效的交换簇内探测信息；通过簇头选择充分利用能量均衡的最远节点调度策略，动态选择最优簇员成为簇头从而在保证跟踪精度同时，平衡簇内能量，延长网络跟踪周期，解决了在无线传感器网络应用中簇成员将探测信息发送给簇头节点时，节点重传导致的网络能耗升高，以及如何优化簇头选择策略，进一步优化跟踪簇域能耗的技术问题。
请参阅图2，本发明实施例提供的一种无线传感器网络动态分簇目标跟踪装置的一个实施例包括：
初始单元301，用于当运动目标进入传感器网络监控区域，在运动目标位置检测范围内的感知节点应用RSSI目标探测模型，计算感知节点与运动目标的相对距离值，通过感知节点与运动目标的相对距离值选择感知节点为簇员节点建立初始动态簇；
收集单元302，用于通过时分竞选传输模型交换簇员节点各自对运动目标的探测信息，再通过能量均衡的最远节点调度策略选择最优簇头节点；
跟踪单元303，用于通过最优簇头节点执行加权质心定位算法计算运动目标位置，完成对运动目标的跟踪操作。
上面是对一种无线传感器网络动态分簇目标跟踪装置各单元进行详细的描述，下面将对一种无线传感器网络动态分簇目标跟踪装置各附加单元进行详细的描述，请参阅图3，本发明实施例中提供的一种无线传感器网络动态分簇目标跟踪装置的另一个实施例包括：
初始单元401，用于当运动目标进入传感器网络监控区域，在运动目标位置检测范围内的感知节点应用RSSI目标探测模型，计算感知节点与运动目标的相对距离值，通过感知节点与运动目标的相对距离值选择感知节点为簇员节点建立初始动态簇；
初始单元401具体包括：
第一计算子单元4011，具体用于当运动目标进入传感器网络监控区域，在运动目标位置检测范围内的感知节点i应用RSSI目标探测模型，分别通过感知节点离运动目标处d即信号传播距离为d的接收信号强度RSSI公式和信号传播距离d与接收信号强度RSSI之间的关系公式，计算感知节点i与运动目标的相对距离di值；
第一选择子单元4012，具体用于通过感知节点i与运动目标的相对距离di值和运动目标被感知节点i探测并激活簇员节点CM公式，选择感知节点为簇员节点，其中感知节点离运动目标处d的接收信号强度RSSI公式为：
信号传播距离d与接收信号强度RSSI之间的关系公式为：
运动目标被感知节点i探测并激活簇员节点CM公式为：
其中R为参考距离d处接收信号强度值，λ为路径衰减指数，d0为簇员节点激活阈值，ξσ为均值为0标准差为σ的高斯分布噪声，dm为预定的距离阈值；
初始子单元4013，用于建立初始动态簇。
收集单元402，用于通过时分竞选传输模型交换簇员节点各自对运动目标的探测信息，再通过能量均衡的最远节点调度策略选择最优簇头节点；
收集单元402具体包括：
第一转存子单元4021，具体用于通过预定的发送定时器Tsender与接收定时器Treceiver状态，簇员节点接收邻居节点的坐标、邻居节点对运动目标的探测信息即邻居节点跟运动目标的相对距离、邻居节点剩余能量与邻居节点跟运动目标的相对距离的加权综合参数信息并转存至簇员节点的数据栈；
第一判断子单元4022，具体用于判断发送定时器Tsender是否到期；
第二转存子单元4023，具体用于若发送定时器Tsender没到期，则簇员节点继续接收邻居节点的坐标、邻居节点对运动目标的探测信息即邻居节点跟运动目标的相对距离、邻居节点剩余能量与邻居节点跟运动目标的相对距离的加权综合参数信息并转存至簇员节点的数据栈；
第三转存子单元4024，具体用于若发送定时器Tsender到期，则簇员节点转存并广播自身坐标、自身对运动目标的探测信息即簇员节点i跟运动目标的相对距离di、簇员节点i剩余能量ei与簇员节点i跟运动目标的相对距离di的加权综合参数Ti信息，其中簇员节点i剩余能量ei与簇员节点i跟运动目标的相对距离di的加权综合参数Ti为：
α为取值在(0,1)之间的权重因子，ei为簇员节点i的剩余能量，e0为簇员节点i的初始能量值，di为簇员节点i与运动目标的相对距离，d0为簇员节点i激活阈值，预置d0＝dm；
第二判断子单元4025，具体用于继续判断接收定时器Treceiver是否到期；
第四转存子单元4026，具体用于若接收定时器Treceiver没到期，则簇员节点继续接收邻居节点的坐标、邻居节点对运动目标的探测信息即邻居节点跟运动目标的相对距离、邻居节点剩余能量与邻居节点跟运动目标的相对距离的加权综合参数信息并转存至簇员节点的数据栈；
第二选择子单元4027，具体用于若接收定时器Treceiver到期，则簇员节点选择簇员节点数据栈中加权综合参数值最小的簇员节点为最优簇头节点。
跟踪单元403，用于通过最优簇头节点执行加权质心定位算法计算运动目标位置，完成对运动目标的跟踪操作。
跟踪单元403具体包括：
第二计算子单元4031，具体用于通过最优簇头节点通过簇员节点i到运动目标的相对距离di相关的权重公式进行加权质心计算运动目标的位置，其中簇员节点i到运动目标的相对距离di相关的权重公式为：
λ是与相对距离di和通信信号相关的约束因子，为各边权重；
跟踪子单元4032，用于完成对运动目标的跟踪操作。
