CN111132026A - 目标检测方法、装置、网络系统及可读存储介质 - Google Patents

目标检测方法、装置、网络系统及可读存储介质 Download PDF

Info

Publication number
CN111132026A
CN111132026A CN201911169773.1A CN201911169773A CN111132026A CN 111132026 A CN111132026 A CN 111132026A CN 201911169773 A CN201911169773 A CN 201911169773A CN 111132026 A CN111132026 A CN 111132026A
Authority
CN
China
Prior art keywords
wireless sensing
sensing node
state
data processing
processing center
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
CN201911169773.1A
Other languages
English (en)
Other versions
CN111132026B (zh
Inventor
尹宇芳
王启宇
张慧洁
胥宏
张磊
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.)
Chengdu Technological University CDTU
Chengdu Univeristy of Technology
Original Assignee
Chengdu Technological University CDTU
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 Chengdu Technological University CDTU filed Critical Chengdu Technological University CDTU
Priority to CN201911169773.1A priority Critical patent/CN111132026B/zh
Publication of CN111132026A publication Critical patent/CN111132026A/zh
Application granted granted Critical
Publication of CN111132026B publication Critical patent/CN111132026B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
    • H04W4/02—Services making use of location information
    • H04W4/029—Location-based management or tracking services
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S11/00—Systems for determining distance or velocity not using reflection or reradiation
    • G01S11/02—Systems for determining distance or velocity not using reflection or reradiation using radio waves
    • G01S11/06—Systems for determining distance or velocity not using reflection or reradiation using radio waves using intensity measurements
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/11—Complex mathematical operations for solving equations, e.g. nonlinear equations, general mathematical optimization problems
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W64/00—Locating users or terminals or network equipment for network management purposes, e.g. mobility management
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Mathematical Physics (AREA)
  • Pure & Applied Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computational Mathematics (AREA)
  • Mathematical Analysis (AREA)
  • Mathematical Optimization (AREA)
  • Data Mining & Analysis (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Algebra (AREA)
  • Operations Research (AREA)
  • Databases & Information Systems (AREA)
  • Software Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Remote Sensing (AREA)
  • Position Fixing By Use Of Radio Waves (AREA)
  • Mobile Radio Communication Systems (AREA)

Abstract

本申请提供一种目标检测方法、装置、网络系统及可读存储介质。该方法包括：在无线传感节点根据目标设备的信号的信号强度控制无线传感节点自身的工作状态为检测状态时，数据处理中心从无线传感节点获取目标设备的信号强度；数据处理中心根据从无线传感节点获取的信号强度及预设优化算法，确定目标设备的当前位置为满足最大后验概率的状态信息值。在本方案中，无线传感节点之间不传送数据，只在检测状态期间上传数据至数据处理中心，从而减轻网络时延和负荷；各无线传感节点独立检测接收移动目标发射的无线信号，故数据处理中心可采用优化算法，进而降低运算量，并保持位置状态信息的估计性能，从而提高目标跟踪的效率。

