韩小卫毕业论文（最终版本） - 图文(2)

哈尔滨工业大学工学硕士学位论文

第1章 绪论

1.1 课题背景

1.1.1 课题来源

本课题来源于某预研基金项目。

随着信息技术的飞速发展，对信息的获取程度越来越决定着一项事业的效率和成功与否。只有掌握了信息权，才能掌握解决问题的主动权。目标跟踪的研究是传感器网络的一个重要研究分支，具有巨大的潜在应用价值。例如，对野生动物追踪，道路交通的实施监控，战场制信息权[1]的获取等等。

由大量体形小、成本低的感知器构成的局域自组网络系统——无线传感器网络，又称感知网，是一种能够部署在多种应用环境下，实时获取、分析、融合环境信息的网络平台，是空、天、地、海一体化的监测系统的重要组成部分。其本身的感知和计算特点能够提供搜索/发现目标，以及跟踪/观测的功能，且随着无线传感器技术的发展，逐渐能够进行复杂的目标识别处理。是应用信息的直接来源。

1.1.2 课题研究目的及意义

本课题的研究目的是：在感知网中，建立多节点协作多目标跟踪模型，在模型中融合单目标跟踪技术，在能够提高跟踪精度和节省能量的目标预测方法以及单目标跟踪技术的研究成果下，采取策略建立一个满足层次精度要求、节省能量的分布式多目标跟踪框架。并依靠上述技术及网络模拟器等支撑子系统，实现感知网中基于能量感知的多目标跟踪系统。

多目标跟踪研究具有多重意义。

首先，本系统是感知网项目中的一个重要子系统，属于整个大系统中最顶层的一种面向主要应用的系统。本系统依托感知网项目网络组所提供的利用传感器节点组成ad hoc网，获取到底层传感器节点感知到的环境信息，从中计算出各个目标的类别、位置和移动轨迹等数据，再将其提供给最上层的决策和规划系统。所以它是整个感知网应用系统的基础，是感知网成功应用的关键。

其次，本系统是感知网应用层与网络层的接口，是网络组设计的网络协议

- 1 -

哈尔滨工业大学工学硕士学位论文

和信号处理组处理结果的直接使用者，设计并实现这样一个基于感知网的目标跟踪系统需要无线网络，信号处理，嵌入式系统等多个领域技术的支持，是检验整个感知网系统性能的一个很好的综合应用实例。

最后，本系统承前启后，在当前众多基于单目标的跟踪技术基础上，融合基于预测目标动向的单目标跟踪技术，提出的一种分布式层次性多目标跟踪模型框架。针对于活动目标监控，多目标跟踪更接近实际，任何单目标跟踪的研究最终都要面向多目标应用。

1.2 与课题相关的国内外研究综述

1.2.1 国内外关于感知网的研究现状

感知网的研究起步于上世纪90年代末期。从2000年起，感知网就引起了学术界、军界和工业界的极大关注。美国自然科学基金委员会，美国交通部，美国国防部和各军事部门都对感知网给予高度重视；IT巨头如英特尔公司也开始致力于微型传感器网络领域的研究；在学术领域，在美国自然科学基金委员会的推动下，美国很多大学都开始了感知网的基础理论和关键技术的研究。加州大学伯克力分校就是其中的杰出代表。

加州大学伯克力分校提出了众多感知网研究领域的基础性算法，其最成功的成果是研制了能够一定程度上作为实例应用的mote节点应用系统，以及其相关的传感器操作系统TinyOS[5]。同时，伯克力分校也研究了感知网的数据查询技术，提出了实现可动态调整的连续查询的处理方法以及管理感知网上多查询的方法，提出了在低能源、分布式无线感知网环境下实现聚集函数的方法，并研制了一个感知数据库系统TinyDB。

此外，美国其它一些高校如麻省理工学院、康奈尔大学、加州大学洛杉矶分校等以及英国、日本、意大利等国家的一些大学和研究机构也都纷纷展开了该领域的研究工作，且相互合作联系越来越紧密，2007年1月19日至21日，欧洲第一届“无线传感器网络论坛”在德国首都柏林举行。

在感知网体系机构各个环节的研究上，目前国外特别是美国研究机构有较成熟技术储备。在节点方面有DARPA资助的Smart dust节点[6,7]和加州大学伯克利分校开发的mote节点；在路由协议方面有基于查询的路由、基于位置的路由和能量路由等协议；在感知网数据管理系统方面，有伯克利分校开发的TinyDB和康奈尔大学研制的Cougar系统[8]；在应用方面有Intel的大鸭岛项目