所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的系统，装置和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
在本申请所提供的几个实施例中，应该理解到，所揭露的系统，装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。
所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-OnlyMemory)、随机存取存储器(RAM，RandomAccess Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述，以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (10)
1.一种无线传感器网络动态分簇目标跟踪方法，其特征在于，包括：
S1：当运动目标进入传感器网络监控区域，在运动目标位置检测范围内的感知节点应用RSSI目标探测模型，计算感知节点与运动目标的相对距离值，通过感知节点与运动目标的相对距离值选择感知节点为簇员节点建立初始动态簇；
S2：簇员节点通过时分竞选传输模型交换各自对运动目标的探测信息，再通过能量均衡的最远节点调度策略选择最优簇头节点；
S3：最优簇头节点执行加权质心定位算法计算运动目标位置，完成对运动目标的跟踪操作。
2.根据权利要求1所述的无线传感器网络动态分簇目标跟踪方法，其特征在于，所述步骤S1具体包括：
当运动目标进入传感器网络监控区域，在运动目标位置检测范围内的感知节点i应用RSSI目标探测模型，分别通过感知节点离运动目标处d即信号传播距离为d的接收信号强度RSSI公式和信号传播距离d与接收信号强度RSSI之间的关系公式，计算感知节点i与运动目标的相对距离di值，通过感知节点i与运动目标的相对距离di值和运动目标被感知节点i探测并激活簇员节点CM公式，选择感知节点为簇员节点建立初始动态簇，其中感知节点离运动目标处d的接收信号强度RSSI公式为：
<mrow>
<mi>R</mi>
<mi>S</mi>
<mi>S</mi>
<mi>I</mi>
<mo>=</mo>
<mi>R</mi>
<mo>-</mo>
<mn>10</mn>
<mi>&lambda;</mi>
<mi>l</mi>
<mi>g</mi>
<mrow>
<mo>(</mo>
<mfrac>
<mi>d</mi>
<msub>
<mi>d</mi>
<mn>0</mn>
</msub>
</mfrac>
<mo>)</mo>
</mrow>
<mo>+</mo>
<msub>
<mi>&xi;</mi>
<mi>&sigma;</mi>
</msub>
</mrow>
信号传播距离d与接收信号强度RSSI之间的关系公式为：
<mrow>
<mi>d</mi>
<mo>=</mo>
<msup>
<mn>10</mn>
<mfrac>
<mrow>
<mi>R</mi>
<mo>-</mo>
<mi>R</mi>
<mi>S</mi>
<mi>S</mi>
<mi>I</mi>
<mrow>
<mo>(</mo>
<mi>d</mi>
<mo>)</mo>
</mrow>
<mo>+</mo>
<msub>
<mi>&xi;</mi>
<mi>&sigma;</mi>
</msub>
</mrow>
<mrow>
<mn>10</mn>
<mi>&lambda;</mi>
</mrow>
</mfrac>
</msup>
</mrow>
运动目标被感知节点i探测并激活簇员节点CM公式为：
<mrow>
<mi>C</mi>
<mi>M</mi>
<mo>=</mo>
<mfenced open = "{" close = "">
<mtable>
<mtr>
<mtd>
<mn>0</mn>
</mtd>
<mtd>
<mrow>
<msub>
<mi>d</mi>
<mi>i</mi>
</msub>
<mo>&GreaterEqual;</mo>
<msub>
<mi>d</mi>
<mi>m</mi>
</msub>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mn>1</mn>
</mtd>
<mtd>
<mrow>
<msub>
<mi>d</mi>
<mi>i</mi>
</msub>
<mo><</mo>
<msub>
<mi>d</mi>
<mi>m</mi>
</msub>
</mrow>
</mtd>
</mtr>
</mtable>
</mfenced>
</mrow>
其中R为参考距离d处接收信号强度值，λ为路径衰减指数，d0为簇员节点激活阈值，ξσ为均值为0标准差为σ的高斯分布噪声，dm为预定的距离阈值。
3.根据权利要求2所述的无线传感器网络动态分簇目标跟踪方法，其特征在于，所述步骤S2具体包括：
簇员节点通过时分竞选传输模型发送的预定的发送定时器Tsender与接收定时器Treceiver状态交换各自对运动目标的探测信息，再通过能量均衡的最远节点调度策略选择最优簇头节点。