Description

目标检测方法、装置、网络系统及可读存储介质
技术领域
本发明涉及通信数据处理技术领域，具体而言，涉及一种目标检测方法、装置、网络系统及可读存储介质。
背景技术
目标的位置检测与跟踪是无线传感器网络(Wireless Sensor Networks，WSN)的一种应用，而目标的位置检测与跟踪可以应用在交通监控、环境监测、野生动物跟踪等行业领域。在对目标进行位置跟踪检测时，目标本身可以为能够发出信号的设备或模块。或者，目标携带有可以发出信号的设备或模块，该目标可以为人，或动物，或其他可移动的物体。在实际检测跟踪过程中，通常是直接对能够发出信号的设备或模块的位置进行检测，并将这类设备或模块的位置作为目标的位置。目前，在对能够发出信号的目标设备进行跟踪检测时，需要处理的数据量大，导致对目标设备检测的运算量高，故而检测效率低。
发明内容
本申请提供一种目标检测方法、装置、网络系统及可读存储介质，能够改善对目标设备检测的效率低的问题。
为了实现上述目的，本申请实施例所提供的技术方案如下所示：
第一方面，本申请实施例提供一种目标检测方法，应用于与无线传感节点通信连接的数据处理中心，所述方法包括：
在所述无线传感节点根据目标设备的信号的信号强度控制所述无线传感节点自身的工作状态为检测状态时，所述数据处理中心从所述无线传感节点获取所述目标设备的信号强度；所述数据处理中心根据从所述无线传感节点获取的信号强度及预设优化算法，确定所述目标设备的当前位置为满足最大后验概率的状态信息值。
在上述的实施方式中，数据处理中心获取的数据为无线传感节点在检测状态时发送的信号强度数据，无线传感节点之间不通信，基于此，整个网络的负荷小、时延小，数据处理中心采用了优化算法，有助于降低复杂度，保持跟踪性能，有利于快速实现对目标设备的位置跟踪，从而能够提升目标设备跟踪的效率。
结合第一方面，在一些可选的实施方式中，所述数据处理中心根据从所述无线传感节点获取的信号强度及预设优化算法，确定所述目标设备的当前位置为满足最大后验概率的状态信息值，包括：
基于非线性状态空间模型，根据所述信号强度z1:k及所述预设优化算法确定所述当前位置为
Figure BDA0002288079680000021
为所述当前位置状态信息的后验概率；
其中，所述非线性状态空间模型为：
Figure BDA0002288079680000022
在所述非线性状态空间模型中，xk＝f(xk-1)+vk-1用于表示状态矢量xk的非线性变化，xk＝[xk,yk,θk]T等式中，xk、yk为所述目标设备在k时刻的坐标值，θk为用于描述所述目标设备的运动状态的参数，k为离散时间，vk-1、wk均为高斯噪声向量；
zk＝h(xk)+wk用于表示所述无线传感节点测量的所述目标设备的信号强度zk＝[z1 k,…,zM k]T与所述目标设备的当前位置[xk,yk]之间的非线性关系，zm k表示在k时刻第m个无线传感节点测量的信号强度，z1:k＝z1 1:k,…,zm 1:k；
所述预设优化算法包括：
在时刻k＝0时，进行初始化，所述初始化包括：
Figure BDA0002288079680000031
Figure BDA0002288079680000032
进行k循环，k＝1:∞，以计算k-1时刻的sigma点经时间函数f(xk-1)的变换：
Figure BDA0002288079680000033
通过所述预设优化算法中的第一方程组进行时间更新，以及通过第二方程组进行测量更新，所述第一方程组包括：
χk|k-1＝f(χk-1)
Figure BDA0002288079680000034
Figure BDA0002288079680000035
Zk|k-1＝h(χk|k-1)
Figure BDA0002288079680000036
所述第二方程组包括：
m＝1:M
Figure BDA0002288079680000037
Figure BDA0002288079680000038
Figure BDA0002288079680000039
end m
Figure BDA00022880796800000310
Figure BDA00022880796800000311
结束k循环，其中，λ＝α2(L+κ)-L,α＝1e-3，L为状态变量xk的维数，κ为卡尔曼增益参数，
Figure BDA00022880796800000312
和
Figure BDA00022880796800000313
为预设参数，Qk、Rk分别为高斯噪声向量vk、wk的协方差矩阵，其维度分别为L×L和M×M，M表示所述无线传感节点的数量为M。
在上述的实施方式中，通过预设优化算法，能够降低对位置估计计算的复杂度，从而能够简化运算，提高对目标设备位置检测的效率。
结合第一方面，在一些可选的实施方式中，所述方法还包括：
所述数据处理中心根据所述目标设备的历史轨迹及所述目标设备的当前位置，确定所述目标设备在当前时刻后的预设时长时的预测位置。
在上述的实施方式中，通过将目标设备的位置进行预测，方便管理人员及时了解目标设备的动向，以便于对目标设备进行准确跟踪。
第二方面，本申请实施例还提供一种目标检测方法，应用于与数据处理中心通信连接的无线传感节点，所述方法包括：
所述无线传感节点获取目标设备的信号的信号强度；所述无线传感节点根据所述信号强度，控制所述无线传感节点自身的工作状态；在所述工作状态为检测状态时，所述无线传感节点将所述信号强度发送至与所述无线传感节点通信连接的所述数据处理中心，用于所述数据处理中心根据从所述无线传感节点获取的信号强度及预设优化算法，确定所述目标设备的当前位置为满足最大后验概率的状态信息值。
在上述的实施方式中，无线传感节点可以根据目标设备的信号强度控制自身的工作状态，有助于降低无线传感节点的功耗，避免在信号强度较弱时持续检测而浪费电能。另外，在检测状态下才将信号强度数据发送至数据处理中心，可以减少数据处理中心所接收到的信号强度的数据量，在数据处理中心利用接收到的信号强度计算目标的位置、轨迹时，有助于提高计算的效率，减轻整个网络的数据负荷。
结合第二方面，在一些可选的实施方式中，所述无线传感节点根据所述信号强度，控制所述无线传感节点自身的工作状态，包括：
当确定所述信号强度小于或等于第一预设阈值时，控制所述无线传感节点的所述工作状态为休眠状态；当所述信号强度大于所述第一预设阈值且小于第二预设阈值时，控制所述无线传感节点的所述工作状态为监听状态，其中，所述第二预设阈值大于所述第一预设阈值；当所述信号强度大于或等于所述第二预设阈值时，控制所述无线传感节点的所述工作状态为检测状态，并将所述信号强度发送至与所述无线传感节点通信连接的所述数据处理中心。
在上述的实施方式中，无线传感节点可以将信号强度与第一预设阈值、第二预设阈值进行比对，并根据比较结果控制无线传感节点自身的工作状态，有助于降低传感器的能耗，降低网络负荷或数据处理中心接收的信号强度的数据量。
结合第二方面，所述方法还包括：
所述无线传感节点在处于所述休眠状态的期间，每隔预设时长感测是否接收到目标设备发射的信号；所述无线传感节点在感测到所述目标设备的信号时，获取所述目标设备的信号的信号强度。
在上述的实施方式中，无线传感节点在休眠期间可以间隔预设时长被唤醒工作，能够避免无线传感节点因长期休眠而错过对目标设备进行检测跟踪的问题。
第三方面，本申请实施例还提供一种目标检测装置，应用于与无线传感节点通信连接的数据处理中心，所述装置包括：
获取单元，用于在所述无线传感节点根据目标设备的信号的信号强度控制所述无线传感节点自身的工作状态为检测状态时，控制所述数据处理中心从所述无线传感节点获取所述目标设备的信号强度；
位置确定单元，用于控制所述数据处理中心根据从所述无线传感节点获取的信号强度及预设优化算法，确定所述目标设备的当前位置为满足最大后验概率的状态信息值。
第四方面，本申请实施例还提供另一种目标检测装置，应用于与数据处理中心通信连接的无线传感节点，所述装置包括：
获取单元，用于控制所述无线传感节点获取目标设备的信号的信号强度；
状态控制单元，用于控制所述无线传感节点根据所述信号强度，调整所述无线传感节点自身的工作状态；