- 2 -

哈尔滨工业大学工学硕士学位论文

[9]

，A Line in sand等项目，据报道，在2003年的伊拉克战争中，感知网得到了有效的应用。

实际上感知网当前的研究工作还处于起步阶段，大量的问题还没有被涉及。引用研究感知网的知名学者Deborah Estrin 的话[10]，“感知网目前所处的研究阶段就相当于Internet二十年前所处的阶段”，从中可见一斑。

在国内，浙江大学、哈尔滨工业大学、清华大学等高校和以中科院计算所、自动化所为代表的许多研究机构也于2001年之后开展相关方面的研究，国家自然科学基金委员会也增加了对感知网的资金支持力度。目前，国内感知网方面的研究主要集中在传感器节点的设计开发，传感器节点定位，网络路由协议和网络数据管理等方面。就研究水平而言，与国外在深度和广度上来说都有相当大的差距。

在节点硬件平台方面，国内目前出现的许多节点都是仿制国外节点，其中中科院上海微系统研究所和计算所主导设计研制的GAINS节点，和中科大正在做的USTC mote处于相对领先水平，其均是仿制 Berkley的mote系列节点，并且都是运行相同的操作系统平台TinyOS。

在感知网数据管理系统方面，国内还落后很多。目前，还没有哪个国内研究机构研制出性能较为稳定成熟的数据管理系统，哈尔滨工业大学在此方面的研究处于相对领先水平。而国外已经有前面提到被广泛投入应用的TinyDB和Cougar系统。

在感知网应用方面，目前国内还没有成功的应用实例，研究基本上都还停留在实验室阶段。

总而言之，国内在感知网方面的研究，尽管起步不晚，但却落后很多，基本上还处于跟随研究阶段，还谈不上太多创新。未来的研究工作任重而道远。

1.2.2 感知网目标定位与跟踪技术的研究现状

目标定位研究是无线传感器网络（WSN）中一个重要研究方向。在目标跟踪中，定位方法与传感器节点的类型和感知精度有着密切的关系。也就是说，不同的节点类型，要求与其感知类型相对应的定位方法。例如具有距离和角度传感器[11],其定位技术采用的是三角测量法，而采用功能较弱的binary模式传感器却只能利用精确度不高的凸壳质心定位法[12] 。不同的节点数量、功能也对应不同的定位技术，多个节点组成的动态簇定位跟踪算法中，每次定位都由若干个距离邻接的节点协同工作完成，而相对于其处理和感知功能更为强大的某些

- 3 -

哈尔滨工业大学工学硕士学位论文

特殊节点，可以采用信号处理及滤波等方式计算定位目标位置。同时，不同的应用环境也对具体的定位方法有很大影响。实际应用领域中，基于声音节点的目标定位跟踪是比较现实且相对容易实现的方法，本文即考虑高信噪比环境下的声音传感器定位[13,14]。

目前，传感器网络根据声源信号进行目标定位的方法主要有三种：TDOA（time delay of arrival）；DOA（direction of arrival）；能量方法（Source signal strength on Energy）。TDOA方法测出信号到达两个节点之间的时间差来求出距离差，根据距离差得出信号的位置，时间差是通过相关函数来确定的[15,16]；DOA 方法运用信号来源方向的不同来定位[17]。能量方法是利用节点接收的能量进行定位的一种方法[23-25]，其主要是根据声音能量在空气中传播与距离成一定比例地衰减，具体有多种定位方法，具体将在第一章中讲述。本文算法中提出的定位算法即是一种能量定位算法。

目前WSN目标跟踪研究主要集中于单目标的跟踪方法研究，在跟踪算法效率上不断改进和深入。无论采用什么跟踪技术，目标跟踪模型主要可分为两种：集中式跟踪模型，分布式跟踪模型。

早期的目标跟踪模型大都是集中式跟踪模型，例如基于binary感知模型的跟踪算法[18-20,29]。这些模型一般都是经过侦测阶段后，发现目标的节点向基站发送消息，由基站进行测量数据融合，确定目标位置，最后根据所有目标位置点，由基站进行结果融合确定轨迹（一般采用线性拟合算法）[30]。集中式跟踪模型较简单，不需要节点间协作，但它的劣势十分明显，它要求所有数据都传回基站，通信量大，能耗高。正是因为这样，分布式跟踪模型正成为研究主流。

