資源描述：
《基于無(wú)線傳感器網(wǎng)絡(luò)的目標(biāo)跟蹤系統(tǒng)中的算法研究》由會(huì)員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在學(xué)術(shù)論文-天天文庫(kù)。
1、華中科技大學(xué)博士學(xué)位論文基于無(wú)線傳感器網(wǎng)絡(luò)的目標(biāo)跟蹤系統(tǒng)中的算法研究姓名：劉昕申請(qǐng)學(xué)位級(jí)別：博士專業(yè)：計(jì)算機(jī)軟件與理論指導(dǎo)教師：劉云生2010-11-05華中科技大學(xué)博士學(xué)位論文摘要隨著數(shù)字電子、微處理器技術(shù)和無(wú)線通信技術(shù)的發(fā)展，使得無(wú)線傳感器網(wǎng)絡(luò)能夠通過(guò)數(shù)以千計(jì)的分布式傳感節(jié)點(diǎn)獲得高密度、高精度的傳感數(shù)據(jù)。由于傳感器節(jié)點(diǎn)的小尺寸和低成本等眾多優(yōu)點(diǎn)，無(wú)線傳感器網(wǎng)絡(luò)被廣泛應(yīng)用在軍事和民用領(lǐng)域，如目標(biāo)跟蹤、區(qū)域監(jiān)測(cè)、環(huán)境控制以及醫(yī)療保健。目標(biāo)跟蹤是無(wú)線傳感器網(wǎng)絡(luò)中最重要的應(yīng)用之一。而能量效率、路由協(xié)議、定位算法以及軌跡預(yù)測(cè)是基于無(wú)線傳感器網(wǎng)絡(luò)的目
2、標(biāo)跟蹤系統(tǒng)設(shè)計(jì)中需要考慮的關(guān)鍵問(wèn)題。論文提出了一種基于無(wú)線傳感器網(wǎng)絡(luò)的目標(biāo)定位系統(tǒng)體系結(jié)構(gòu)，并分別對(duì)上述四個(gè)關(guān)鍵問(wèn)題進(jìn)行了研究。在基于無(wú)線傳感器網(wǎng)絡(luò)的目標(biāo)跟蹤系統(tǒng)中，如何提高整個(gè)網(wǎng)絡(luò)的能量效率是一個(gè)核心問(wèn)題。在當(dāng)前多數(shù)提高能量效率的研究中，節(jié)點(diǎn)剩余能量是一個(gè)重要的參數(shù)。常用的獲取節(jié)點(diǎn)剩余能量的方法是節(jié)點(diǎn)周期性的發(fā)送自己的能量信息，然而在某些環(huán)境下，通信消耗的能量有時(shí)大于利用該算法節(jié)省的能量。因此，如何更有效的獲取剩余能量是一個(gè)關(guān)鍵問(wèn)題，能量預(yù)測(cè)方法是一種較好的方法，該方法通過(guò)節(jié)點(diǎn)自身能量消耗的歷史數(shù)據(jù)來(lái)預(yù)測(cè)未來(lái)一段時(shí)間內(nèi)的能量消耗。論文首先對(duì)
3、節(jié)點(diǎn)預(yù)測(cè)方法進(jìn)行了研究，討論了一種基于馬爾科夫鏈的節(jié)點(diǎn)能量概率模型，該模型將節(jié)點(diǎn)的不同工作模式對(duì)應(yīng)馬爾科夫鏈的不同狀態(tài)：如果一個(gè)節(jié)點(diǎn)有M種工作模式，則可運(yùn)用馬爾科夫鏈的M種狀態(tài)進(jìn)行模擬。然后提出了一種基于離散時(shí)間馬爾科夫鏈的平穩(wěn)分布的能量預(yù)測(cè)算法，并進(jìn)一步討論了基于連續(xù)時(shí)間馬爾科夫鏈的能量預(yù)測(cè)方法。仿真實(shí)驗(yàn)也說(shuō)明了算法的有效性。在數(shù)據(jù)傳輸過(guò)程中，部分節(jié)點(diǎn)因負(fù)載過(guò)重能源快速耗盡，造成網(wǎng)絡(luò)中傳播路徑的通信距離延長(zhǎng)，并由此引發(fā)網(wǎng)絡(luò)能量消耗增大，生命周期縮短的負(fù)面影響。針對(duì)此問(wèn)題，提出了一種基于能量預(yù)測(cè)的路由算法。算法以均衡網(wǎng)絡(luò)負(fù)載為目的，利用預(yù)測(cè)結(jié)