4.根据权利要求3所述的无线传感器网络动态分簇目标跟踪方法，其特征在于，所述步骤S2具体包括：
簇员节点通过预定的发送定时器Tsender与接收定时器Treceiver状态，接收邻居节点的坐标、邻居节点对运动目标的探测信息即邻居节点跟运动目标的相对距离、邻居节点剩余能量与邻居节点跟运动目标的相对距离的加权综合参数信息并转存至簇员节点的数据栈，簇员节点判断发送定时器Tsender是否到期，若否，则簇员节点继续接收邻居节点的坐标、邻居节点对运动目标的探测信息即邻居节点跟运动目标的相对距离、邻居节点剩余能量与邻居节点跟运动目标的相对距离的加权综合参数信息并转存至簇员节点的数据栈，若是，则簇员节点转存并广播自身坐标、自身对运动目标的探测信息即簇员节点i跟运动目标的相对距离di、簇员节点i剩余能量ei与簇员节点i跟运动目标的相对距离di的加权综合参数Ti信息，簇员节点继续判断接收定时器Treceiver是否到期，若否，则簇员节点继续接收邻居节点的坐标、邻居节点对运动目标的探测信息即邻居节点跟运动目标的相对距离、邻居节点剩余能量与邻居节点跟运动目标的相对距离的加权综合参数信息并转存至簇员节点的数据栈，若是，则簇员节点选择簇员节点数据栈中加权综合参数值最小的簇员节点为最优簇头节点，其中簇员节点i剩余能量ei与簇员节点i跟运动目标的相对距离di的加权综合参数Ti为：
<mrow>
<msub>
<mi>T</mi>
<mi>i</mi>
</msub>
<mo>=</mo>
<mo>&lsqb;</mo>
<mi>&alpha;</mi>
<mrow>
<mo>(</mo>
<mn>1</mn>
<mo>-</mo>
<mfrac>
<msub>
<mi>e</mi>
<mi>i</mi>
</msub>
<msub>
<mi>e</mi>
<mn>0</mn>
</msub>
</mfrac>
<mo>)</mo>
</mrow>
<mo>+</mo>
<mrow>
<mo>(</mo>
<mn>1</mn>
<mo>-</mo>
<mi>&alpha;</mi>
<mo>)</mo>
</mrow>
<mrow>
<mo>(</mo>
<mn>1</mn>
<mo>-</mo>
<mfrac>
<msub>
<mi>d</mi>
<mi>i</mi>
</msub>
<msub>
<mi>d</mi>
<mn>0</mn>
</msub>
</mfrac>
<mo>)</mo>
</mrow>
<mo>&rsqb;</mo>
</mrow>
α为取值在(0,1)之间的权重因子，ei为簇员节点i的剩余能量，e0为簇员节点i的初始能量值，di为簇员节点i与运动目标的相对距离，d0为簇员节点i激活阈值，预置d0＝dm。
5.根据权利要求4所述的无线传感器网络动态分簇目标跟踪方法，其特征在于，所述步骤S3具体包括：
最优簇头节点通过簇员节点i到运动目标的相对距离di相关的权重公式进行加权质心计算运动目标的位置，完成对运动目标的跟踪操作，其中簇员节点i到运动目标的相对距离di相关的权重公式为：
<mrow>
<mover>
<mi>x</mi>
<mo>^</mo>
</mover>
<mo>=</mo>
<mfrac>
<mrow>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>k</mi>
</munderover>
<msubsup>
<mi>d</mi>
<mi>i</mi>
<mrow>
<mo>-</mo>
<mi>&gamma;</mi>
</mrow>
</msubsup>
<mo>&CenterDot;</mo>
<msub>
<mi>a</mi>
<mi>i</mi>
</msub>
</mrow>
<mrow>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>k</mi>
</munderover>
<msubsup>
<mi>d</mi>
<mi>i</mi>
<mrow>
<mo>-</mo>
<mi>&lambda;</mi>
</mrow>
</msubsup>
</mrow>
</mfrac>
</mrow>
λ是与相对距离di和通信信号相关的约束因子，为各边权重。
6.一种无线传感器网络动态分簇目标跟踪装置，其特征在于，包括：
初始单元，用于当运动目标进入传感器网络监控区域，在运动目标位置检测范围内的感知节点应用RSSI目标探测模型，计算感知节点与运动目标的相对距离值，通过感知节点与运动目标的相对距离值选择感知节点为簇员节点建立初始动态簇；
收集单元，用于通过时分竞选传输模型交换簇员节点各自对运动目标的探测信息，再通过能量均衡的最远节点调度策略选择最优簇头节点；
跟踪单元，用于通过最优簇头节点执行加权质心定位算法计算运动目标位置，完成对运动目标的跟踪操作。
7.根据权利要求6所述的无线传感器网络动态分簇目标跟踪装置，其特征在于，所述初始单元具体包括：
