基于声音的无线传感器网络单目标跟踪研究与应用毕业设计（论文）

1、基于声音的无线传感器网络单目标跟踪研究与应用摘要无线传感器网络是由大量智能传感器节点以无线通信方式融合在一起，并能对周围的某些物理现象进行协同感知的自组织网络。目标跟踪是无线传感器网络的重要应用，目前基于无线传感器网络的目标跟踪研究主要集中在单目标跟踪，现有的节点自组织策略和目标定位算法，对高速运动的目标，存在定位精度和能耗不可调节、容错性差、目标丢失等问题。如何解决这些问题，是一个值得深入研究的课题。本文以车辆跟踪应用为背景，详细分析了基于无线传感器网络单目标跟踪中的跟踪和定位问题，修改并提出了一套基于声音能量的无线传感器网络单目标跟踪和定位算法。本文主要工作如下：1、在cacfar基础上，

2、提出了wcacfar单节点目标检测算法，该算法使用节点自身的历史数据和“将来”数据动态调节目标检测阀值。2、 改进了一个基于声音能量的传感器节点自组织策略。在簇首领节点选举和移交算法中，使用节点检测到的目标声音能量值作为首领选择的依据。3、 提出了加权质心目标定位算法。根据声音能量传播模型，节点侦测到的目标声音能量值和节点到目标距离的平方成反比。因此，在使用节点坐标估计目标位置时，将节点侦测到的目标声音能量值的平方根作为该节点的权重。4、 在windows操作系统平台上，使用visual c卜60和matlab 65开发了一个基于声音的无线传感器网络单目标跟踪仿真实验平台winwsnsim，并

3、在该平台上，对基于声音能量的传感器网络节点自组织策略、加权质心定位算法以及三边测量定位算法进行了仿真实验。实验表明，基于声音能量的传感器节点自组织策略以及加权质心定位算法具有较高的定位精度和较低的能耗。关键词：无线传感器网络，定位，目标跟踪，声音能量，车辆跟踪exploring single target tracking using acoustic wirelesssensor networksabstractwireless sensor network isaself-organizing network which consists of largenumber of intelli

4、gent nodes；it has ability of sensing the surrounding cooperativelysingle target tracking is ahotspot in wireless sensor networks，however,existing nodegroup management and target localization algorithms face some difficult problemssuch asbalance between energy consumption and localization accuracy, f

5、aulttolerance，target lost etc，especially for highspeed target，it isagreat challenge tosolve these problems in target tracking based on acoustic wireless sensor networksafter adeep study about the single target positioning and tracking in acousticwireless sensor networks based on the vehicle tracking

6、，a positioning and trackingalgorithm for single target tracking on acoustic wireless sensor networks is proposedthe main contributions of this paper are：1proposes awca-cfar target detection algorithm for single node based oncacfar2improves anode self-organizing algorithm for single target tracking o

7、f acousticwireless sensor networks which elects and transfers cluster head in terms of theacoustic energy detected by sensor nodes3proposes aweightedcentroid target localization algorithm based ontheconception that the energy received by node is inversely proportional tothe square ofthe distance bet

8、ween the node and target4develops an emulator for single target tracking of acoustic wireless sensornetworks in visual c+60 and matlab 65and extensive simulations have beenconducted tocharacterize performance of the node self-organizing algorithm，weightedcentroid target localization algorithm and tr

9、ilaterationiisimulations results show the node self-organizing algorithm and weightedcentroid target localization algorithm have higher localization accuracy and lowerenergy consumptionkeywords：wireless sensor networks，localization，target tracking，acousticsenergy,vehicle trackingiii西北大学学位论文知识产权声明书本人