发送单元，用于在所述工作状态为检测状态时，控制所述无线传感节点将所述信号强度发送至与所述无线传感节点通信连接的所述数据处理中心，用于所述数据处理中心根据从所述无线传感节点获取的信号强度及预设优化算法，确定所述目标设备的当前位置为满足最大后验概率的状态信息值。
第五方面，本申请实施例还提供一种网络系统，所述网络系统包括数据处理中心及多个无线传感节点；
所述无线传感节点用于获取目标设备的信号的信号强度，所述无线传感节点还用于根据所述信号强度，控制所述无线传感节点自身的工作状态，在所述工作状态为检测状态时，所述无线传感节点还用于将所述信号强度发送至与所述无线传感节点通信连接的所述数据处理中心；
所述数据处理中心用于根据从所述无线传感节点获取的信号强度及预设优化算法，确定所述目标设备的当前位置为满足最大后验概率的状态信息值。
第六方面，本申请实施例还提供一种计算机可读存储介质，所述可读存储介质中存储有计算机程序，当所述计算机程序在计算机上运行时，使得所述计算机执行上述的方法。
附图说明
为了更清楚地说明本申请实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍。应当理解，以下附图仅示出了本申请的某些实施例，因此不应被看作是对范围的限定，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他相关的附图。
图1为本申请实施例提供的网络系统的通信连接示意图。
图2为本申请实施例提供的数据处理中心的方框示意图。
图3为本申请实施例提供的目标检测方法的流程示意图。
图4为本申请实施提供的目标检测方法的仿真结果示意图之一。
图5为本申请实施提供的目标检测方法的仿真结果示意图之二。
图6为本申请实施例提供的目标检测装置的方框示意图之一。
图7为本申请实施例提供的目标检测装置的方框示意图之二。
图标：10-网络系统；20-数据处理中心；21-处理模块；22-存储模块；23-通信模块；40-无线传感节点；100-目标检测装置；110-获取单元；120-位置确定单元；130-状态控制单元；140-发送单元。
具体实施方式
下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行描述。需要说明的是，术语“第一”、“第二”等仅用于区分描述，而不能理解为指示或暗示相对重要性。
目前，申请人发现，利用无线传感器网络的对移动目标进行跟踪的方式主要分为：集中式和分布式两种目标跟踪方式。集中式的目标跟踪方式为：采用多个无线传感器联合无损卡尔曼滤波算法(Centralized Unscented Kalman Filter，CUKF)实现。分布式的目标跟踪方式为：采用基于统计的方式(如，加权法、独立序贯法、经典分配法、最近邻法(NN)、K-NN法等)和基于模糊数学的算法(如，模糊双门限航迹关联算法、基于模糊综合函数的航迹关联算法)。对于WSN而言，若采用集中式的跟踪算法，可以获得较好的跟踪性能，但是数据中心(Sink)的运算负担较大。若采用分布式的跟踪算法，则无线传感器自身包括信息运算单元，节点间维持信息同步的难度大。
另外，申请人还发现，现有的目标跟踪方式的网络结构可以为分簇结构，即一个无线传感器网络划分为若干个簇(集合或是区)，每个簇内有个簇头节点，负责向传感器网络里的其他簇头节点以及数据处理中心发送和接收数据，簇内节点只和所在簇的簇头节点进行信息交互。随着目标移动，当前的簇头节点需要把目标的信息(近期信号强度、历史轨迹以及当前测量值等数据)告知预测将要到达的下一个簇头节点，再由此新的簇头节点将信息传递给其所在簇内的所有节点。这种方式造成了簇间信息交互频繁，信令复杂，额外的引入测量误差并依次传递；若移动目标的预测轨迹误差较大，则可能丢失跟踪目标。
鉴于上述问题，本申请申请人经过长期研究探索，提出以下实施例以解决上述问题。下面结合附图，对本申请实施例作详细说明。在不冲突的情况下，下述的实施例及实施例中的特征可以相互组合。
请参照图1，本申请实施例提供一种网络系统10，网络系统10包括数据处理中心20及多个无线传感节点40。其中，无线传感节点40的数量可以根据实际情况进行设置，多个无线传感节点40可以通过无线网络与一个数据处理中心20建立通信连接，以进行数据交互。
数据处理中心20可以是但不限于个人电脑(Personal Computer，PC)、个人数字助理(Personal Digital Assistant，PDA)、移动上网设备(Mobile Internet Device，MID)、服务器等，用于对无线传感节点40上传的信号强度进行数据处理。
无线传感节点40可以用于接收目标设备发出的信号，并根据所接收的信号确定该信号的信号强度。该无线传感节点40可以为无线传感器，可以用于检测目标设备发出的无线信号。无线传感节点40的数量可以根据实际情况进行设置。
在本实施例中，网络系统10中的所有无线传感节点40的检测区域可以形成一个总检测区域。当目标设备在总检测区域内时，可以通过目标设备所在的总检测区域中的目标子区域中的多个无线传感节点40配合数据处理中心20来检测跟踪目标的运动轨迹。目标子区域即为目标设备所在的检测区域，该区域中的无线传感节点40通常处于监听状态或检测状态。
在总检测区域中除去目标子区域之外的区域中，其无线传感节点40工作状态可以处于休眠状态。在休眠状态期间，无线传感节点40可以以低功耗运行。例如，在休眠状态期间，无线传感节点40的运行方式可以为：每间隔预设时长检测一次，该预设时长可以根据实际情况进行设置。当检测到目标设备的信号时，无线传感节点40的工作状态可以根据信号的信号强度切换工作状态。
例如，若信号强度较大(即，信号强度满足相应的预设阈值)，无线传感节点40可以将工作状态切换为检测状态；当未检测到目标设备的信号时，或者根据检测到的信号确定出该信号的信号强度较弱且小于第一预设阈值，无线传感节点40继续处于休眠状态。其中，在检测状态期间，无线传感节点40与数据处理中心20可以相互配合，实现对目标设备的位置跟踪检测。基于此，有助于降低整个网络系统10的功耗。
目标设备可以作为发射信号的信号源，可以放置在待测对象上。该目标设备可以为能够发出无线信号的设备，可以是但不限于智能手机、追踪器等。待测对象可以为动物、人员等可移动的对象，可以根据实际情况进行选择。
请参照图2，在本实施例中，数据处理中心20可以包括处理模块21、存储模块22、通信模块23以及目标检测装置100，处理模块21、存储模块22、通信模块23以及目标检测装置100各个元件之间直接或间接地电性连接，以实现数据的传输或交互。例如，这些元件相互之间可通过一条或多条通讯总线或信号线实现电性连接。
处理模块21可以是一种集成电路芯片，具有信号的处理能力。上述处理模块21可以是通用处理器。例如，该处理器可以是中央处理器(Central Processing Unit，CPU)、数字信号处理器(Digital Signal Processing，DSP)、专用集成电路(Application SpecificIntegrated Circuit，ASIC)等，可以实现或者执行本申请实施例中的公开的各方法、步骤及逻辑框图。
存储模块22可以是，但不限于，随机存取存储器，只读存储器，可编程只读存储器，可擦除可编程只读存储器，电可擦除可编程只读存储器等。在本实施例中，存储模块22可以用于存储信号强度、预设阈值、预设优化算法等。当然，存储模块22还可以用于存储程序，处理模块21在接收到执行指令后，执行该程序。
通信模块23用于通过网络建立数据处理中心20与无线传感节点40的通信连接，并通过网络收发数据。
目标检测装置100包括至少一个可以软件或固件(firmware)的形式存储于存储模块22中或固化在数据处理中心20、无线传感节点40操作系统(Operating System，OS)中的软件功能模块。处理模块21用于执行存储模块22中存储的可执行模块，例如目标检测装置100所包括的软件功能模块及计算机程序等。
