目標(biāo)跟蹤技術(shù)是無線傳感器網(wǎng)絡(luò)中的重要研究領(lǐng)域。由于目標(biāo)跟蹤系統(tǒng)的規(guī)模大、能耗多、應(yīng)用廣泛等特點,許多學(xué)者在研究目標(biāo)跟蹤精度的同時,致力于尋找最合適的網(wǎng)絡(luò)構(gòu)建模型、最準(zhǔn)確的軌跡預(yù)測線路和最優(yōu)的系統(tǒng)能量消耗策略。為了提高系統(tǒng)的跟蹤精度、降低網(wǎng)絡(luò)時延、減少系統(tǒng)的能耗開銷,本文提出了一種基于軌跡預(yù)測的能量有效的無線傳感網(wǎng)目標(biāo)跟蹤技術(shù)（ETTA,A Type of Energy-efficient Target Tracking Approach based on Prediction in Sensor Networks）,具體內(nèi)容如下:首先,針對不規(guī)則的目標(biāo)跟蹤區(qū)域,本文對無線傳感器網(wǎng)絡(luò)以“網(wǎng)格”的形式進行了合理劃分,并將網(wǎng)絡(luò)內(nèi)的節(jié)點按照合理的規(guī)則劃分成簇,采用簇內(nèi)節(jié)點協(xié)作的方式對目標(biāo)進行精確定位、軌跡預(yù)測及實時跟蹤;同時,本文設(shè)計了合理的節(jié)點睡眠調(diào)度策略,使未參與跟蹤的節(jié)點能主動進入休眠狀態(tài),從而降低了網(wǎng)絡(luò)能耗,延長了網(wǎng)絡(luò)的生命周期。接著,通過對經(jīng)典的RSSI和APIT技術(shù)的改進,本文提出了一個在節(jié)點稀疏區(qū)域也能做到精確定位的定位算法;為了提高目標(biāo)跟蹤系統(tǒng)的魯棒性和容錯性,本文在網(wǎng)絡(luò)邊界節(jié)... 

【文章來源】：南京郵電大學(xué)江蘇省

【文章頁數(shù)】：69 頁

【學(xué)位級別】：碩士

【部分圖文】：

基于樹狀網(wǎng)絡(luò)模型的節(jié)點協(xié)作方式

并通過粒子濾波器（PF，ParticleFilter）預(yù)測目標(biāo)的位置和運動了一種新穎高效的目標(biāo)跟蹤聚類選擇方法，此算法能夠通過相機激地跟蹤多個目標(biāo)；Bhatti等人[43]提出了一種基于簇狀的目標(biāo)跟蹤機制在網(wǎng)絡(luò)首次部署時構(gòu)建靜態(tài)簇，每個簇的大小和簇成員是固定的，點之間正常旋轉(zhuǎn)。因此，此機制可以更合理地分配網(wǎng)絡(luò)內(nèi)所有節(jié)點用目標(biāo)跟蹤的一般狀態(tài)演化模型來描述沒有傳感器精確位置信息的式方法相比，該算法減少了系統(tǒng)能耗和通信帶寬；類似地，Enayet 等簇狀的目標(biāo)跟蹤機制，其中簇頭負(fù)責(zé)與簇內(nèi)成員協(xié)作并通過簇內(nèi)成目標(biāo)的位置，實驗結(jié)果表明該機制可以最大限度地減少傳感器節(jié)點的絡(luò)中睡眠節(jié)點的數(shù)量；Fu等人[46]則提出了一種高效的目標(biāo)跟蹤簇頭婪的在線決策方法來動態(tài)地選擇簇成員，同時為了平衡無線攝像機ireless Camera Sensor Network）中的跟蹤精度和能耗，這種貪婪的在攝像機節(jié)點的能量有限性問題。

學(xué)和動力學(xué)是經(jīng)典力學(xué)的兩個分支，運動學(xué)主要描述目標(biāo)運動，而不而動力學(xué)則研究目標(biāo)運動與其原因之間的關(guān)系。人[47]曾提出過一個基于預(yù)測的目標(biāo)跟蹤系統(tǒng)下的節(jié)點睡眠調(diào)度機制個基于預(yù)測的目標(biāo)跟蹤系統(tǒng)中節(jié)能方案（PESS, Prediction-based 此方案只需使用簡單的模型即可預(yù)測目標(biāo)的下一個位置，而無需考慮Turgut D 等人[49]則通過線性預(yù)測器來預(yù)測目標(biāo)的下一個位置，在該預(yù)位置和當(dāng)前位置都被考慮在內(nèi)，但是此方法的前提是目標(biāo)的移動必須移動；此外，Taqi 等人[50]提出了一種基于動態(tài)預(yù)測的目標(biāo)跟蹤算法，要通過計算目標(biāo)運動的偏航率和側(cè)向力來預(yù)測目標(biāo)下一步可能轉(zhuǎn)向的型則允許制定相應(yīng)的跟蹤算法來估計最佳狀態(tài)矢量值，它可以在每個狀態(tài)值，利用當(dāng)前狀態(tài)預(yù)測未來狀態(tài)。Hsua 等人[51]就是通過卡爾曼濾跟蹤移動目標(biāo)；無獨有偶，Wang等人[52]提出了一種動態(tài)的目標(biāo)跟蹤的卡爾曼濾波器方法對目標(biāo)進行軌跡預(yù)測。


本文編號：2977886