10、完全了解西北大学关于收集、保存、使用学位论文的规定。学校有权保留并向国家有关部门或机构送交论文的复印件和电子版。本人允许论文被查阅和借阅。本人授权西北大学可以将本学位论文的全部或部分内容编入有关数据库进行检索，可以采用影印、缩印或扫描等复制手段保存和汇编本学位论文。同时授权中国科学技术信息研究所等机构将本学位论文收录到中国学位论文全文数据库或其它相关数据库。墨差蓑妻嚣萎裹墨一指导教师签名：鳓 学位论文作者签名：彩盔阻指导教师签名：趔h 侧晕厶月-r-iel 缈白纱日西北大学学位论文独创性声明本人声明：所呈交的学位论文是本人在导师指导下进行的研究工作及取得的研究成果。据我所知，除了文中特别加以标

11、注和致谢的地方外，本论文不包含其他人已经发表或撰写过的研究成果，也不包含为获得西北大学或其它教育机构的学位或证书而使用过的材料。与我一同工作的同志对本研究所做的任何贡献均已在论文中作了明确的说明并表示谢意中朋 窈月 名年签f秘“作y文l_沦 位 学第一章绪论11研究背景与意义第一章绪论无线传感器网络(wireless sensor networks，wsn)【1】【21是集信息采集、信息处理、信息传输于一体的综合性学科。2000年以后，随着微电子技术、计算技术和无线通信等技术的进步，制造廉价、微型、低功耗、多功能的传感器节点成为可能。无线传感器网络可广泛应用于布线和电源供给困难的区域、人员不能

12、到达的区域，如受到污染、环境被破坏或敌对区域和一些临时场合，如发生自然灾害，固定通信网络被破坏等。它不需要固定网络支持，具有快速展开，抗毁性强等特点。可广泛应用于军事、工业、交通、环保等领域。无线传感器网络是当前国际上备受关注的、由多学科高度交叉的新兴前沿热点研究领域，是信息感知和采集的一场革命，被认为是21世纪最重要的技术之一【3】，它将会对人类未来的生活方式产生深远影响。2003年2月份的美国技术评论(technology review)杂志评出对人类未来生活产生深远影响的十大新兴技术，传感器网络被列为第一；美国商业周刊认为，传感器网络是全球未来四大高技术产业之一；美国今日防务杂志更认为无

13、线传感器网络的应用和发展，将引起一场划时代的军事技术革命和未来战争的变革：2004年ieee spectrum杂志发表一期专集：传感器的国度，论述无线传感器网络的发展和可能的广泛应用：近几年来在美国国防部高级规划署(darpa)、美国自然科学基金委员会和其它军事部门的资助下，美国科学家正在对无线传感器网络所涉及的各个方面进行深入研究。可以预见，无线传感器网络的发展和广泛应用，将对人们的社会生活和产业变革带来极大的影响和产生巨大的推动。在无线传感器网络的许多实际应用中，动态目标跟踪已成为一大热点。不论在军事或民用领域，对这一应用的需求显得日益强烈。第一个目标跟踪系统可以追溯到第二次世界大战前夕，

14、即第一部跟踪雷达站，它是通过一个探测器连续地瞄准和跟踪一个目标来实现的。美国的国家导弹防御系统nmd和区域导弹防御系统tmd，其核心就是目标跟踪。随着科学技术的进步和现代战略战术的发展，第一章绪论各种雷达、红外、声纳和激光、卫星等目标跟踪系统相继得到发展并且日趋完善【4】。在民用领域，通过跟踪候鸟和昆虫的迁徙，研究环境变化对农作物的影响；在野生动物自然保护区，跟踪珍稀动物，如大熊猫的运动路径，深入研究其生活习性；在城市道路或者高速公路上，使用无线传感器网络对车辆进行跟踪，以获取道路上的交通状况，实现车辆的自动或半自动驾驶。由于这一技术的广泛应用价值和光明前景，在我国深入开展对它的研究不论是对于