第一计算子单元，具体用于当运动目标进入传感器网络监控区域，在运动目标位置检测范围内的感知节点i应用RSSI目标探测模型，分别通过感知节点离运动目标处d即信号传播距离为d的接收信号强度RSSI公式和信号传播距离d与接收信号强度RSSI之间的关系公式，计算感知节点i与运动目标的相对距离di值；
第一选择子单元，具体用于通过感知节点i与运动目标的相对距离di值和运动目标被感知节点i探测并激活簇员节点CM公式，选择感知节点为簇员节点，其中感知节点离运动目标处d的接收信号强度RSSI公式为：
<mrow>
<mi>R</mi>
<mi>S</mi>
<mi>S</mi>
<mi>I</mi>
<mo>=</mo>
<mi>R</mi>
<mo>-</mo>
<mn>10</mn>
<mi>&lambda;</mi>
<mi>l</mi>
<mi>g</mi>
<mrow>
<mo>(</mo>
<mfrac>
<mi>d</mi>
<msub>
<mi>d</mi>
<mn>0</mn>
</msub>
</mfrac>
<mo>)</mo>
</mrow>
<mo>+</mo>
<msub>
<mi>&xi;</mi>
<mi>&sigma;</mi>
</msub>
</mrow>
信号传播距离d与接收信号强度RSSI之间的关系公式为：
<mrow>
<mi>d</mi>
<mo>=</mo>
<msup>
<mn>10</mn>
<mfrac>
<mrow>
<mi>R</mi>
<mo>-</mo>
<mi>R</mi>
<mi>S</mi>
<mi>S</mi>
<mi>I</mi>
<mrow>
<mo>(</mo>
<mi>d</mi>
<mo>)</mo>
</mrow>
<mo>+</mo>
<msub>
<mi>&xi;</mi>
<mi>&sigma;</mi>
</msub>
</mrow>
<mrow>
<mn>10</mn>
<mi>&lambda;</mi>
</mrow>
</mfrac>
</msup>
</mrow>
运动目标被感知节点i探测并激活簇员节点CM公式为：
<mrow>
<mi>C</mi>
<mi>M</mi>
<mo>=</mo>
<mfenced open = "{" close = "">
<mtable>
<mtr>
<mtd>
<mn>0</mn>
</mtd>
<mtd>
<mrow>
<msub>
<mi>d</mi>
<mi>i</mi>
</msub>
<mo>&GreaterEqual;</mo>
<msub>
<mi>d</mi>
<mi>m</mi>
</msub>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mn>1</mn>
</mtd>
<mtd>
<mrow>
<msub>
<mi>d</mi>
<mi>i</mi>
</msub>
<mo><</mo>
<msub>
<mi>d</mi>
<mi>m</mi>
</msub>
</mrow>
</mtd>
</mtr>
</mtable>
</mfenced>
</mrow>
其中R为参考距离d处接收信号强度值，λ为路径衰减指数，d0为簇员节点激活阈值，ξσ为均值为0标准差为σ的高斯分布噪声，dm为预定的距离阈值；
初始子单元，用于建立初始动态簇。
8.根据权利要求7所述的无线传感器网络动态分簇目标跟踪装置，其特征在于，所述收集单元具体包括：
第一转存子单元，具体用于通过预定的发送定时器Tsender与接收定时器Treceiver状态，簇员节点接收邻居节点的坐标、邻居节点对运动目标的探测信息即邻居节点跟运动目标的相对距离、邻居节点剩余能量与邻居节点跟运动目标的相对距离的加权综合参数信息并转存至簇员节点的数据栈；
第一判断子单元，具体用于判断发送定时器Tsender是否到期；
第二转存子单元，具体用于若发送定时器Tsender没到期，则簇员节点继续接收邻居节点的坐标、邻居节点对运动目标的探测信息即邻居节点跟运动目标的相对距离、邻居节点剩余能量与邻居节点跟运动目标的相对距离的加权综合参数信息并转存至簇员节点的数据栈；
第三转存子单元，具体用于若发送定时器Tsender到期，则簇员节点转存并广播自身坐标、自身对运动目标的探测信息即簇员节点i跟运动目标的相对距离di、簇员节点i剩余能量ei与簇员节点i跟运动目标的相对距离di的加权综合参数Ti信息，其中簇员节点i剩余能量ei与簇员节点i跟运动目标的相对距离di的加权综合参数Ti为：
<mrow>
<msub>
<mi>T</mi>
<mi>i</mi>
</msub>
<mo>=</mo>
<mo>&lsqb;</mo>
<mi>&alpha;</mi>
<mrow>
<mo>(</mo>
<mn>1</mn>
<mo>-</mo>
<mfrac>
<msub>
<mi>e</mi>
<mi>i</mi>
</msub>
<msub>
<mi>e</mi>
<mn>0</mn>
</msub>
</mfrac>
<mo>)</mo>
</mrow>
<mo>+</mo>
<mrow>
<mo>(</mo>
<mn>1</mn>
<mo>-</mo>
