CN110430585A - 一种分布式传感器网络中用于追踪的广播节点选择方法 - Google Patents

一种分布式传感器网络中用于追踪的广播节点选择方法 Download PDF

Info

Publication number
CN110430585A
CN110430585A CN201910723536.9A CN201910723536A CN110430585A CN 110430585 A CN110430585 A CN 110430585A CN 201910723536 A CN201910723536 A CN 201910723536A CN 110430585 A CN110430585 A CN 110430585A
Authority
CN
China
Prior art keywords
moment
sensor
broadcast node
value
information
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
Application number
CN201910723536.9A
Other languages
English (en)
Other versions
CN110430585B (zh
Inventor
梁腾
邢志超
李骏
桂林卿
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Nanjing Tech University
Original Assignee
Nanjing Tech University
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Nanjing Tech University filed Critical Nanjing Tech University
Priority to CN201910723536.9A priority Critical patent/CN110430585B/zh
Publication of CN110430585A publication Critical patent/CN110430585A/zh
Application granted granted Critical
Publication of CN110430585B publication Critical patent/CN110430585B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W24/00—Supervisory, monitoring or testing arrangements
    • H04W24/02—Arrangements for optimising operational condition
    • 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)
  • Mobile Radio Communication Systems (AREA)
  • Radar Systems Or Details Thereof (AREA)

Abstract

本发明公开了一种分布式传感器网络中用于追踪的广播节点选择方法。我们根据接收到的上一时刻的部分传感器信息，更新当前时刻的目标状态的估计值与真实值之间的协方差矩阵，同时结合传感器节点在当前时刻之前所有的协方差矩阵来挑选估计质量最好的传感器用来作为广播节点。实验结果表明，该方法较传统的方法，能够显著的提高在追踪过程中传感器网络的能量利用效率和带宽资源利用效率。