15、我国的经济建设还是国防现代化建设都有着深远的意义。12国内外研究现状当前的目标跟踪研究主要针对不同环境下的单目标跟踪，致力于如何以较低的能量代价高效地融合有效的信息，提高测量精度和延长网络生存期。最初，kmechitov等利用二元检测法【5】(binary-detection)对单目标进行跟踪，通过检测目标是否位于节点的传感范围之内来对目标进行定位，节点记录目标在其传感范围内持续出现的时间长度，并使用该值作为节点的位置在估计目标位置时的权重。这种方法需要节点间的时钟同步，并要求节点自身的位置信息己知。随后fzhao等提出了信息驱动【6】(information-driven)协作跟踪的思想，利

16、用传感器节点侦测到的信息和接收的其它节点的侦测信息，判断目标可能的运动轨迹，唤醒合适的传感器节点在下一时刻参与跟踪活动。由于有合适的预测机制，可有效地减少节点间的通讯，从而节省了节点有限的能量资源和通讯资源。wszhang等提出了传送树跟踪算法【71(convey tree)，该算法是一种分布式无线传感器网络单目标跟踪算法，而之前的大多数跟踪算法为集中式的。传送树是一种由移动目标附近的节点组成的动态树型结构，并且会随着目标的移动动态地添加或者删除一些节点，在保证对目标进行高效跟踪的同时减少节点间的通信开销。多目标跟踪【81的课题也吸引了不少人的注意力。bejar91等人将传感器跟踪问题系统表示

17、为分布式约束条件的满足，研究显示：存在一个感应和通信的关键组合，这个组合可使得在传感器网络中进行多目标跟踪并达到令人满意的效果。2第一章绪论li和wong等致力于解决多个目标之间的身份辨别问题，并描述和开发了几种目标分类机制。fang、zhao和guibas描述了一种在给定的传感器网络区域内对目标进行计数的分布式机制。从上面可以看出，国外对这一课题研究已有一定的进展，并有一定数量的文献发表，但在国内相关报道较少。由于这一技术广泛的应用价值和光明前景，开展这方面的研究，就目前国情来看，有着深远意义。目前的目标跟踪算法，对于高速运动的目标，在实际应用中存在许多问题。传感器节点计算资源严重受限，目标

18、定位算法复杂导致节点检测周期过长，目标跟踪精度降低。基于分簇的节点自组织策略，在首领节点选举以及移交阶段，需要节点间交换大量消息，所需时间太长，在此期间内，无法对目标进行有效跟踪，容易导致目标丢失以及能耗过大，目标跟踪的精度和能耗之间不可调节等。13目标跟踪在智能交通的应用智能交通系统(intelligent transportation system，its)【10】是21世纪交通领域最活跃、最有效的交通管理系统，对于解决交通拥挤、提高运输效率、确保交通安全、减少环境污染都有非常重要的作用，是交通运输业实现可持续性发展的有效手段【lo】。作为核心的车辆导航系统(vehicle navigat

19、ion system，vns)【11】和智能车(intelligent vehicle，iv)t12】，需要车辆和道路进行双向的实时信息交换以实现车辆的自动或者半自动驾驶，其核心是对车辆进行跟踪。而无线传感器网络在车辆跟踪领域【13】有着传统的跟踪手段所不及的优点：成本低；易于铺设，不需要布线，只需要在道路两侧部署即可自组成网；实时性好【14l；不易受天气影响，在各种天气，如大雾，雨雪等能见度很低的情况下也能很好地工作，是传统技术如成像等所不能及的。本文研究的是基于声音能量的无线传感器网络单目标跟踪，对在道路上的车辆进行被动或者主动跟踪，目标是研究如何有效实现车辆在道路上尤其是高速公路上的自动

20、或者半自动驾驶。14本文工作本文主要研究在无线传感器网络目标跟踪的应用中，如何实现基于声音能量第一章绪论的车辆跟踪，对在道路上运行的车辆根据其声音进行动态跟踪，获取车辆的行进轨迹。在研读了大量关于目标跟踪和定位的参考文献基础上，本文提出了一套完整的基于声音能量的无线传感器网络单目标跟踪和定位方法，主要工作如下：1、在cacfar基础上，针对基于无线传感器网络的目标跟踪特点，提出了一个单节点wcacfar目标检测算法。使用节点自身的历史数据和“将来”数据动态调节目标检测阀值，相对于预定义常量算法，可以大大提高目标检测的准确性，而又不会像多传感器cfar算法那样需要大量的节点通信，尤其在信噪比较小