<mi>&alpha;</mi>
<mo>)</mo>
</mrow>
<mrow>
<mo>(</mo>
<mn>1</mn>
<mo>-</mo>
<mfrac>
<msub>
<mi>d</mi>
<mi>i</mi>
</msub>
<msub>
<mi>d</mi>
<mn>0</mn>
</msub>
</mfrac>
<mo>)</mo>
</mrow>
<mo>&rsqb;</mo>
</mrow>
α为取值在(0,1)之间的权重因子，ei为簇员节点i的剩余能量，e0为簇员节点i的初始能量值，di为簇员节点i与运动目标的相对距离，d0为簇员节点i激活阈值，预置d0＝dm。
9.根据权利要求8所述的无线传感器网络动态分簇目标跟踪装置，其特征在于，所述收集单元还包括：
第二判断子单元，具体用于继续判断接收定时器Treceiver是否到期；
第四转存子单元，具体用于若接收定时器Treceiver没到期，则簇员节点继续接收邻居节点的坐标、邻居节点对运动目标的探测信息即邻居节点跟运动目标的相对距离、邻居节点剩余能量与邻居节点跟运动目标的相对距离的加权综合参数信息并转存至簇员节点的数据栈；
第二选择子单元，具体用于若接收定时器Treceiver到期，则簇员节点选择簇员节点数据栈中加权综合参数值最小的簇员节点为最优簇头节点。
10.根据权利要求9所述的无线传感器网络动态分簇目标跟踪装置，其特征在于，所述跟踪单元具体包括：
第二计算子单元，具体用于通过最优簇头节点通过簇员节点i到运动目标的相对距离di相关的权重公式进行加权质心计算运动目标的位置，其中簇员节点i到运动目标的相对距离di相关的权重公式为：
<mrow>
<mover>
<mi>x</mi>
<mo>^</mo>
</mover>
<mo>=</mo>
<mfrac>
<mrow>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>k</mi>
</munderover>
<msubsup>
<mi>d</mi>
<mi>i</mi>
<mrow>
<mo>-</mo>
<mi>&gamma;</mi>
</mrow>
</msubsup>
<mo>&CenterDot;</mo>
<msub>
<mi>a</mi>
<mi>i</mi>
</msub>
</mrow>
<mrow>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>k</mi>
</munderover>
<msubsup>
<mi>d</mi>
<mi>i</mi>
<mrow>
<mo>-</mo>
<mi>&lambda;</mi>
</mrow>
</msubsup>
</mrow>
</mfrac>
</mrow>
λ是与相对距离di和通信信号相关的约束因子，为各边权重；
跟踪子单元，用于完成对运动目标的跟踪操作。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710087019.8A CN107087290B (zh) | 2017-02-17 | 2017-02-17 | 一种无线传感器网络动态分簇目标跟踪方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710087019.8A CN107087290B (zh) | 2017-02-17 | 2017-02-17 | 一种无线传感器网络动态分簇目标跟踪方法及装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN107087290A true CN107087290A (zh) | 2017-08-22 |
| CN107087290B CN107087290B (zh) | 2020-08-11 |
Family
ID=59614204
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201710087019.8A Active CN107087290B (zh) | 2017-02-17 | 2017-02-17 | 一种无线传感器网络动态分簇目标跟踪方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN107087290B (zh) |
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107659974A (zh) * | 2017-11-03 | 2018-02-02 | 广东工业大学 | 无线传感网路由方法、装置、设备及计算机可读存储介质 |
| CN108181830A (zh) * | 2018-03-03 | 2018-06-19 | 深圳市益鑫智能科技有限公司 | 一种基于wsn技术的智能家居系统 |
| 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 |
