韩小卫毕业论文（最终版本） - 图文(3)

哈尔滨工业大学工学硕士学位论文

基于Mica2的mote节点原型系统和感知网多目标仿真系统的开发。

1.3.1 感知网单目标定位与跟踪算法研究

单目标定位跟踪算法研究是多目标跟踪算法研究的基础，其研究成果相对丰富且较为成熟。因此本文在已有研究成果的基础上首先对单目标跟踪展开研究。

首先要解决的是目标定位问题。本文所有理论基于声音传感器模型，因此定位算法也是基于声音能量的定位算法。已有的质心定位算法计算简单但定位精确度低，高精确度的信号处理法须进行复杂的计算，方程组法很容易发生无解或虚根情况。本文综合考虑几种定位算法优缺点，提出了距离-量测定位算法。该算法根据量测随着目标距离的增长而指数级下降的关系，将节点感知半径划分为若干区间段，每个区间定义一个“标准”量测或简单的线性计算方法，定位时即以该区间的标准量测代替实际量测去查找对应的距离，或根据实际量测和简单的线性计算方法去计算距离；然后根据多个节点提供的节点-目标距离信息列方程组计算定位点。对于方程无解或虚根的情况，采用最大概率以及误差折中的方法去选取适当的点作为定位点。

目标跟踪算法方面，继承基于目标动向预测的动态簇跟踪算法的已有研究成果[28]，并对其进行改进，提出“太子簇首-距离-量测”定位算法，节省节点能耗。具体地，从簇首的产生机制考虑，已有的算法大多采取无序竞争或时间戳选取的方式获得新簇首，维持跟踪的继续，每个节点都须发送竞争或参与选取消息。本算法从“预定”的角度出发，当前簇首定位完毕后，根据预测结果及周边节点位置选定某个节点作为下一定位时刻的簇首，即“太子簇首”，以避免竞争或选取，从而消除了竞争消息或选取消息的发送，很大程度上节省了节点能量。对于太子簇首选定失败或定位失败情况，采取“异常”进行捕捉，若“异常”也失败，最后再采取“竞争”的方式进行跟踪。因而，既能保证节点及网络能量的节省，又对保证跟踪的完备性和可靠性。

1.3.2 感知网多目标跟踪算法的研究

感知网多目标跟踪以单目标为基础。本文首先对多目标场景进行分析，参考单目标，讨论多目标情况下会出现的种种问题。从多目标跟踪问题复杂性的来源——多个目标的信号混杂出发，针对目标的不同密集程度，提出了“远距离单目标跟踪——稀疏多目标类精确跟踪——密集多目标集群跟踪”框架。远

- 6 -

哈尔滨工业大学工学硕士学位论文

距离单目标跟踪即是目标距离很远时对每个目标采取单目标跟踪，互不影响。

目标分布稀疏但相互噪声混杂，对节点定位产生影响时，我们提出一种稀疏多目标的类精确跟踪算法。该算法主要思路是每个节点维护全局统一时钟，根据预测信息对节点量测进行加权分解。若预测方程足够准确，则某定位时刻，节点量测来源于多个目标，但每个目标到节点的预测距离即可根据预测方程和节点的时钟信息计算得到，然后根据各目标预测距离的比例关系对节点实际量测进行分解，得到每个目标对应的量测大小。即可由上述1.3.1所讲的距离-量测定为算法进行定位。实现了多个目标逻辑上的“独立”跟踪。

若多个目标距离很近，信号混杂严重，或目标运动不具有线性特征，以及预测信息不够准确，都会跟踪失败，丢失目标。此情形下，我们从目标密集的状态属性出发，不再力图对每个目标实现尽可能的精确区分，得到每个目标的跟踪轨迹，而视这些目标为一个整体，采取一种集群跟踪算法。同样，每个集群簇包含簇首，其进行集群定位、预测以及集群通告等动作，只是相关细节机制有所修正。

1.3.3 论文结构

以上就是本文主要研究内容，下面三章将就以上内容展开详细的分析和讨论。第二章首先介绍提出的“距离-量测”定位算法，随后讲解单目标“太子簇首-异常-竞争”动态簇跟踪算法；第三章简要介绍跟踪框架，详细介绍该框架内的稀疏多目标类精确跟踪算法和密集多目标集群跟踪算法；第四章则介绍基于Mica2平台的原型系统和针对本文算法的感知网多目标仿真系统的设计与实现，并给出了系统的测试案例。

- 7 -

哈尔滨工业大学工学硕士学位论文

第2章 感知网单目标定位跟踪算法研究

2.1 距离-量测定位算法

本文所有的理论算法基于声音感知模型的传感器节点，因此，定位算法研究也是基于声强变化的能量算法。本节首先对基于感知能量的定位算法简要阐述，随后给出本文的距离-量测定位算法，最后给出实验验证。