21、的情况下能以较小的代价实现恒虚警率目标检测。2、根据智能交通中车辆跟踪的需要，改进了基于声音能量的无线传感器网络单目标跟踪算法，使用节点检测到的目标声音能量值作为簇首领节点选举算法以及簇首领节点移交算法中选择的依据。考虑了在各种异常情况下，如何提高系统的鲁棒性，稳定性。3、提出了加权质心目标定位算法，实现对目标的快速而高效的定位。该算法相对于其它算法，主要优点是计算量小、鲁棒性好，在各种场合下均能有效地对目标实现定位，且大大减少了定位失败次数。实验显示加权质心定位算法定位精度比三边测量定位算法要好。4、在windows操作系统平台上，使用visual c抖60和matlab 65开发了无线传感

22、器网络单目标跟踪仿真平台winwsnsim。该平台基于事件模型，使用消息机制对传感器节点的运行进行控制。在该平台上，从目标的定位精度。能耗以及定位失败次数方面对基于声音能量的单目标跟踪和定位算法以及三边测量定位算法进行了仿真实验。15论文结构本文各章节内容安排如下：第一章：介绍了无线传感器网络的研究背景、意义、当前的国内外研究现状以及在智能交通上的应用。本文研究了基于声音能量的无线传感器网络在智能交通的车辆跟踪方面的应用。4第一章绪论第二章：介绍了声学传感器的声音能量传播数学模型、目标定位原理和目标定位方法。第三章：介绍了目标跟踪的一些关键技术以及目前一些比较常用的目标跟踪算法。第四章：改进了

23、基于声音能量的无线传感器网络目标跟踪算法，提出了目标定位算法以及wca-cfar单节点目标检测算法。第五章：介绍了基于声音能量的单目标跟踪仿真平台winwsnsim的系统架构以及程序设计方法。第六章：介绍了在winwsnsim平台上进行的基于声音能量的无线传感器网络单目标跟踪仿真实验结果和数据分析。最后第七章对本文所做的研究工作进行了总结，并提出了未来在基于声音能量的无线传感器网络目标跟踪方面需要进行的研究工作。第二章基于声音的无线传感器网络目标定位第二章基于声音的无线传感器网络目标定位目标定位是运动目标跟踪的基础。根据不同的分类标准，目标定位问题可以分为几种不同的类型。按照目标形态来分，可以

24、分为对发声物体、发光物体或者振动物体等进行定位；按照传播介质来分，可以将探测信号的传播介质分为在空气中传播、在水中传播、在金属中传播等；按照信号的带宽来分，可以分为宽带信号或者窄带信号；按照信号传播路径，可以分为近距离和远距离；按照目标的数目，可以分为单目标和多目标；按照目标之间的合作情况，分为非合作目标和合作目标群【15j。在目标跟踪领域，视频和音频数据是最关键的两类信息，而声学传感器具有成本低、体积小等优点，声音信号随时间变化比较慢，且其传播过程也比较有规律，采集到的信号会比较稳定和可靠。比起其它物理测量属性，声能可以以一个较低的速率来采样，而且，对目标位置进行估测时不需要频繁更新就能够保

25、证一定的准确性。这样，通过无线网络传输数据不会消耗太多能量，而且可以在共享无线频道的情况下减少对无线通信带宽的要求，从而有效地控制了通信过程中的能量损耗，解决了通信带宽的限制。利用声学传感器可对声源进行定位及跟踪，尤其适合对处于雷达盲区、电磁干扰区的低空或者地面目标的侦查。因此研究如何使用声学传感器对移动目标进行跟踪显得非常有吸引力，这促使本文使用声学无线传感器网络作为平台，试图得到该平台上的声源定位以及跟踪实验直观的跟踪性能。目标定位是指根据目标的某些物理信号对某一时刻的无线传感器网络内被监测目标的空问位置、状态信息进行测量估计。根据被测物理信号的不同，目前目标定位技术主要分为三大类：基于时