可以理解的是，图2所示的结构仅为数据处理中心20的一种结构示意图，数据处理中心20还可以包括比图2所示更多的组件。图2中所示的各组件可以采用硬件、软件或其组合实现。其中，无线传感节点40可以具有与数据处理中心20相类似的结构，这里不再赘述。
请参照图3，本申请实施例还提供一种目标检测方法，可以应用于上述的网络系统10中，可以由网络系统10中的数据处理中心20、无线传感节点40执行方法的各步骤。
在本实施例中，方法可以应用于与无线传感节点40通信连接的数据处理中心20，数据处理中心20执行的目标检测方法可以包括：
在所述无线传感节点40根据目标设备的信号的信号强度控制所述无线传感节点40自身的工作状态为检测状态时，所述数据处理中心20从所述无线传感节点40获取所述目标设备的信号强度；所述数据处理中心20根据从所述无线传感节点40获取的信号强度及预设优化算法，确定所述目标设备的当前位置为满足最大后验概率的状态信息值。
在本实施例中，方法可以应用于与数据处理中心20通信连接的无线传感节点40。无线传感节点40执行的目标检测方法可以包括：
所述无线传感节点40获取目标设备的信号的信号强度；所述无线传感节点40根据所述信号强度，控制所述无线传感节点40自身的工作状态；在所述工作状态为检测状态时，所述无线传感节点40将所述信号强度发送至与所述无线传感节点40通信连接的所述数据处理中心20，用于所述数据处理中心20根据从所述无线传感节点40获取的信号强度及预设优化算法，确定所述目标设备的当前位置为满足最大后验概率的状态信息值。
下面将结合数据处理中心20、无线传感节点40，对目标检测方法的各步骤进行详细阐述，其中，目标检测方法可以包括：
步骤S210，无线传感节点40获取目标设备的信号的信号强度。
在本实施例中，目标设备可以发出无线信号(比如为广播信号)，无线传感节点40可以感测该无线信号，并根据所接收的无线信号确定该无线信号的信号强度。
无线传感节点40获取到的目标设备的信号的信号强度可以为目标信号强度，目标信号强度即为目标设备发出的信号传播到无线传感节点40时的接收信号强度。其中，目标信号强度由无线传感节点40测量得到，而无线传感节点40自身硬件或其他原因会导致测量得到的信号强度与实际的信号强度之间存在误差，在本实施例中，方法可以通过预设优化算法降低因测量得到的信号强度的误差，从而提高对目标位置检测的准确度。
步骤S220，所述无线传感节点40根据所述信号强度，控制所述无线传感节点40自身的工作状态。
作为一种可选的实施方式，步骤S220可以包括：当确定所述信号强度小于或等于第一预设阈值时，控制所述无线传感节点40的所述工作状态为休眠状态；当所述信号强度大于所述第一预设阈值且小于第二预设阈值时，控制所述无线传感节点40的所述工作状态为监听状态，其中，所述第二预设阈值大于所述第一预设阈值；当所述信号强度大于或等于所述第二预设阈值时，控制所述无线传感节点40的所述工作状态为检测状态，并将所述信号强度发送至与所述无线传感节点40通信连接的所述数据处理中心20。其中，第一预设阈值、第二预设阈值可以根据实际情况进行设置。
可理解地，假设，无线传感节点40获取到的目标信号强度为
Figure BDA0002288079680000121
第一预设阈值为z1，第二预设阈值为z2。若
Figure BDA0002288079680000122
传感器的工作状态便为休眠状态。若
Figure BDA0002288079680000123
无线传感节点40的工作状态便为检测状态。在检测状态期间，无线传感节点40可以将信号强度发送至数据处理中心20。若
Figure BDA0002288079680000124
Figure BDA0002288079680000125
无线传感节点40的工作状态便为监听状态，在监听状态期间，获取的信号强度无需发送至数据处理中心20。
例如，若无线传感节点40工作状态处于休眠状态，通常表示无线传感节点40无法感测(或检测)到目标设备的信号，或者所感测的信号强度较弱，小于第一预设阈值。在休眠状态期间，无线传感节点40每隔预设时长周期唤醒，以便于在唤醒后判断是否感测到目标设备的信号。
周期唤醒中，当接收到信号时，无线传感节点40可以计算该信号的信号强度，若计算出所检测的信号强度小于或等于第一预设阈值，则无线传感节点40继续处于休眠状态。当检测到信号，且信号的信号强度大于第一预设阈值，且小于第二预设阈值时，则无线传感节点40可以控制自身的工作状态由休眠状态切换为监听状态。当检测到信号，且信号的信号强度大于第二预设阈值时，则无线传感节点40可以控制自身的工作状态由休眠状态切换为检测状态。
若无线传感节点40工作状态处于监听状态，通常表示无线传感节点40能够检测到目标设备的信号，且信号的信号强度不够强，处于第一预设阈值和第二预设阈值之间。在监听状态期间，无线传感节点40可以持续对目标设备的信号的信号强度进行检测，且无需将获取到的信号强度发送至数据处理中心20，从而减少数据处理中心20接收的数据量。其中，无线传感节点40获取到的信号强度即为无线传感节点40通过计算或检测无线传感节点40所探测到的信号得到的信号强度。
在监听状态期间，无线传感节点40检测到信号强度小于或等于第一预设阈值时，则控制传感器自身的工作状态由监听状态切换为休眠状态；若检测到信号强度大于或等于第二预设阈值，则控制传感器自身的工作状态由监听状态切换为检测状态。在检测状态期间，无线传感节点40可以将获取到的信号强度发送至数据处理中心20。
若无线传感节点40工作状态处于检测状态，通常表示无线传感节点40能够检测到目标设备的信号，且信号的信号强度够强，大于第二预设阈值。在检测状态期间，无线传感节点40可以持续对目标设备的信号的信号强度进行检测，并将获取到的信号强度发送至数据处理中心20，以便于数据处理中心20利用信号强度确定目标设备的位置、运动轨迹等。
在检测状态期间，无线传感节点40检测到信号强度小于或等于第一预设阈值时，则控制传感器自身的工作状态由检测状态切换为休眠状态；若检测到信号强度大于第一预设阈值且小于第二预设阈值，则控制传感器自身的工作状态由检测状态切换为监听状态。
基于上述设计，一方面方法可以减少数据处理中心20所接收到的信号强度的数据量，降低网络传输的负荷，在利用接收到的信号强度计算目标的位置、轨迹时，由于需要运算的数据量减少，从而有助于提高计算的效率。另一方面，无线传感节点40可以根据信号强度控制自身的工作状态，休眠状态下的功耗低于监听状态下的功耗，监听状态下的功耗低于检测状态下的功耗，因此，有助于降低无线传感节点40的功耗。
步骤S230，在所述工作状态为检测状态时，所述无线传感节点40将所述信号强度发送至与所述无线传感节点40通信连接的所述数据处理中心20。
在本实施例中，数据处理中心20可以从总检测区域中的所有处于检测状态的无线传感节点40接收/获取该信号强度。由于数据处理中心20获取的信号强度为经过筛选后的信号强度，也就是获取的信号强度为大于或等于第二预设阈值的信号强度。因此，相比于获取所有大小的信号强度，获取大于或等于第二预设阈值的信号强度能够减少获取的信号强度的数据量，从而有利于数据处理中心20在基于所获取的信号强度计算目标设备的位置及运动轨迹时，提高运算效率。
步骤S240，所述数据处理中心20根据从所述无线传感节点40获取的信号强度及预设优化算法，确定所述目标设备的当前位置为满足最大后验概率的状态信息值。
在本实施例中，确定目标设备的当前位置为满足最大后验概率的状态信息值可以理解为：确定目标设备的最大后验概率的位置为目标设备的当前位置，状态信息(值)包括下述的非线性状态空间模型中的状态矢量。预设优化算法可以为S-CUKF算法(Simplified-Centralized Unscented Kalman Filter，简化版的联合无损卡尔曼滤波算法)。S-CUKF算法可以保持跟踪性能，并极大地降低运算的复杂度，从而有助于提高对位置确定的运算效率。
在本实施例中，步骤S240可以包括：
基于非线性状态空间模型，根据所述信号强度z1:k及所述预设优化算法确定所述当前位置为
Figure BDA0002288079680000141