Description

一种分布式传感器网络中用于追踪的广播节点选择方法
技术领域
本发明涉及的是一种分布式传感器网络中用于追踪的广播节点选择方法，属于无线传感器网络智能调度领域。
背景技术
无线传感器网络(Wireless Sensor Networks,WSN)是一种分布式传感网络，它的末梢是可以感知外部世界信息的传感器。追踪移动目标是无线传感器网络在设施管理，物流，医疗保健等方面的关键应用之一。在研究基于无线传感器网络的跟踪系统时有两个十分棘手的问题：第一个问题是如何保证传感器网络中部署的传感器节点能够对移动的目标始终进行跟踪，不会丢失目标；第二个是如何在跟踪准确性与无线传感器网络的有限资源(如能源，带宽等)之间进行权衡。本发明就是为了解决问题二中部分内容所提出的。
第二个问题的本质是由于无线传感器网络对每个节点的能量、资源的限制，以及节点之间有限的通信带宽。其中：用于无线传感器网络中的计算、感知和通信的能量通常由电池提供；同时传感器之间的通信带宽通常是有一定限制的。为了提高无线传感器网络中传感器的能量利用效率，同时减少通信带宽压力，在算法层上，目前已研究出许多相关的通信协议和数据压缩算法，使得能够有效利用能量和带宽。在应用层上，传感器节点的智能地调度可以显著的降低能耗和通信负载。
在无线传感器网络中，为了减少通信带宽与资源消耗，用于追踪的节点通常是整个网络的一部分，这种追踪方法称为分布式追踪方法。在分布式追踪方法中，下一时刻用于追踪的传感器确定以后，需要将此时刻的传感器感知测量信息传输给下一时刻的传感器。传统的方法是将此时刻所有的传感器信息传输给下一时刻，但这样做所产生的后果就是通信带宽的增大与资源消耗的增加。之后，采用随机选取传感器的方法被提出，即每个时刻的传感器选择是随机的，只要保证每个时刻的用于广播的传感器个数不会超过一个最大数，就可以很好的减轻通信压力与资源消耗。这种随机调选广播传感器的方法存在着一定的弊端，那就是挑选的用于广播的传感器的测量效果有可能是比较差的。
本发明针对一种分布式传感器网络中用于追踪的广播节点选择方法进行说明。
发明内容
发明目的：为提高在追踪过程中传感器网络的能量利用效率和带宽资源利用效率，本发明设计了一种广播节点选择方法。
技术方案：本发明设计的广播节点选择方法，主要包括以下几个阶段：
第一阶段：在t-1时刻，根据目标状态估计值，激活相应的传感器组，广播节点向激活的传感器组发送信息。在t时刻，传感器组接收t-1时刻的信息并进行滤波处理，在滤波过程中，我们选择的滤波方法为卡尔曼滤波。
第二阶段：我们将目标的运动模型建模成X(t+1)＝AX(t)+ω(t)，其中，A是一个状态转移矩阵，ω(t)表示在t时刻目标的高斯白噪声，协方差矩阵为Q(t)；根据卡尔曼滤波的相关知识： 是t时刻目标状态的预测值；P′i(t)＝APi(t-1)AT+Q(t-1)，P′i(t)是t时刻的预测值与真实值之间的协方差矩阵，Pi(t-1)是t-1时刻估计值与真实值之间的协方差矩阵。这里与普通的卡尔曼滤波方式不同的是，我们记录保留了t时刻之前传感器节点的协方差矩阵，这将有助于我们来挑选估计质量最好的传感器。
第三阶段：我们将目标的观测模型建模成Zi(t)＝HX(t)+vi(t)，其中，Zi(t)是t时刻第i个传感器的测量值，H是测量过程矩阵，vi(t)表示t时刻第i个传感器的测量噪声，协方差矩阵为Ri(t)。根据卡尔曼滤波的相关知识，我们利用接收到的t-1时刻部分传感器信息，更新t时刻目标状态的估计值和估计值与真实值之间的协方差矩阵Pi(t)：
第四阶段：在t时刻进行传感器广播节点的选择，用来向t+1时刻激活的传感器组发送目标的位置信息，我们选择估计质量好的传感器优先进行传播，估计的质量用P′i(t)来表示，P′i(t)越小，代表它的估计的质量越好。
第五阶段：选择好广播节点以后，系统根据t时刻的估计值开启t+1时刻的传感器组，同时广播节点向t+1时刻的传感器组发送信息。然后重复第一阶段直到目标离开传感器网络。
附图说明
图1为t时刻与t+1时刻开启的传感器组互相进行通信的示意图；
图2为系统的流程图；
图3为真实值与随机选择广播节点、选择估计质量好的节点之间的对比；
图4为随机选择广播节点、选择估计质量好的节点之间的误差对比。
具体实施方式
分布式传感器网络中用于追踪的广播节点选择方法基本流程如下：
步骤1：在t-1时刻，根据目标状态估计值，激活相应的传感器组，广播节点向激活的传感器组发送信息。在t时刻，传感器组接收t-1时刻的信息并进行滤波处理；
步骤2：根据接收到的部分传感器信息，更新t时刻的目标状态的预测值和预测值与真实值之间的协方差矩阵P′i(t)，获得t时刻的观测值，更新t时刻目标状态的估计值和估计值与真实值之间的协方差矩阵Pi(t)；
步骤3：通过t时刻的估计值与真实值之间的协方差矩阵Pi(t)，挑选Pi(t)值最小的传感器作为广播节点，同时根据t时刻的估计值开启t+1时刻的传感器组，广播节点向t+1时刻的传感器组发送信息。
步骤4：重复步骤1,2,3直到目标离开无线传感器网络。

Claims (4)

1.分布式传感器网络中用于追踪的广播节点选择方法，其特征在于：
(1)在t-1时刻，根据目标状态估计值，激活相应的传感器组，广播节点向激活的传感器组发送信息，在t时刻，传感器组接收t-1时刻的信息并进行滤波处理；(2)根据接收到的部分传感器信息，更新t时刻的目标状态的预测值和预测值与真实值之间的协方差矩阵P′i(t)，获得t时刻的观测值，更新t时刻目标状态的估计值和估计值与真实值之间的协方差矩阵Pi(t)；(3)通过t时刻的估计值与真实值之间的协方差矩阵Pi(t)，挑选Pi(t)值最小的传感器作为广播节点，同时根据t时刻的估计值开启t+1时刻的传感器组，广播节点向t+1时刻的传感器组发送信息。
2.如权利要求1所述的，分布式传感器网络中用于追踪的广播节点选择方法中信息的更新都只用到了上一时刻广播节点发送的信息，而不是所有的信息。
3.如权利要求1所述的，分布式传感器网络中用于追踪的广播节点选择方法中，利用t时刻的估计值与真实值之间的协方差矩阵Pi(t)，同时结合传感器节点在t时刻之前所有的协方差矩阵来挑选估计质量最好的传感器用来作为广播节点。
4.如权利要求1所述，t时刻的估计值开启t+1时刻的传感器组，广播节点向t+1时刻的传感器组发送信息。
CN201910723536.9A 2019-08-07 2019-08-07 一种分布式传感器网络中用于追踪的广播节点选择方法 Active CN110430585B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910723536.9A CN110430585B (zh) 2019-08-07 2019-08-07 一种分布式传感器网络中用于追踪的广播节点选择方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910723536.9A CN110430585B (zh) 2019-08-07 2019-08-07 一种分布式传感器网络中用于追踪的广播节点选择方法