26、差定位(time delay of arrival，tdoa)、基于波达方向定位(direction of arrival，doa)及基于接收到的信号能量强度定位(received signal strength energy orintensity，rssi)16】。文中讨论的是基于声音能量的目标定位(rssi)。基于声音信号能量的定位方法对传输带宽及传感器要求较低，比较适用于无线传感器网络。6第二章基于声音的无线传感器网络目标定位21声音能量传播模型在介绍基于声音能量的定位方法之前，首先介绍下声音能量传播模型，即声音信号能量的衰减与传播距离的平方成反比的关系模型。目标定位方法就是在此模型的

27、基础上通过传感器节点侦测到的声信号能量估计出声源目标的位置，实现目标位置估计1711 81。声音能量传播模型的建立是本文要讨论的各种目标跟踪定位算法的基础，当声音通过空气传播时，声音的能量沿着传播的方向与到声源距离的平方成反比。假设在某一时刻声源目标进入了由个声音传感器节点组成的无线传感器网络，理论上认为，目标源均匀地向四周发射声音信号能量，并且声音信号能量的衰减速率与能量传播距离成一定的反比例关系【19】。这样，第i个传感器在时刻f侦测到的声音信号能量可以表示为：yi(t)=si(f)+岛0)i=1，2，3n其中墨(f)是在时刻f目标的声音能量传播到传感器节点i时衰减后的声音能量值；eat)

28、为在时刻f传感器节点f周围的噪音能量值，可以通过测量事先估计出周围环境的噪音信号的能量值，毛(f)一般可以看作是均值为0，方差为仃2的高斯白噪音信号。已知声音能量的传播与距离成一定的反比例关系，因此，声源目标的声音能量在时刻t传播到传感器节点i时衰减后的声音能量值可以表示如下：驰心，嵩寿 防。，i=1，2，3n假设声音信号源能量墨(f)与背景噪音t(f)是互不相关函数，它们为两个相互独立的随机变量，即esi(t)ei(t)=e“(f)e豫(f)=o。这样就可以得到一个关于声音目标能量传播关系式：7第二章基于声音的无线传感器网络目标定位其中： 表示声音从声源传播到第f个传感器节点的时间延迟。s(

29、f)表示声源处在时间t发出的声音能量强度。，(f)为一d维向量，表示在时间t时声源的坐标位置。c为一d维向量，表示在时间t时传感器节点i的坐标位置。lr0一)一巧i表示传感器节点f与声源目标之间的欧几里德距离。毋传感器节点对测量能量值产生的噪音影响系数，该值可以通过测量计算得到。a声音的衰减系数，可以通过测量得到，一般认为该值为2。q(f)传感器节点i的周围噪音能量值，通过测量可以事先估计出周围环境的噪音信号的能量值。忽略目标能量延迟时间内的变化，在不影响计算精度的情况下，可以认为能量的衰减与传播距离的平方成反比，目标声音能量延迟的关系模型可以表示为：咒。)2以，(f)+毛o)29，f衢+qo

30、) (23)注意到这里所建立的声信号能量模型并没有考虑到障碍物，例如人造建筑物或者小山等造成的潜在反射的影响，也没有考虑到潜在风速及方向，传感器网络内植被密度等因素的影响。事实上，这些因素的影响是随时随地存在的。这里假设的模型也有不合理的地方，这也会影响目标定位的精度，例如，车辆目标发射的声信号也许并不是向四周均匀扩散的，或许会偏向有发动机的一边；目标源由于离某个传感器过近，以至于不能将目标源看作一个点目标；另外，每个扩音器的系数都要经过校正以便得到统一的声能量读数。但是，可以很乐观地认为，这些因素并不会造成太大的影响。其原因如下，首先读取声音能量的时间间隔相对于这些异常信号的发生时间是一个非