p(xk|z1:k)为所述当前位置状态信息的后验概率；
其中，所述非线性状态空间模型为：
Figure BDA0002288079680000151
在所述非线性状态空间模型中，xk＝f(xk-1)+vk-1用于表示状态矢量xk的非线性变化，xk＝[xk,yk,θk]T等式中，xk、yk为所述目标设备在k时刻的坐标值，θk为用于描述所述目标设备的运动状态的参数，k为离散时间，vk-1、wk均为高斯噪声向量；
zk＝h(xk)+wk用于表示所述无线传感节点40测量的所述目标设备的信号强度zk＝[z1 k,…,zM k]T与所述目标设备的当前位置[xk,yk]之间的非线性关系，zm k表示在k时刻第m个无线传感节点40测量的信号强度，z1:k＝z1 1:k,…,zm 1:k；
所述预设优化算法包括：
第一步，在时刻k＝0时，进行初始化，所述初始化包括：
Figure BDA0002288079680000152
Figure BDA0002288079680000153
第二步，进行k循环，k＝1:∞，以计算k-1时刻的sigma点经时间函数f(xk-1)的变换：
Figure BDA0002288079680000154
第三步，通过所述预设优化算法中的第一方程组进行时间更新，以及通过第二方程组进行测量更新，所述第一方程组包括：
χk|k-1＝f(χk-1)
Figure BDA0002288079680000155
Figure BDA0002288079680000156
Zk|k-1＝h(χk|k-1)
Figure BDA0002288079680000157
所述第二方程组包括：
m＝1:M
Figure BDA0002288079680000161
Figure BDA0002288079680000162
Figure BDA0002288079680000163
end m
Figure BDA0002288079680000164
Figure BDA0002288079680000165
结束k循环，其中，λ＝α2(L+κ)-L,α＝1e-3，L为状态变量xk的维数，κ为卡尔曼增益参数，
Figure BDA0002288079680000166
和
Figure BDA0002288079680000167
为预设参数，Qk、Rk分别为高斯噪声向量vk、wk的协方差矩阵，其维度分别为L×L和M×M，M表示所述无线传感节点40的数量为M。另外，
Figure BDA0002288079680000168
是对矩阵
Figure BDA0002288079680000169
求均方根后的第i行。
在进行k循环的过程中，k＝1:∞,即，从k为1的时刻开始，计算上一时刻(k-1)的sigma点，通过循环运算第一方程组、第二方程组，便可以得到满足最大后验概率的位置状态信息。
在第二方程组中，
Figure BDA00022880796800001610
为k时刻状态xk的估计值，也是位置状态矢量xk后验概率的均值矢量，
Figure BDA00022880796800001611
为k时刻状态矢量xk后验概率的协方差矩阵。χk-1为k-1时刻的sigma点。
其中，κ、
Figure BDA00022880796800001612
等参数，可以根据实际情况进行设置。
在非线性状态空间模型中，vk-1、wk为高斯噪声。高斯噪声是指噪声的概率密度函数服从高斯分布(即正态分布)的一类噪声。
在第一方程组中，
Figure BDA00022880796800001613
表示k时刻M个无线传感节点40传送到数据处理中心20的有关移动的目标设备的信号强度的测量值，在第一方程组中(时间更新)求得的Zk|k-1为M×(2L+1)的矩阵，
Figure BDA0002288079680000171
为M×1的向量。
在第二方程组中，Qk、Rk分别为分别是噪声向量vk和wk的协方差矩阵。Qk、Rk通常设为对角矩阵，也就是对角线以外的元素均为0，以降低运算的复杂度。其中，m＝1：M，表示从第一个无线传感节点40开始进行m循环运算，end m,表示结束m循环。
在本实施例中，各个无线传感节点40独立接收目标设备发出的无线信号。因此，
Figure BDA0002288079680000172
向量中各个元素之间，也就是各个无线传感节点40测量到的信号强度之间，是独立的。在计算
Figure BDA0002288079680000173
和κ时，先是独立进行各个无线传感节点m的测量更新，最后再在计算
Figure BDA0002288079680000174
和
Figure BDA0002288079680000175
时叠加各个无线传感节点40的中间数值(比如，估计的均值和方差的求和项中，从1到M的求和)，将矩阵运算进行降维处理。而不是如常规的CUKF算法那样，将所有的测量值视为一个矢量进行更新参数
Figure BDA0002288079680000176
κ、
Figure BDA0002288079680000177
和
Figure BDA0002288079680000178
此方法可以极大的降低测量更新步骤中的所需算法复杂度。比如，在M>L的情况下，复杂度第二方程组的复杂度从o(M3)降为o(ML2)，从而能够改善因运算的复杂度大使得需要处理的数据量大，而导致对目标设备位置检测的效率低的问题。
在本实施例中，方法还可以包括：所述无线传感节点40在处于所述休眠状态的期间，每隔预设时长感测是否接收到目标设备发射的信号；所述无线传感节点40在感测到所述目标设备的信号时，获取所述目标设备的信号的信号强度。
在上述的实施方式中，无线传感节点40在休眠期间可以间隔预设时长被唤醒工作，能够改善无线传感节点40因长期休眠而错过对目标设备进行检测跟踪的问题。其中，该预设时长可以根据实际情况进行设置，比如可以为1秒、5秒、10秒等时长，这里不作具体限定。
作为一种可选的实施方式，方法还可以包括：所述数据处理中心20根据所述目标设备的历史轨迹及所述目标设备的当前位置，确定所述目标设备在当前时刻后的预设时长时的预测位置。其中，该预设时长可以根据实际情况进行设置，例如可以为1秒、5秒、10秒等时长。
可理解地，数据处理中心20可以基于历史轨迹，确定出目标设备的运动方向及运动速度，因此，数据处理中心20可以通过目标设备的历史轨迹及当前位置，来预测未来一段时间内，目标设备的运动轨迹或位置。数据处理中心20通过将目标设备的位置进行预测，方便管理人员及时了解目标设备的动向，以便于对目标设备进行准确跟踪。
本申请提供的目标检测方法中，通过简化运算量的S-CUKF算法，使得数据处理中心20的运算量降低，同时，仿真结果表明对目标进行轨迹跟踪的性能与CUKF相比，性能相接近，其仿真结果可以参照图4和图5。
例如，在仿真中，假设移动目标的轨迹为正弦函数，噪声方差分别为0.2和2(实际仿真中，噪声方差可以根据实际情况进行设置)，通过对目标位置的位置坐标[xk,yk]分别采用六种方式进行仿真。即，采用现有的CUKF方式采集目标的位置，通过单独的Sensor1、Sensor2、Sensor3、Sensor4分别采集目标的位置，通过本申请提供的S-CUKF算法采集目标的位置。每种仿真方式可以得到目标在x轴(即x-axis)与y轴(即y-axis)的均方误差(MeanSquare Error，MSE)，如图4、图5的柱状图所示。其中，Sensor指用于采集目标位置的单一传感器。
可理解地，在图4和图5中纵轴中的数值表示目标的轨迹跟踪(TrajectoryTracking)的轨迹位置的均方误差(Mean Square Error，MSE)。其中，图4为在噪声方差为0.2时的仿真结果示意图。图5为在噪声方差为2时的仿真结果示意图。从图4和图5中，可以观察出，S-CUKF和CUKF算法在MSE上的差值小，即表示S-CUKF和CUKF算法在MSE上的性能相接近，可近似看做误差性能相同。
请参照图6，本申请实施例还提供一种目标检测装置100。该目标检测装置100可以包括获取单元110以及位置确定单元120，可以应用于上述的数据处理中心20。