分布式跟踪模型中若干个节点参与侦测，将数据发往其中一个计算节点，由计算节点对测量数据融合，并依此预测目标动向，选择开启下一步的节点。该机制也称为动态簇算法[31,33-35]。计算节点定期将数据发回给基站。分布式跟踪模型是以后的发展趋势。其中，基于目标动向预测技术的动态簇方法是最有代表性的一种分布式算法。其基本思想是在融合目标历史轨迹信息的基础上对目标的下一可能位置进行预测，然后根据预测结果唤醒某相邻节点作为下一定位时刻的计算节点，即簇首(cluster header-CH)，由该节点接替对目标的跟踪[27,28]

。 目前，目标动向预测技术主要基于对目标历史轨迹的分析。例如在文献[36]中，跟踪定位由单节点完成，每个节点定位完毕，就将定位信息和历史数据融合，预测并选择接班节点，同时还将数据传给该节点。用于目标预测的信息可以有许多，除了目标历史数据外，还有目标行动意图，地形因素等。但这些全

- 4 -

哈尔滨工业大学工学硕士学位论文

局性信息底层节点很难获得，因此并不适合目前主流的分布式目标跟踪模型。

分布式感知网多目标跟踪由于一些特有的特征条件和限制，比单目标跟踪更复杂，考虑的情况更多。目前，国内外相对于单目标跟踪研究来说，多目标跟踪的研究很少。多目标跟踪主要要解决的问题有两大类：目标的分类和跟踪[38]

。分类是指感知到的多个目标可能是多个不同种类的事物，其不是本文的主要研究内容，因此将不作叙述。同单目标跟踪，多目标跟踪要解决的主要问题是对每个目标通过次序定位，得到目标的尽可能精确的轨迹。由于多个目标之间可能存在相互影响，特别是同类目标的相互影响，因此，要准确一一对应所有目标和所有定位点的关系相当困难。在机动多目标跟踪理论的发展过程中，其研究困难主要来源于两种不确定性，一是目标运动方式的不确定性，二是量测起源的不确定性。目标运动方式的不确定性主要指目标的前进状态，包括方向、速度、加速度的不可判性。

量测起源的不确定性，是指传感器接收到的量测信息与感兴趣的目标对应关系的不确定性， 即多目标跟踪问题中著名的数据关联问题[41,42]。在机动多目标跟踪领域的研究内容中，数据关联是最重要而又最困难的部分。目前提出的多目标跟踪数据关联算法大都针对多雷达传感器环境下多目标的跟踪，其中包括著名的概率数据关联算法[43]、联合概率数据关联算法、广义联合概率数据关联算法[44]以及相关的改进算法等等，以及一些粒子滤波算法[45,46]；而关于无线传感器网络环境下的多目标数据关联的研究相对较少，文献[47-49]对此进行了阐述。目前，传感器网络多目标跟踪相关研究主要集中于节点感知处理能力的基础上，对跟踪策略和方法的研究。文献[50]方法将节点分级，围绕顶层节点形成跟踪簇，通过不同级别节点本地处理后的相互通信，实现多目标的层次化跟踪，使得一定程度上降低能耗，且能纠正低层次节点的计算错误。文献[51]通过目标状态表示相关研究提出了一种多目标跟踪方法，并给出一个跟踪框架，但关于多目标其采用集中式的跟踪方法。文献[52]描述了一种分布式方法，且对目标相遇的几种情况进行了详细剖析并给出了目标分离跟踪算法。

1.3 本文的主要研究内容

本文的研究内容主要包括以下几个方面：首先从提高定位精确度和可靠性出发，提出一种新的单目标定位算法；并基于节省能量消耗考虑，对基于目标动向预测的动态簇跟踪算法进行改进。然后，在此基础上对多目标跟踪的场景进行分析并对相应跟踪算法进行了阐述。最后，在理论研究的基础上，实现了

- 5 -

百度搜索“77cn”或“免费范文网”即可找到本站免费阅读全部范文。收藏本站方便下次阅读，免费范文网，提供经典小说综合文库韩小卫毕业论文（最终版本） - 图文(2)在线全文阅读。