31、常长的过程，因此，这些因素造成的影响在时间平均中可以忽略不计；其次对目标进行测量的传感器是相当多的，并不是每第二章基于声音的无线传感器网络目标定位个传感器都会受到相同的某个不正常因素的影响。声音能量传播模型实质就是声信号能量的衰减与传播距离的平方成反比的关系模型。这样根据该模型，通过己知的测量能量值就可以估计出目标位置，实现目标定位。22三边测量定位法在介绍声源定位方法之前，首先介绍下三边测量定位方法(trilateration)【20】f21】【22】，该方法是声源定位方法的基础。其理论依据为：在一个二维平面上，已知一个点到其它三个点的距离，并且己知这三个点的坐标位置，则可以根据这三个点的坐

32、标位置以及这三个点到目标的距离计算出目标的坐标位置，其原理如图21所示：图2-1：三边测量法图示20l在图2-1中，已知三个点a，b，c的坐标分别为(五，m)，(x2，咒)，(x3，乃)，以及它们到点d的距离分别为，i，r2，r3，点d的坐标即为所求，假设其坐标为(置】，)，那么存在下面的关系式：f西j再而： 拓j了而=吃 (2-4)l如i了而=r3 通过求解公式24可以得到节点d的坐标为：9第二章基于声音的无线传感器网络目标定位歹=f-l22(x五：一-玛x3)主乏2二羔；_五xi：z一-而x32：+儿y12：-一y乃32：+r巧32：-一r吒12：(2-5)22 在实际环境中，往往已知一个

33、点到不止三个点的距离，即公式2-4将如下：舾i了而=，i 瓜i丽一 (26)舾i了而=r3 该方程组为过定义方程组。为了精度的需要，需要将所有这些等式均考虑在内。多个这样的等式无法使用公式25进行求解，因此可以采用另外一种解法一一最小平方法进行求解。将公式24进行变换如下：(x一五)2+(】，一m)2一，i2=口2(xx2)2+(ry2)2一眨2=62 (27)f20】(x一屯)2+(】，一乃)2 r32=ca2将本来右边为0的部分分别用不同的变量替换，然后将对(x，】，)的求解变换为求式：(a2+6a2+c2+)最小值时的(x，】，)的值。在三维情况下，其原理相同，只是在这种情况下需要用到球

34、体的相关知识，而不再是二维空间中的圆来进行求解了。在三维空间中需要四个球才能定位一个点，该原理与全球定位系统的定位原理相同。23声源定位方法已知声音能量在空气中的传播模型，在侦测到目标声音信号能量后，需要根据多个传感器节点的能量值对目标进行位置状态进行估计。常见的基于声音信号能量的定位方法主要有极大似然估计定位算法、最小二乘估计定位算法等。231极大似然估计法极大似然估计方法【17】【18】【23】是无线传感器网络中基本的定位方法，在节点自身定位或者目标定位中都有使用。假设传感器之间的时间延迟忽略不计，即10第二章基于声音的无线传感器网络目标定位=0，由公式2-3，且yi(t)为条件正态随机变

35、量，其密度函数为瑞懈寸删条件联合概轴极大似然醮可以赫为： 三(so)，厂(f)=f(yo(t)，)，一。o)1 02so)，厂o)矧卜一器2 8)假设均值肛和方差仃2已知，求这个非线性二乘算法方程最小，等价于求似郴“呦oc科啪h一篇2 9，给定了yi(t)，雎，盯2；of一1，目标为找到s(f)和厂(f)使得公式2-9simplex直接搜索方法)完成，或者使用多层次目标搜索法(multi resolution再把确定的区域进一步细化，直到达到想要的精度为止。在保证定位精度的情况在极大似然估计方法中，通过求解出s(f)和，(f)来对声源进行定位。这里介绍另外一种独立于s(f)，即不需要求解出s(