其中，获取单元110，用于在所述无线传感节点40根据目标设备的信号的信号强度控制所述无线传感节点40自身的工作状态为检测状态时，控制所述数据处理中心20从所述无线传感节点40获取所述目标设备的信号强度。
位置确定单元120，用于控制所述数据处理中心20根据从所述无线传感节点40获取的信号强度及预设优化算法，确定所述目标设备的当前位置为满足最大后验概率的状态信息值。
其中，位置确定单元120还可以用于：
基于非线性状态空间模型，根据所述信号强度z1:k及所述预设优化算法确定所述当前位置为
Figure BDA0002288079680000191
p(xk|z1:k)为所述当前位置状态信息的后验概率；
其中，所述非线性状态空间模型为：
Figure BDA0002288079680000192
在所述非线性状态空间模型中，xk＝f(xk-1)+vk-1用于表示状态矢量xk的非线性变化，xk＝[xk,yk,θk]T等式中，xk、yk为所述目标设备在k时刻的坐标值，θk为用于描述所述目标设备的运动状态的参数，k为离散时间，vk-1、wk均为高斯噪声向量；
zk＝h(xk)+wk用于表示所述无线传感节点40测量的所述目标设备的信号强度zk＝[z1 k,…,zM k]T与所述目标设备的当前位置[xk,yk]之间的非线性关系，zm k表示在k时刻第m个无线传感节点40测量的信号强度，z1:k＝z1 1:k,…,zm 1:k；
所述预设优化算法包括：
在时刻k＝0时，进行初始化，所述初始化包括：
Figure BDA0002288079680000201
Figure BDA0002288079680000202
进行k循环，k＝1:∞，以计算k-1时刻的sigma点经时间函数f(xk-1)的变换：
Figure BDA0002288079680000203
通过所述预设优化算法中的第一方程组进行时间更新，以及通过第二方程组进行测量更新，所述第一方程组包括：
χk|k-1＝f(χk-1)
Figure BDA0002288079680000204
Figure BDA0002288079680000205
Zk|k-1＝h(χk|k-1)
Figure BDA0002288079680000206
所述第二方程组包括：
m＝1:M
Figure BDA0002288079680000207
Figure BDA0002288079680000208
Figure BDA0002288079680000209
end m
Figure BDA00022880796800002010
Figure BDA00022880796800002011
结束k循环，其中，λ＝α2(L+κ)-L,α＝1e-3，L为状态变量xk的维数，κ为卡尔曼增益参数，
Figure BDA0002288079680000211
和
Figure BDA0002288079680000212
为预设参数，Qk、Rk分别为高斯噪声向量vk、wk的协方差矩阵，其维度分别为L×L和M×M，M表示所述无线传感节点40的数量为M。另外，
Figure BDA0002288079680000213
是对矩阵
Figure BDA0002288079680000214
求均方根后的第i行。
目标检测装置100还可以包括预测单元。其中，预测单元用于：控制所述数据处理中心20根据所述目标设备的历史轨迹及所述目标设备的当前位置，确定所述目标设备在当前时刻后的预设时长时的预测位置。
请参照图7，目标检测装置100还可以包括状态控制单元130及发送单元140。该目标检测装置100还可以应用于与数据处理中心20通信连接的无线传感节点40。
其中，获取单元110，用于控制所述无线传感节点40获取目标设备的信号的信号强度。
状态控制单元130，用于控制所述无线传感节点40根据所述信号强度，调整所述无线传感节点40自身的工作状态。
发送单元140，用于在所述工作状态为检测状态时，控制所述无线传感节点40将所述信号强度发送至与所述无线传感节点40通信连接的所述数据处理中心20，用于所述数据处理中心20根据从所述无线传感节点40获取的信号强度及预设优化算法，确定所述目标设备的当前位置为满足最大后验概率的状态信息值。
可选地，状态控制单元130还可以用于：
当确定所述信号强度小于或等于第一预设阈值时，控制所述无线传感节点40的所述工作状态为休眠状态；
当所述信号强度大于所述第一预设阈值且小于第二预设阈值时，控制所述无线传感节点40的所述工作状态为监听状态，其中，所述第二预设阈值大于所述第一预设阈值；
当所述信号强度大于或等于所述第二预设阈值时，控制所述无线传感节点40的所述工作状态为检测状态，并将所述信号强度发送至与所述无线传感节点40通信连接的所述数据处理中心20。
目标检测装置100还可以包括监听单元。所述无线传感节点40在处于所述休眠状态的期间，监听单元用于每隔预设时长感测是否接收到目标设备发射的信号。所述无线传感节点40在感测到所述目标设备的信号时，获取单元110还可用于获取所述目标设备的信号的信号强度。
需要说明的是，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，上述描述的网络系统10、目标检测装置100的具体工作过程，可以参考前述方法中的各步骤对应过程，在此不再过多赘述。
本申请实施例还提供一种计算机可读存储介质。可读存储介质中存储有计算机程序，当计算机程序在计算机上运行时，使得计算机执行如上述实施例中所述的目标检测方法。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到本申请可以通过硬件实现，也可以借助软件加必要的通用硬件平台的方式来实现，基于这样的理解，本申请的技术方案可以以软件产品的形式体现出来，该软件产品可以存储在一个非易失性存储介质(可以是CD-ROM，U盘，移动硬盘等)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)执行本申请各个实施场景所述的方法。
综上所述，本申请提供一种目标检测方法、装置、网络系统及可读存储介质。该方法包括：在无线传感节点根据目标设备的信号的信号强度控制无线传感节点自身的工作状态为检测状态时，数据处理中心从无线传感节点获取目标设备的信号强度；数据处理中心根据从无线传感节点获取的信号强度及预设优化算法，确定目标设备的最大后验概率的位置为目标设备的当前位置。在本方案中，无线传感节点之间不传送数据，只在检测状态期间上传数据至数据处理中心，从而减轻网络时延和负荷；各无线传感节点独立检测接收移动目标发射的无线信号，故数据处理中心可采用优化算法，进而降低运算量，并保持位置信息的估计性能，从而提高目标跟踪的效率。
在本申请所提供的实施例中，应该理解到，所揭露的装置、系统和方法，也可以通过其它的方式实现。以上所描述的装置、系统和方法实施例仅仅是示意性的，例如，附图中的流程图和框图显示了根据本申请的多个实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段或代码的一部分，所述模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现方式中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个连续的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或动作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。另外，在本申请各个实施例中的各功能模块可以集成在一起形成一个独立的部分，也可以是各个模块单独存在，也可以两个或两个以上模块集成形成一个独立的部分。
以上所述仅为本申请的优选实施例而已，并不用于限制本申请，对于本领域的技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本申请的保护范围之内。