| WO2020125398A1 (zh) * | 2018-12-20 | 2020-06-25 | 电信科学技术研究院有限公司 | 极大覆盖分群方法、装置及网络节点 |
| CN113710157A (zh) * | 2019-04-18 | 2021-11-26 | 圣犹达医疗用品心脏病学部门有限公司 | 用于心脏标测的系统和方法 |
| WO2024007309A1 (zh) * | 2022-07-08 | 2024-01-11 | Oppo广东移动通信有限公司 | 一种无线通信方法以及通信设备 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| 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 |
| CN103139863A (zh) * | 2013-03-11 | 2013-06-05 | 山东大学 | 无线传感器网络动态簇机制的目标跟踪和耗能优化方法 |
| CN106231547A (zh) * | 2016-07-19 | 2016-12-14 | 河海大学 | 基于动态分簇的移动目标追踪方法 |
-
2017
- 2017-02-17 CN CN201710087019.8A patent/CN107087290B/zh active Active
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| 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 |
| CN103139863A (zh) * | 2013-03-11 | 2013-06-05 | 山东大学 | 无线传感器网络动态簇机制的目标跟踪和耗能优化方法 |
| CN106231547A (zh) * | 2016-07-19 | 2016-12-14 | 河海大学 | 基于动态分簇的移动目标追踪方法 |
Non-Patent Citations (1)
| Title |
|---|
| KAN ZHENG ; HUIJIAN WANG: "Energy-Efficient Localization and Tracking of Mobile Devices in Wireless Sensor Networks", 《IEEE TRANSACTIONS ON VEHICULAR TECHNOLOGY》 * |
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107659974A (zh) * | 2017-11-03 | 2018-02-02 | 广东工业大学 | 无线传感网路由方法、装置、设备及计算机可读存储介质 |
| CN108181830A (zh) * | 2018-03-03 | 2018-06-19 | 深圳市益鑫智能科技有限公司 | 一种基于wsn技术的智能家居系统 |
| WO2020125398A1 (zh) * | 2018-12-20 | 2020-06-25 | 电信科学技术研究院有限公司 | 极大覆盖分群方法、装置及网络节点 |
| CN113710157A (zh) * | 2019-04-18 | 2021-11-26 | 圣犹达医疗用品心脏病学部门有限公司 | 用于心脏标测的系统和方法 |
| 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 |
| WO2024007309A1 (zh) * | 2022-07-08 | 2024-01-11 | Oppo广东移动通信有限公司 | 一种无线通信方法以及通信设备 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN107087290B (zh) | 2020-08-11 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN107087290A (zh) | 一种无线传感器网络动态分簇目标跟踪方法及装置 | |
| Elhabyan et al. | Coverage protocols for wireless sensor networks: Review and future directions | |
| Zhang et al. | Rass: A real-time, accurate, and scalable system for tracking transceiver-free objects | |
| 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 | |
| CN107453993B (zh) | 基于Fisher信息矩阵与SUKF的目标跟踪方法 | |
