發(fā)布時間：2021-01-18 10:16

　　為了能夠?qū)崿F(xiàn)三維有向傳感器網(wǎng)絡(luò)中移動目標(biāo)的追蹤部署,且確保目標(biāo)在不斷移動過程中傳感器節(jié)點仍能夠完成對目標(biāo)的有效監(jiān)測,提出一種基于節(jié)點感知模型和虛擬力模型的三維空間動態(tài)目標(biāo)追蹤自部署算法（DTSA）,并且采用Sigmoid函數(shù)構(gòu)建傳感器節(jié)點追蹤過程中的最佳移動速率模型,使得當(dāng)三維空間的目標(biāo)處于不斷移動時,傳感器節(jié)點可以以最佳的移動策略實時監(jiān)測目標(biāo)。仿真實驗結(jié)果表明:與傳統(tǒng)的動態(tài)目標(biāo)追蹤自部署算法相比,DTSA算法在追蹤覆蓋率和平均移動距離兩個對比指標(biāo)方面有了提升,性能優(yōu)于傳統(tǒng)的算法。 

【文章來源】：傳感器與微系統(tǒng). 2020,39(02)

【文章頁數(shù)】：5 頁

【部分圖文】：

實驗結(jié)果

基于上述假設(shè)，本文構(gòu)建的動態(tài)目標(biāo)部署模型如圖1所示。假設(shè)當(dāng)前監(jiān)測區(qū)域為固定的三維立體空間，空間內(nèi)有監(jiān)測目標(biāo)設(shè)為T，該目標(biāo)沿任意路徑移動，固定時間間隔內(nèi)移動距離為dx，目標(biāo)最大半徑設(shè)為Rt。傳感器節(jié)點采用有向移動傳感器節(jié)點感知模型和虛擬力模型，在目標(biāo)移動過程中，傳感器節(jié)點根據(jù)目標(biāo)當(dāng)前所在位置、判斷目標(biāo)與節(jié)點之間的位置關(guān)系，從而決定節(jié)點對目標(biāo)的部署策略。部署策略主要分為兩種類型，分別是回避式追蹤部署和追趕式追蹤部署。設(shè)當(dāng)前時刻，目標(biāo)周圍存在兩個鄰居節(jié)點，分別設(shè)為S1(P1，θ1,C1,Rattr1,Rrep1),S2(P2，θ2,C2,Rattr2,Rrep2)。對于傳感器節(jié)點S1，通過歐氏距離判斷可知目標(biāo)不僅位于S1通信范圍內(nèi)，且距離小于Rattr，可以認定S1此刻與目標(biāo)之間過于接近，因此，對目標(biāo)的追蹤部署需采取回避式追蹤部署，節(jié)點根據(jù)監(jiān)測目標(biāo)的位置位移判斷自身回避方向和位置，但在回避的同時仍然保持在對目標(biāo)的有效監(jiān)測范圍內(nèi)。對于傳感器節(jié)點S2，通過歐氏距離判斷發(fā)現(xiàn)目標(biāo)位于S2正常通信范圍內(nèi)，但根據(jù)目標(biāo)下一時間間隔位移判斷，目標(biāo)正在逐漸脫離S2的可監(jiān)測范圍，因此，S2需要對目標(biāo)采取追趕式追蹤部署。和靜態(tài)目標(biāo)部署方式類似，節(jié)點需要以一定速度不斷向目標(biāo)點位置靠攏。動態(tài)目標(biāo)部署與靜態(tài)目標(biāo)部署的主要區(qū)別在于靜態(tài)目標(biāo)位置一旦確定，基本上也決定了節(jié)點最終部署位置的大致方位，而動態(tài)目標(biāo)位置無法確定，節(jié)點部署位置可能始終處于未知情況，需要不斷重新確認目標(biāo)位置，并以此判定節(jié)點部署策略。例如原本采取追逐式部署策略的傳感器節(jié)點在向目標(biāo)不斷移動的過程中，因為動態(tài)目標(biāo)移動方向的改變而需要立刻更改部署策略，從向目標(biāo)快速移動改為即刻減速回避目標(biāo)以免目標(biāo)與自身過于靠近。

為驗證算法的有效性從追蹤覆蓋率和平均移動距離兩個指標(biāo)對比評估算法性能。由于動態(tài)目標(biāo)不會一直停留在區(qū)域內(nèi)某固定位置，因此，常規(guī)的覆蓋率指標(biāo)無法有效評估算法性能，為此采用追蹤覆蓋率指標(biāo)，即處于被監(jiān)測狀態(tài)下的目標(biāo)數(shù)量占總數(shù)量的比重，通過持續(xù)時間間隔下對目標(biāo)的覆蓋情況來評估算法在動態(tài)部署過程中的覆蓋質(zhì)量。平均移動距離是通過持續(xù)時間間隔的節(jié)點移動量評估算法對于傳感器節(jié)點部署策略的影響，即平均每個傳感器節(jié)點的部署調(diào)整幅度。算法對于部署策略越有效，則在達到相同覆蓋率的情況下傳感器網(wǎng)絡(luò)整體移動量越小。實驗選取了相同時間間隔內(nèi)的三組算法自部署下的追蹤覆蓋情況，如圖3(a)所示，每組算法采用不同的動態(tài)目標(biāo)形態(tài)屬性，對比實驗結(jié)果如圖3所示。根據(jù)實驗結(jié)果可知，隨著時間的逐步推進，三組對比實驗中DTSA算法均能夠?qū)崿F(xiàn)更高覆蓋率，且通過變化曲線可知在提升幅度上DTSA算法能夠更快完成部署工作。

【參考文獻】：
期刊論文
[1]擴展卡爾曼濾波的有向傳感器網(wǎng)絡(luò)移動目標(biāo)跟蹤算法[J]. 吳冰.  火力與指揮控制. 2017(05)
[2]基于分布式聚類的有向傳感器網(wǎng)絡(luò)移動目標(biāo)跟蹤算法研究[J]. 左現(xiàn)剛,張志霞,賈蒙.  傳感技術(shù)學(xué)報. 2016(07)
[3]A Novel Sensor Deployment Method Based on Image Processing and Wavelet Transform to Optimize the Surface Coverage in WSNs[J]. YANG Hang,LI Xunbo,WANG Zhenlin,YU Wenjie,HUANG Bo.  Chinese Journal of Electronics. 2016(03)
[4]基于概率的三維無線傳感器網(wǎng)絡(luò)K-覆蓋控制方法[J]. 蔣鵬,陳峰.  傳感技術(shù)學(xué)報. 2009(05)



本文編號：2984774