Claims (10)

1.一种目标检测方法，其特征在于，应用于与无线传感节点通信连接的数据处理中心，所述方法包括：
在所述无线传感节点根据目标设备的信号的信号强度控制所述无线传感节点自身的工作状态为检测状态时，所述数据处理中心从所述无线传感节点获取所述目标设备的信号强度；
所述数据处理中心根据从所述无线传感节点获取的信号强度及预设优化算法，确定所述目标设备的当前位置为满足最大后验概率的状态信息值。
2.根据权利要求1所述的方法，其特征在于，所述数据处理中心根据从所述无线传感节点获取的信号强度及预设优化算法，确定所述目标设备的当前位置为满足最大后验概率的状态信息值，包括：
基于非线性状态空间模型，根据所述信号强度z1:k及所述预设优化算法确定所述当前位置为
Figure FDA0002288079670000011
p(xk|z1:k)为所述当前位置状态信息的后验概率；
其中，所述非线性状态空间模型为：
Figure FDA0002288079670000012
在所述非线性状态空间模型中，xk＝f(xk-1)+vk-1用于表示所述目标设备的状态矢量xk的非线性变化，xk＝[xk,yk,θk]T等式中，xk、yk为所述目标设备在k时刻的坐标值，θk为用于描述所述目标设备的运动状态的参数，k为离散时间，vk-1、wk均为高斯噪声向量；
zk＝h(xk)+wk用于表示所述无线传感节点测量的所述目标设备的信号强度zk＝[z1 k,…,zM k]T与所述目标设备的当前位置[xk,yk]之间的非线性关系，zm k表示在k时刻第m个无线传感节点测量的信号强度，z1:k＝z1 1:k,…,zm 1:k；
所述预设优化算法包括：
在时刻k＝0时，进行初始化，所述初始化包括：
Figure FDA0002288079670000021
Figure FDA0002288079670000022
进行k循环，k＝1:∞，以计算k-1时刻的sigma点经时间函数f(xk-1)的变换：
Figure FDA0002288079670000023
通过所述预设优化算法中的第一方程组进行时间更新，以及通过第二方程组进行测量更新，所述第一方程组包括：
χk|k-1＝f(χk-1)
Figure FDA0002288079670000024
Figure FDA0002288079670000025
Zk|k-1＝h(χk|k-1)
Figure FDA0002288079670000026
所述第二方程组包括：
m＝1:M
Figure FDA0002288079670000027
Figure FDA0002288079670000028
Figure FDA0002288079670000029
end m
Figure FDA00022880796700000210
Figure FDA00022880796700000211
结束k循环，其中，λ＝α2(L+κ)-L,α＝1e-3，L为状态变量xk的维数，κ为卡尔曼增益参数，
Figure FDA0002288079670000031
和
Figure FDA0002288079670000032
为预设参数，Qk、Rk分别为高斯噪声向量vk、wk的协方差矩阵，其维度分别为L×L和M×M，M表示所述无线传感节点的数量为M。
3.根据权利要求1所述的方法，其特征在于，所述方法还包括：
所述数据处理中心根据所述目标设备的历史轨迹及所述目标设备的当前位置，确定所述目标设备在当前时刻后的预设时长时的预测位置。
4.一种目标检测方法，其特征在于，应用于与数据处理中心通信连接的无线传感节点，所述方法包括：
所述无线传感节点获取目标设备的信号的信号强度；
所述无线传感节点根据所述信号强度，控制所述无线传感节点自身的工作状态；
在所述工作状态为检测状态时，所述无线传感节点将所述信号强度发送至与所述无线传感节点通信连接的所述数据处理中心，用于所述数据处理中心根据从所述无线传感节点获取的信号强度及预设优化算法，确定所述目标设备的当前位置为满足最大后验概率的状态信息值。
5.根据权利要求4所述的方法，其特征在于，所述无线传感节点根据所述信号强度，控制所述无线传感节点自身的工作状态，包括：
当确定所述信号强度小于或等于第一预设阈值时，控制所述无线传感节点的所述工作状态为休眠状态；
当所述信号强度大于所述第一预设阈值且小于第二预设阈值时，控制所述无线传感节点的所述工作状态为监听状态，其中，所述第二预设阈值大于所述第一预设阈值；
当所述信号强度大于或等于所述第二预设阈值时，控制所述无线传感节点的所述工作状态为检测状态，并将所述信号强度发送至与所述无线传感节点通信连接的所述数据处理中心。
6.根据权利要求5所述的方法，其特征在于，所述方法还包括：
所述无线传感节点在处于所述休眠状态的期间，每隔预设时长感测是否接收到目标设备发射的信号；
所述无线传感节点在感测到所述目标设备的信号时，获取所述目标设备的信号的信号强度。
7.一种目标检测装置，其特征在于，应用于与无线传感节点通信连接的数据处理中心，所述装置包括：
获取单元，用于在所述无线传感节点根据目标设备的信号的信号强度控制所述无线传感节点自身的工作状态为检测状态时，控制所述数据处理中心从所述无线传感节点获取所述目标设备的信号强度；
位置确定单元，用于控制所述数据处理中心根据从所述无线传感节点获取的信号强度及预设优化算法，确定所述目标设备的当前位置为满足最大后验概率的状态信息值。
8.一种目标检测装置，其特征在于，应用于与数据处理中心通信连接的无线传感节点，所述装置包括：
获取单元，用于控制所述无线传感节点获取目标设备的信号的信号强度；
状态控制单元，用于控制所述无线传感节点根据所述信号强度，调整所述无线传感节点自身的工作状态；
发送单元，用于在所述工作状态为检测状态时，控制所述无线传感节点将所述信号强度发送至与所述无线传感节点通信连接的所述数据处理中心，用于所述数据处理中心根据从所述无线传感节点获取的信号强度及预设优化算法，确定所述目标设备的当前位置为满足最大后验概率的状态信息值。
9.一种网络系统，其特征在于，所述网络系统包括数据处理中心及多个无线传感节点；
所述无线传感节点用于获取目标设备的信号的信号强度，所述无线传感节点还用于根据所述信号强度，控制所述无线传感节点自身的工作状态，在所述工作状态为检测状态时，所述无线传感节点还用于将所述信号强度发送至与所述无线传感节点通信连接的所述数据处理中心；
所述数据处理中心用于根据从所述无线传感节点获取的信号强度及预设优化算法，确定所述目标设备的当前位置为满足最大后验概率的状态信息值。
10.一种计算机可读存储介质，其特征在于，所述可读存储介质中存储有计算机程序，当所述计算机程序在计算机上运行时，使得所述计算机执行如权利要求1-3中任意一项所述的方法，或执行如权利要求4-6中任意一项所述的方法。
CN201911169773.1A 2019-11-25 2019-11-25 目标检测方法、装置、网络系统及可读存储介质 Active CN111132026B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201911169773.1A CN111132026B (zh) 2019-11-25 2019-11-25 目标检测方法、装置、网络系统及可读存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911169773.1A CN111132026B (zh) 2019-11-25 2019-11-25 目标检测方法、装置、网络系统及可读存储介质