2.1.1 基于感知能量的定位算法

基于感知能量的定位方法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。Binary质心定位方法[18]根据多个节点感知范围重叠将目标定位到一个区域内，最大似然法按照最大似然概率最大的方法搜索目标可能区域，方程法及量测对比法根据节点量测及其之间比值建立相关方程，求解目标位置。Binary质心方法计算简单，快速，实时性强，但定位精度最差；最大似然法通过搜索所有可能区域，定位精确度和可靠性高，但计算复杂度高，计算速度慢，实时性差；方程求解法虽提高了精确度且运算快，但由于误差的存在和不可消除性，很可能会产生无解或虚根情况。本文针对道路交通、战场等高信噪比应用环境，在比较分析该三种方法的基础上，从定位精度、误差大小、计算复杂度的角度出发，将Binary方法与方程法结合，提出了一种新的定位方法——“距离-量测”定位算法。本小节探讨基于能量的定位算法相关内容。

2.1.1.1 声音节点感知模型

声音传感器节点感知模型是指节点收到的感知量测与目标距离的关系。一般情况下，目标声源的能量会随着传播距离的平方成反比例衰减。设C为节点距离目标1米处的量测大小，可以看作目标固有声源能量大小。节点位置和声源目标位置分别用矢量pi和pt表示，则根据信号以与距离平方成反比的方式衰减的原理，第i个传感器接收到的信号能量，即节点量测为Zi：

zi?C?vi2 (2-1) pi?pt2其中，vi表示高斯白噪声干扰，期望值为Evi2?0，均方差为σi。pi?pt- 8 -

哈尔滨工业大学工学硕士学位论文

22为信号源与传感器节点之间的距离， 在二维平面中pi?pt?(xi?xt)?(yi?yt)，

2?i/M)分布，其中M为(xi,yi)、(xt,yt)分别为节点i和目标t的坐标。vi服从N(?，抽样次数。

2.1.1.2 几种能量定位算法

本节简要介绍几种简单的能量定位算法。并概述其优缺点。 (1) 基于Binary感知模型的几何质心定位方法[18,19]

224SS21S3 图2-1 Binary感知模型定位方法 Fig. 2-1 Locate method of binary sense mode

传感器节点只提供“是否发现目标”的信息，每个节点有固定的感知半径，利用多个传感器节点的探测范围有相交的特点，采用几何求质心的方法定位目标，如图2-1。因此，重叠节点数越多、重叠区域越小，越有利于定位精度的提高。虽然通信量和计算量都很小，但该方法的致命缺陷是其始终只能将目标“锁定”到一个区域。特别是当节点感知半径很大，或探测相交节点数很少时，其效果更差。

(2) 最大似然法[21] 由公式(2-1)，有

根据

vi2?zi?C2pi?pt (2-2)

vi22222?4/M)服从N(?，分布，设di?(xi?xt)?(yi?yt)， i?i?Evi2??i2，?'i2?D(vi2)?2?i4/M。M为采样数，则在M足够大的情况下，

zi?C??i2di?i'2服从标准正态分布N(0,1)。共有N个传感器节点，每个vi服从正

态分布且相互独立，则其联合概率，即最大似然函数为（设目标固有声源能量C已知，未知量x,y）：

- 9 -

哈尔滨工业大学工学硕士学位论文

C??zi???Ni????12?di2F(x,y)?(2?)2exp???()?'2?i?1i?? (2-3) ????N设?表示未知量(x,y)，则

??argmaxlnF(x,y)?argminQ(x,y) ??Q(x,y)??Nzi?C2??idi()2i?1?i' (2-4)

要实现似然函数的最大化需要搜索相关节点的感知区域。该方法考虑到噪

声干扰，求似然最优解，定位精度精确且可靠。但该算法计算量复杂，定位时间长且节点能量耗费严重。设想10×10米的场景，若精确到1米，即有100种搜索可能。因此计算量将相当大。即便是一些改良的方法，如非线性最小二乘法和线性最小二乘法、约束最小二乘法等等，也都需要较大的计算及能耗。

(3) 方程法及能量比例法 公式(2-1)中，理论上，在C已知的情况下，若忽略噪声vi干扰，根据节点收到的声音能量量测可以确定目标声源与节点的距离，多个节点交换距离建立方程即可完成定位。如图2-2(a)，

2Sd13Sd21Ta)S2Sd1d13Tb)d2S2

图2-2 距离方程定位算法

Fig. 2-2 Locate algorithm of distance equation

两个节点S1、S2分别到目标T的距离d1、d2确定了两个圆。理论上，若d1、d2足够准确，则两个圆相切于一点，该切点即为目标位置。同样，三个节点的情况下，三个圆相切于一点，图2-2(b)。该方法计算量小，运算速度快，但由于节点感知能力以及实际中噪声的不可消除性，节点提供的距离不可能十分准确，有可能误差非常大。从而导致定位误差偏大，有时噪声能量对信号的影响过大甚至会导致方程无解或出现虚根。而此方法一般也需要对量测信号进行采样，

- 10 -

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(3)在线全文阅读。