【摘要】：水下目標跟蹤是海洋科學技術的重要研究方向之一,為海洋資源的開發(fā)利用和海洋安全的防御維護提供了關鍵技術。憑借多平臺探測、實時數據共享等優(yōu)勢,基于水下無線傳感器網絡(Underwater Wireless Sensor Networks,UWSNs)的水下目標跟蹤技術受到了越來越多的關注。然而,由于復雜水下環(huán)境會導致量測信息不足和目標跟蹤精度下降,而節(jié)點處理、傳輸量測數據會增加網絡的能耗負擔,因此,如何解決跟蹤精度和能量消耗之間的矛盾成為了UWSNs目標跟蹤的主要問題。為此,本文基于UWSNs的自組織能力,分別從量測模型修正、節(jié)點深度調節(jié)、節(jié)點能量分配和多源數據融合等多個方面開展研究,逐步提高UWSNs目標跟蹤的跟蹤精度和能量效率�？傮w而言,本文的研究工作和主要貢獻如下:首先,針對水聲傳播速度變化導致的量測模型偏差,本文提出了基于量測模型修正的目標跟蹤算法。該方法引入一個表征聲速變化影響的修正參數,利用過去時間的累積信息估計修正參數,并通過修正參數的迭代更新實現量測模型的自組織修正,提供準確的量測模型和數據。其次,針對UWSNs節(jié)點稀疏部署導致的量測信息不足,本文提出了基于節(jié)點深度調節(jié)的目標跟蹤算法。該方法根據節(jié)點深度變化對跟蹤精度的影響,設計動態(tài)的節(jié)點深度調節(jié)方案,實現節(jié)點位置結構的自組織調整,保證獲取更加完備的量測信息。然后,針對降低UWSNs能耗導致的量測信息損失,本文提出了基于長時能量分配的目標跟蹤算法。根據量測價值進行節(jié)點能量的自組織分配,用較多能量處理高價值量測以保留信息,而將低價值量測壓縮至較少位數以減小能耗。在有限的能量條件下最大化全局信息,提高能量利用效率。最后,針對多源數據融合時各節(jié)點的量測差異,本文提出了基于互信息融合的目標跟蹤算法。通過計算量化量測與目標狀態(tài)之間的互信息,實現節(jié)點量測權重的自組織分配,并給出多傳感器量測的加權融合方案,彌補降低UWSNs能耗導致的量測信息損失�？傮w而言,本文的研究針對基于UWSNs的自組織目標跟蹤問題,從不同角度解決了目標跟蹤精度和能量消耗問題,各個內容相輔相成,共同形成了一套比較完整的理論成果,為UWSNs自組織能力和水下目標跟蹤理論研究提供了技術支撐。
【圖文】：

是ＵＷＳＮｓ最主要的部分，在搭建ＵＷＳＮｓ時，需要將節(jié)點以不同的方式部署在監(jiān)測水域逡逑的不同位置：通過纜線錨定在水域的不同深度、綁定浮標懸浮在水域不同深度、固定于逡逑水底或水面浮標、搭載于移動ＡＵＶ。傳感器節(jié)點的基本結構如圖１．２所示，主要由感知逡逑單元、通信單元、存儲單元、計算單元和能量管理單元構成，感知單元中的各類傳感器逡逑可以實時獲取監(jiān)測水域的信息，如水溫、鹽度、聲信號、水壓等，并通過接口電路將逡逑數據轉送至計算單元進行處理。計算單元可以對數據進行處理，并將其儲存在存儲單逡逑元，或者通過通信單元，以水聲信號的方式發(fā)送至水面基站或者鄰域節(jié)點實現信息共逡逑享。能量管理單元包含電池和能量收集裝置，一方面為節(jié)點的各個模塊提供電能，另一逡逑方面可以吸收水流環(huán)境的能量，為電池充電［２８’２９１。搭載于ＡＵＶ的移動節(jié)點可以進一步逡逑提升ＵＷＳＮｓ的自組織能力，它們可以循環(huán)運動搬運大量的數據�。�，可以在個別節(jié)點出逡逑現問題時運動到合適位置調整網絡拓撲［３１邋］