4、果作為優(yōu)化路由選擇的標(biāo)準(zhǔn)，在路徑建立過(guò)程中選取剩余能量較多的鄰居節(jié)點(diǎn)作為下一跳節(jié)點(diǎn)。實(shí)驗(yàn)表明，同傳統(tǒng)路由算法相比，該算法能夠更好地均衡網(wǎng)絡(luò)的能量消耗，有效緩解了部分節(jié)點(diǎn)因負(fù)載過(guò)重造成能源快速耗盡以及由此帶來(lái)的負(fù)I華中科技大學(xué)博士學(xué)位論文面影響，最大限度地延長(zhǎng)了網(wǎng)絡(luò)壽命。在另一方面，與傳統(tǒng)的無(wú)線傳感器網(wǎng)絡(luò)應(yīng)用不同的是，目標(biāo)跟蹤系統(tǒng)中的數(shù)據(jù)往往具有很強(qiáng)的實(shí)時(shí)性。因此，提出了一種能量有效的實(shí)時(shí)路由算法，該算法在盡可能保證數(shù)據(jù)實(shí)時(shí)性的前提下通過(guò)最大熵原理均衡網(wǎng)絡(luò)的能量使用，提高整個(gè)網(wǎng)絡(luò)的生存時(shí)間。實(shí)驗(yàn)表明該算法能夠在滿足數(shù)據(jù)實(shí)時(shí)性的要求條件下有效地平
5、衡網(wǎng)絡(luò)能量。目標(biāo)跟蹤系統(tǒng)中定位算法可分為基于測(cè)距定位算法和非測(cè)距定位算法?；诰嚯x測(cè)量和角度測(cè)量的定位算法的缺點(diǎn)是對(duì)專用硬件有一定的要求，從而使傳感器節(jié)點(diǎn)成本和體積加大，限制了它的實(shí)用性。非測(cè)距的算法不需要測(cè)量未知節(jié)點(diǎn)到信標(biāo)節(jié)點(diǎn)的距離，在成本和功耗方面比基于測(cè)距的定位方法具有一定的優(yōu)勢(shì)，但是精度相對(duì)不足。因此，提出了一種基于支持向量機(jī)的目標(biāo)定位算法TLSVM。該算法將整個(gè)監(jiān)測(cè)區(qū)域分成若干個(gè)子區(qū)域，通過(guò)已知的節(jié)點(diǎn)位置信息作為訓(xùn)練樣本生成每個(gè)子區(qū)域的最優(yōu)SVM。當(dāng)目標(biāo)出現(xiàn)時(shí)，根據(jù)報(bào)告節(jié)點(diǎn)的分類信息估計(jì)目標(biāo)所屬區(qū)域，從而較精確地估計(jì)出目標(biāo)的位置。另
6、外，考慮到SVM分類的準(zhǔn)確性直接影響到定位的精確性，如何選擇最優(yōu)SVM是TLSVM的一個(gè)關(guān)鍵問(wèn)題。因此，還進(jìn)一步還討論了最優(yōu)支持向量機(jī)的選取方法，通過(guò)對(duì)SVM的統(tǒng)計(jì)分析，給出了一個(gè)新的反映支持向量機(jī)分類能力的指標(biāo)。通過(guò)比較該指標(biāo)在不同的模型（不同的核）中的估計(jì)值，可以選取最優(yōu)的支持向量機(jī)。實(shí)驗(yàn)結(jié)果也說(shuō)明了該方法的合理性和有效性。針對(duì)多目標(biāo)跟蹤問(wèn)題中的核心問(wèn)題：軌跡關(guān)聯(lián)和軌跡預(yù)測(cè)進(jìn)行了研究，提出了一種基于卡爾曼濾波的多目標(biāo)跟蹤算法。該算法通過(guò)最近鄰方法將一個(gè)多目標(biāo)跟蹤問(wèn)題分解成一組單目標(biāo)跟蹤問(wèn)題，然后使用卡爾曼濾波對(duì)單目標(biāo)進(jìn)行跟蹤。進(jìn)一步的，考
7、慮到卡爾曼濾波的收斂性問(wèn)題，我們還討論了基于卡爾曼濾波的非線性模型近似解問(wèn)題。關(guān)鍵詞：無(wú)線傳感器網(wǎng)絡(luò)；目標(biāo)跟蹤；能量預(yù)測(cè)；路由算法；目標(biāo)定位；軌跡預(yù)測(cè)II華中科技大學(xué)博士學(xué)位論文AbstractRecentadvancesindigitalelectronics,microprocessormicro-electro-mechanicsandwirelesscommunicationhaveenabledthedeploymentoflargescalessensornetworkswherethousandsofsmallsensorsar
8、edistributedoveravastfieldtoobtainfine-grainedhigh-precisionsensingdata.Duetomanya