| Chagas et al. | An approach to localization scheme of wireless sensor networks based on artificial neural networks and genetic algorithms | |
| CN102523617B (zh) | 基于节点通信半径和信标节点分布的改进型DV-Hop算法 | |
| CN103200518B (zh) | 在线估计运动状态的无线传感器网络目标定位方法及系统 | |
| CN102883428A (zh) | 基于ZigBee无线传感器网络的节点定位方法 | |
| CN103200598A (zh) | 一种基于粒子群优化的无线传感器网络分簇方法 | |
| CN105530702A (zh) | 一种基于自组织映射的无线传感网络移动节点定位方法 | |
| CN103648097A (zh) | 一种基于无线传感器网络分布式视频协同调度方法 | |
| CN106992822A (zh) | 一种无线传感器网络盲节点的定位方法 | |
| CN107371175B (zh) | 一种使用协作预测的自组织网络故障检测方法 | |
| Zhang et al. | Sensor-networked underwater target tracking based on grubbs criterion and improved particle filter algorithm | |
| CN103139804A (zh) | 无线传感器网络的节能传播自适应rls分布式检测方法 | |
| Liu et al. | Dynamic multichannel sensing in cognitive radio: Hierarchical reinforcement learning | |
| CN102118884B (zh) | 一种基于接近中心度的机会移动传感器网络数据传输方法 | |
| Chithaluru et al. | An Optimized Bio-inspired Localization Routing Technique for Sustainable IIoT Networks & Green Cities | |
| CN110113807A (zh) | 无线传感器网络中基于数据相似度的节点休眠调度方法 | |
| CN102752850B (zh) | 一种基于非测距的网络锚节点筛选定位装置及其方法 | |
| CN102256381A (zh) | 分布式自适应粒子滤波的无线传感器网络目标跟踪方法 | |
| Xiang et al. | A novel adaptive deployment method for the single-target tracking of mobile wireless sensor networks | |
| CN106851800A (zh) | 一种无线传感器网络定位中的锚节点调度方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant | ||
| CB03 | Change of inventor or designer information |
Inventor after: Wen Yubin Inventor after: Guo Zhenzhen Inventor after: Xu Liang Inventor after: Wei Mingdong Inventor after: He Xiaomin Inventor after: Wang Ming Inventor before: Xu Liang Inventor before: Wei Mingdong Inventor before: He Xiaomin Inventor before: Wang Ming |
|
| CB03 | Change of inventor or designer information | ||
| TR01 | Transfer of patent right |
Effective date of registration: 20220817 Address after: 3rd and 4th Floor, Jade Oasis Complex Building, Gongyuan North Road, Meixian District, Meizhou City, Guangdong Province, 514000 Patentee after: GUANGDONG HUADONG BLASTING DEMOLITION ENGINEERING Co.,Ltd. Address before: 510062 courtyard 729, Dongfeng East Road, Yuexiu District, Guangzhou, Guangdong Patentee before: GUANGDONG University OF TECHNOLOGY |
|
| TR01 | Transfer of patent right |