CN110430585B - 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
CN110430585B
CN110430585B CN201910723536.9A CN201910723536A CN110430585B CN 110430585 B CN110430585 B CN 110430585B CN 201910723536 A CN201910723536 A CN 201910723536A CN 110430585 B CN110430585 B CN 110430585B
Authority
CN
China
Prior art keywords
time
sensor
value
matrix
covariance matrix
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.)
Active
Application number
CN201910723536.9A
Other languages
English (en)
Other versions
CN110430585A (zh
Inventor
李骏
梁腾
邢志超
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 University of Science and Technology
Original Assignee
Nanjing University of Science and Technology
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 University of Science and Technology filed Critical Nanjing University of Science and Technology
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

Images

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

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：
Figure BDA0002158098510000021
Figure BDA0002158098510000022
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
Figure BDA0002158098510000023
和估计值与真实值之间的协方差矩阵Pi(t)：
Figure BDA0002158098510000024
Figure BDA0002158098510000031
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
Figure BDA0002158098510000032
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
Figure BDA0002158098510000033
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
Figure BDA0002158098510000034
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
Figure BDA0002158098510000035
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 (3)

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)传感器组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)；
其中，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)，X(t)为t时刻目标的位置； 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)是第i个传感器t时刻的预测值与真实值之间的协方差矩阵，Pi(t-1)是第i个传感器t-1时刻估计值与真实值之间的协方差矩阵；
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)；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)：
其中，(Pi(t))-1表示t时刻第i个传感器估计值与真实值之间的协方差矩阵的逆矩阵，(Pi′(t))-1表示t时刻第i个传感器预测值与真实值之间的协方差矩阵的逆矩阵，指与节点i有链接关系的节点集合，(Hj(t))T表示t时刻第j个传感器节点的测量过程矩阵的转置矩阵，(Rj(t))-1表示t时刻第j个传感器节点的测量噪声的协方差矩阵的逆矩阵，Hj(t)表示t时刻第j个传感器节点的测量过程矩阵；
(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，其特征在于，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。
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，其特征在于，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 CN110430585A (zh) 2019-11-08
CN110430585B true 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 (1)

* 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

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP5602231B2 (ja) * 2009-08-20 2014-10-08 パーデュー・リサーチ・ファウンデーション イベント駆動ワイヤレス・センサ・ネットワークのための予測的デューティ・サイクル順応方法
CN107659989B (zh) * 2017-10-24 2020-08-04 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 (1)

* 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

Also Published As

Publication number Publication date
CN110430585A (zh) 2019-11-08

Similar Documents

Publication Publication Date Title
CN113537514B (zh) 一种高能效的基于数字孪生的联邦学习框架
CN106341842B (zh) 一种无线传感器网络数据的传输方法及装置
CN110955463B (zh) 支持边缘计算的物联网多用户计算卸载方法
CN107135041B (zh) 一种基于相空间重构的rbf神经网络信道预测方法
CN111988792B (zh) 无人机联盟网络卸载模型的系统及决策计算方法
Reinhardt et al. The hypothesizing distributed kalman filter
CN104411000A (zh) 一种无线传感器网络中分层路由协议簇头选择方法
Zhang et al. Distributed state estimation and data fusion in wireless sensor networks using multi-level quantized innovation.
WO2022267107A1 (zh) 水声网络时隙mac协议方法、系统、装置及介质
Jiang et al. Completely distributed particle filters for target tracking in sensor networks
CN110430585B (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
CN111194048B (zh) 一种基于em的1比特参数估计方法
CN112738849B (zh) 应用于多跳环境反向散射无线网络的负载均衡调控方法
Wang et al. Dynamic Routing Algorithm with Q-learning for Internet of things with Delayed Estimator
CN109474904B (zh) 一种考虑能耗和覆盖的无线传感器网络压缩数据收集方法
CN107426748B (zh) 一种无线网络控制系统中多传感器估计性能方法
CN116669186A (zh) 一种基于马尔科夫决策过程的自适应功率分配方法
CN116204325A (zh) 一种基于aigc的算法训练平台
CN116614195A (zh) 基于边缘容器的电碳计算智能融合终端及时间同步方法
CN112484733B (zh) 一种基于拓扑图的强化学习室内导航方法
CN106507425B (zh) 适用于异构无线传感网的改进型分布式能量有效成簇方法
CN111328015B (zh) 一种基于Fisher信息距离的无线传感器网络目标跟踪方法
CN107949042B (zh) 能量采集型无线传感网络的低存储自适应传输调度方法
CN113242074B (zh) 一种两步法2bit反馈迭代的协作波束形成相位同步方法
CN116980881B (zh) 一种多无人机协作数据分发方法、系统、电子设备及介质

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
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

GR01 Patent grant
GR01 Patent grant