％邋Ｄ邐／逡逑固定在海底的節(jié)點錨在不同深度的節(jié)點逡逑圖１．１水下無線傳感器網絡的系統(tǒng)組成逡逑是ＵＷＳＮｓ最主要的部分，，在搭建ＵＷＳＮｓ時，需要將節(jié)點以不同的方式部署在監(jiān)測水域逡逑的不同位置：通過纜線錨定在水域的不同深度、綁定浮標懸浮在水域不同深度、固定于逡逑水底或水面浮標、搭載于移動ＡＵＶ。傳感器節(jié)點的基本結構如圖１．２所示，主要由感知逡逑單元、通信單元、存儲單元、計算單元和能量管理單元構成，感知單元中的各類傳感器逡逑可以實時獲取監(jiān)測水域的信息，如水溫、鹽度、聲信號、水壓等，并通過接口電路將逡逑數據轉送至計算單元進行處理。計算單元可以對數據進行處理，并將其儲存在存儲單逡逑元，或者通過通信單元，以水聲信號的方式發(fā)送至水面基站或者鄰域節(jié)點實現信息共逡逑享。能量管理單元包含電池和能量收集裝置，一方面為節(jié)點的各個模塊提供電能，另一逡逑方面可以吸收水流環(huán)境的能量
【學位授予單位】：浙江大學
【學位級別】：博士
【學位授予年份】：2019
【分類號】：TP212.9;TN929.3