Publications (2)

Publication Number Publication Date
CN110430585A true CN110430585A (zh) 2019-11-08
CN110430585B CN110430585B (zh) 2023-05-02

Family

ID=68414511

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910723536.9A Active CN110430585B (zh) 2019-08-07 2019-08-07 一种分布式传感器网络中用于追踪的广播节点选择方法

Country Status (1)

Country Link
CN (1) CN110430585B (zh)

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101505532A (zh) * 2009-03-12 2009-08-12 华南理工大学 一种基于分布式处理的无线传感器网络目标跟踪方法
CN102356327A (zh) * 2009-08-20 2012-02-15 普渡研究基金会 用于事件驱动的无线传感器网络的预测性负载循环适配方案
CN107659989A (zh) * 2017-10-24 2018-02-02 东南大学 无线传感器网络节点分布式测量休眠和目标跟踪方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101505532A (zh) * 2009-03-12 2009-08-12 华南理工大学 一种基于分布式处理的无线传感器网络目标跟踪方法
CN102356327A (zh) * 2009-08-20 2012-02-15 普渡研究基金会 用于事件驱动的无线传感器网络的预测性负载循环适配方案
CN107659989A (zh) * 2017-10-24 2018-02-02 东南大学 无线传感器网络节点分布式测量休眠和目标跟踪方法

Also Published As

Publication number Publication date
CN110430585B (zh) 2023-05-02

Similar Documents

Publication Publication Date Title
CN111628855B (zh) 基于深度强化学习的工业5g动态多优先级多接入方法
CN113222179B (zh) 一种基于模型稀疏化与权重量化的联邦学习模型压缩方法
CN110955463B (zh) 支持边缘计算的物联网多用户计算卸载方法
CN113537514B (zh) 一种高能效的基于数字孪生的联邦学习框架
CN107766889A (zh) 一种云端边缘计算融合的深度学习计算系统和方法
CN106304191B (zh) 一种基于分簇结构无线传感器网络的数据接收方法及装置
CN102638802B (zh) 一种分层协作联合频谱感知算法
CN109274624A (zh) 一种基于卷积神经网络的载波频偏估计方法
CN106341842A (zh) 一种无线传感器网络数据的传输方法及装置
CN111245718B (zh) 一种基于sdn情景感知的路由优化方法
CN111629380A (zh) 面向高并发多业务工业5g网络的动态资源分配方法
CN109561504A (zh) 一种基于深度强化学习的URLLC和eMBB的资源复用方法
CN113038538B (zh) 智能配电网WSNs通信数据传输带宽的优化分配方法及装置
CN113518007B (zh) 一种基于联邦学习的多物联网设备异构模型高效互学习方法
CN108430047A (zh) 一种基于固定拓扑下多智能体的分布式优化方法
CN110995286A (zh) 一种s=2编码方式的低功耗蓝牙维特比联合解调解码算法
CN106537959A (zh) 电信网络中编码和解码帧的方法
CN107911859B (zh) 基于跨层设计的水下无线传感器网络的生命周期延长方法
CN111865474A (zh) 基于边缘计算的无线通信抗干扰决策方法及系统
CN110430585A (zh) 一种分布式传感器网络中用于追踪的广播节点选择方法
CN109391315A (zh) 一种数据模型双驱动的mimo接收机
CN106941385B (zh) 基于相位补偿的认知云网络协作频谱感知方法
CN103686743B (zh) 基于图论的d2d通信信道资源分配方法
WO2020211833A1 (zh) 一种基于机器学习的ap自适应优化选择方法
CN108880909A (zh) 一种基于强化学习的网络节能方法及装置

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
CB03 Change of inventor or designer information

Inventor after: Li Jun

Inventor after: Liang Teng

Inventor after: Xing Zhichao

Inventor after: Gui Linqing

Inventor before: Liang Teng

Inventor before: Xing Zhichao

Inventor before: Li Jun

Inventor before: Gui Linqing

CB03 Change of inventor or designer information
GR01 Patent grant
GR01 Patent grant