Publications (2)

Publication Number Publication Date
CN111132026A true CN111132026A (zh) 2020-05-08
CN111132026B CN111132026B (zh) 2021-07-30

Family

ID=70496698

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911169773.1A Active CN111132026B (zh) 2019-11-25 2019-11-25 目标检测方法、装置、网络系统及可读存储介质

Country Status (1)

Country Link
CN (1) CN111132026B (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112333752A (zh) * 2020-12-04 2021-02-05 深圳市欧瑞博科技股份有限公司 确定主机设备的方法、装置、智能设备及存储介质
CN113219425A (zh) * 2021-05-11 2021-08-06 上海涵润汽车电子有限公司 一种雷达目标检测性能的测试方法及系统
CN115877328A (zh) * 2023-03-06 2023-03-31 成都鹰谷米特科技有限公司 一种阵列雷达的信号收发方法及阵列雷达

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20090150699A1 (en) * 2007-11-29 2009-06-11 Electronics And Telecommunications Research Institute Sleep scheduling method based on moving directions of target in sensor network
CN103152791A (zh) * 2013-01-29 2013-06-12 浙江大学 一种基于水下无线传感器网络的目标跟踪方法
CN103200518A (zh) * 2012-11-05 2013-07-10 哈尔滨工业大学深圳研究生院 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
CN105242275A (zh) * 2015-09-29 2016-01-13 燕山大学 基于一致性估计与休眠调度的水下目标协同追踪方法
CN105717505A (zh) * 2016-02-17 2016-06-29 国家电网公司 利用传感网进行多目标跟踪的数据关联方法
CN107453993A (zh) * 2017-08-11 2017-12-08 长春理工大学 基于Fisher信息矩阵与SUKF的目标跟踪方法
CN109996205A (zh) * 2019-04-12 2019-07-09 成都工业学院 传感器数据融合方法、装置、电子设备及存储介质

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20090150699A1 (en) * 2007-11-29 2009-06-11 Electronics And Telecommunications Research Institute Sleep scheduling method based on moving directions of target in sensor network
CN103200518A (zh) * 2012-11-05 2013-07-10 哈尔滨工业大学深圳研究生院 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
CN103152791A (zh) * 2013-01-29 2013-06-12 浙江大学 一种基于水下无线传感器网络的目标跟踪方法
CN105242275A (zh) * 2015-09-29 2016-01-13 燕山大学 基于一致性估计与休眠调度的水下目标协同追踪方法
CN105717505A (zh) * 2016-02-17 2016-06-29 国家电网公司 利用传感网进行多目标跟踪的数据关联方法
CN107453993A (zh) * 2017-08-11 2017-12-08 长春理工大学 基于Fisher信息矩阵与SUKF的目标跟踪方法
CN109996205A (zh) * 2019-04-12 2019-07-09 成都工业学院 传感器数据融合方法、装置、电子设备及存储介质

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112333752A (zh) * 2020-12-04 2021-02-05 深圳市欧瑞博科技股份有限公司 确定主机设备的方法、装置、智能设备及存储介质
CN113219425A (zh) * 2021-05-11 2021-08-06 上海涵润汽车电子有限公司 一种雷达目标检测性能的测试方法及系统
CN115877328A (zh) * 2023-03-06 2023-03-31 成都鹰谷米特科技有限公司 一种阵列雷达的信号收发方法及阵列雷达

Also Published As

Publication number Publication date
CN111132026B (zh) 2021-07-30

Similar Documents

Publication Publication Date Title
CN111132026B (zh) 目标检测方法、装置、网络系统及可读存储介质
CN101505532B (zh) 一种基于分布式处理的无线传感器网络目标跟踪方法
Yick et al. Analysis of a prediction-based mobility adaptive tracking algorithm
CN105828287B (zh) 一种基于强化学习的无线传感器网络协同跟踪方法
Keally et al. Watchdog: Confident event detection in heterogeneous sensor networks
CN111291984B (zh) 多无人机分布式边缘任务选择和轨迹设计方法及装置
CN109729498B (zh) 一种基于维诺图的自适应节点选择的目标跟踪方法及系统
CN104090262A (zh) 一种基于多采样率多模型融合估计的移动目标跟踪方法
Munjani et al. A non-conventional lightweight Auto Regressive Neural Network for accurate and energy efficient target tracking in Wireless Sensor Network
Guo et al. Optimal tracking interval for predictive tracking in wireless sensor network
Liu et al. Energy-balanced multiple-sensor collaborative scheduling for maneuvering target tracking in wireless sensor networks
Qu et al. A fault-tolerant sensor scheduling approach for target tracking in wireless sensor networks
Jiang et al. Energy efficient sleep scheduling based on moving directions in target tracking sensor network
Kindt et al. ExPerio—exploiting periodicity for opportunistic energy-efficient data transmission
Ahmed et al. Prediction of Single Object Tracking Based on Learning Approach in Wireless Sensor Networks
US20200142078A1 (en) Location monitoring apparatuses configured for low-power operation
CN109219118B (zh) 一种基于序列唤醒机制的分布式一致状态估计方法
Yeow et al. A novel target movement model and energy efficient target tracking in sensor networks
Mirsadeghi et al. Low power prediction mechanism for wsn-based object tracking
Sankaliya et al. Performance evaluation of prediction algorithm-based tracking methods in a recovery of a lost target using wireless sensor network
KR101052332B1 (ko) 야생동물 위치 추적 시스템 및 방법
Płaczek Prediction-based data reduction with dynamic target node selection in IoT sensor networks
Asmaa et al. Review of recovery techniques to recapture lost targets in wireless sensor networks
Mansur et al. Survey of prediction algorithms for object tracking in wireless sensor networks
CN110687532A (zh) 多群目标跟踪系统及方法

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