【相似文獻】

相關期刊論文 前10條

1 楊凱杰;田暢;關文君;;快速目標跟蹤算法及其嵌入式實現[J];軍事通信技術;2016年04期

2 陳偉;祝恩;劉天航;殷建平;邱明輝;;目標跟蹤算法的并行優(yōu)化[J];計算機工程與科學;2016年11期

3 張濤;李繼生;董恩國;;基于人臉識別的移動目標跟蹤算法研究[J];現代制造技術與裝備;2017年02期

4 李賀;;基于深度學習的目標跟蹤算法研究綜述[J];黑龍江科技信息;2017年17期

5 吳小俊;徐天陽;須文波;;基于相關濾波的視頻目標跟蹤算法綜述[J];指揮信息系統(tǒng)與技術;2017年03期

6 王立新,戴冠中;一種分散化多站聯合目標跟蹤算法[J];航空學報;1988年03期

7 V.納加拉簡;R.N.沙馬;肖萬選;;改善邊跟蹤邊搜索雷達的檢測和跟蹤性能的新方法(第二部分)——檢測、航跡的產生與組合[J];雷達與對抗;1988年05期

8 王俊嶺;王碩豪;;基于孿生網絡的深度學習目標跟蹤算法[J];計算機工程與設計;2019年10期

9 孟t-;李誠新;;近年目標跟蹤算法短評——相關濾波與深度學習[J];中國圖象圖形學報;2019年07期

10 竇慧;趙書斌;王強;;基于特征點的典型目標跟蹤算法性能分析[J];指揮控制與仿真;2017年02期

相關會議論文 前10條

1 徐炳吉;;一種多站聯合目標跟蹤算法[A];數學及其應用文集——中南模糊數學和系統(tǒng)分會第三屆年會論文集（上卷）[C];1995年

2 肖敬若;胡伏原;鄭江濱;張艷寧;;一種有效的多目標跟蹤算法[A];第十二屆全國信號處理學術年會（CCSP-2005）論文集[C];2005年

3 杜方芳;劉士榮;邱雪娜;;一種改進的粒子濾波目標跟蹤算法[A];PCC2009—第20屆中國過程控制會議論文集[C];2009年

4 付曉薇;方康玲;李曦;;一種基于特征的多目標跟蹤算法[A];2003年中國智能自動化會議論文集（下冊）[C];2003年

5 王亞楠;陳杰;甘明剛;;基于差分進化的改進粒子濾波目標跟蹤算法[A];中國自動化學會控制理論專業(yè)委員會C卷[C];2011年

6 許偉村;趙清杰;;一種基于粒子濾波的多目標跟蹤算法[A];2011年中國智能自動化學術會議論文集（第一分冊）[C];2011年

7 石章松;劉忠;;一種使用輔助變量的單站純方位目標跟蹤算法[A];2003年中國智能自動化會議論文集（下冊）[C];2003年

8 段萌遠;于俊清;王錦;;基于活動狀態(tài)分類的多目標跟蹤算法[A];第二屆和諧人機環(huán)境聯合學術會議(HHME2006)——第15屆中國多媒體學術會議(NCMT'06)論文集[C];2006年

9 張震宇;王立松;;基于粒子濾波的傳感器目標跟蹤算法[A];2008年中國高校通信類院系學術研討會論文集（上冊）[C];2009年

10 郭春;羅鵬飛;;一種基于小波變換的目標跟蹤算法研究[A];第十屆全國信號處理學術年會（CCSP-2001）論文集[C];2001年

相關博士學位論文 前10條

1 胡秀華;復雜場景中目標跟蹤算法研究[D];西北工業(yè)大學;2017年

2 王全輝;篩選式知識輔助多模型機動目標跟蹤算法[D];深圳大學;2018年

3 產思賢;基于視覺系統(tǒng)的智能目標跟蹤算法研究[D];浙江工業(yè)大學;2018年

4 胡琪;基于隨機矩陣的擴展目標跟蹤算法研究[D];西安電子科技大學;2018年

5 張鐸;基于水下無線傳感器網絡的自組織目標跟蹤算法研究[D];浙江大學;2019年

6 郭巳秋;基于TLD的粒子群目標跟蹤理論與應用技術研究[D];中國科學院大學(中國科學院長春光學精密機械與物理研究所);2019年

7 儲琪;基于深度學習的視頻多目標跟蹤算法研究[D];中國科學技術大學;2019年

8 金加根;基于元數據的雷達目標檢測和跟蹤研究[D];武漢理工大學;2015年

9 張雷;復雜場景下實時目標跟蹤算法及實現技術研究[D];中國科學院研究生院(長春光學精密機械與物理研究所);2016年

10 胡碩;基于小波理論的目標檢測與快速目標跟蹤算法研究[D];中國科學院研究生院（長春光學精密機械與物理研究所）;2006年

相關碩士學位論文 前10條

1 張明天;無人機監(jiān)控軟件系統(tǒng)關鍵技術研究[D];吉林大學;2019年

2 張波彬;基于二類分類器的目標跟蹤算法與分析研究[D];中國礦業(yè)大學;2019年

3 李倩;基于相關濾波的目標跟蹤算法研究[D];吉林大學;2019年

4 張亞琴;視頻序列中的單目標跟蹤算法研究[D];新疆大學;2019年

5 周啟晨;基于深度學習的無人機對地目標跟蹤算法研究[D];北方工業(yè)大學;2019年

6 王永;基于孿生網絡的目標跟蹤算法及其在艦船場景中的應用研究[D];廈門大學;2018年

7 趙周鼎;核相關濾波目標跟蹤算法的研究及其嵌入式平臺的實現[D];鄭州大學;2019年

8 王潤玲;多帶寬融合的實時目標跟蹤算法[D];北方工業(yè)大學;2019年

9 肖渤濤;復雜場景下的實時目標跟蹤算法研究及DSP實現[D];中國石油大學(華東);2017年

10 王睿;基于Mean Shift的目標跟蹤算法研究[D];武漢大學;2017年

本文編號：2700711