36、f)值的方法一非线性最d,-乘估计【17】【23】，该方法通过两个传感器节点的声音能量读数的比值消除s(f)。将公式23进行变换如下：州带i(訾)弓 (2-10)已知传感器节点i在时刻f的目标能量读数，同样可以知道传感器节点j(ji)在时刻f的目标能量读数，对于传感器节点，进行如公式2一lo的变换：第二章基于声音的无线传感器网络目标定位讣(訾) 令公式2-10和公式2-ii的比值为，得：嘞2酬= (咒(f)一乞( l (f)一6j(t)(2-11)式中：常量，表示传感器节点f和分别到声源目标的距离的比值，且满足o1。对公栅2中的2网ir(t)-r进行展开并进一步整理，可得：令：一等2=(剖2

37、协。一巧一2rj旷矗芦岛=tlr,丁-r,i则可得关系式：)一勺f2=岛2公式2-15表示声源目标的位置坐标在以勺为圆心，以岛为半径的d维超球面上。当d=2时，这样的一个d维超球面为一个圆，当d=3时，则为一球体。图22演示了当d=2且岛1时，随着的增加，目标所在的圆周半径也随着增大：12一第二章基于声音的无线传感器网络目标定位图2-2：两个传感器节点分别位于(一1，0)和(1，0)，四个不同的尼值分别为：04，06，07，08，显示了圆心位置，声源目标位于相应的圆周上【17】考虑当盼觏纰地中的2确展腋换酬衙叽其中：心)()：学或等懒心慨：白2巧一0岛：掣 关于，(f)的非线性最小二乘估计就可

38、以表示为：肿心艺utmr-诉2肌yrr-毒12 ，(，)= 吖+ imt+m 2=m其中，mi是能量比值非1的方程数，收是能量比值为1的方程数。目标就是使j(r)的值达到最小，这里由于关于未知量，(f)的表达式是一个非线性方程，可以利用非线性最小二乘公式求出r(f)的值，实现目标的定位估计。如果在同一时刻，有多个传感器参与跟踪过程，则能得到多对传感器读数比第二章基于声音的无线传感器网络目标定位值。对于d维超球面，需要d+1个独立公式215，可以证明，这就需要有d+2个传感器节点的声音能量读数【17】。233其它定位算法线性最小二乘估计【231【241是在菲线性最小二乘估计的基础上，通过将两个公

39、式215相减得到一个非线性方程，通过求解该非线性方程来求解目标的位置坐标。相比较于非线性最小二乘估计算法，可以进一步节约计算量，但目标定位的精度有所降低。非线性最小二乘定位估计是在超球面公式的基础上，运用节点搜索法，通过求使最大似然公式最小值时的节点位置来实现目标定位，计算量比较大，而且当传感器节点的分布密度较小时，误差较大。约束最小二乘算法【23】【251是给前面超平面公式215加一个约束条件，在这个约束条件的基础上，通过拉格朗日公式直接求出目标位置估计。但约束最小二乘算法依然是求声源目标位置坐标的二次方程，求解较为复杂，计算量很大。234定位算法分析现有的基于无线传感器网络的目标定位算法，

40、如极大似然估计、非线性最小二乘估计、线性最小二乘估计等，都存在一些问题。极大似然估计和非线性最小二乘估计计算过于复杂，对于计算资源和能量受限的无线传感器网络是个很大的挑战。而线性最小二乘算法则在定位精度上太低。对于移动目标跟踪，尤其是像车辆这样高速运动的目标，计算复杂和定位精度过低都将严重影响车辆跟踪的效果，甚至引起目标丢失。车辆跟踪，尤其是高速公路上的车辆跟踪，定位算法要求计算简单、有效，定位精度和能耗可调节。本文在第四章提出了一个适合于车辆跟踪的目标定位算法。24本章小结本章在介绍了声音能量的传播模型后，详细介绍了定位算法的基础三边14第二章基于声音的无线传感器网络目标定位测量定位法。并且

41、详细介绍了目前基于声音能量的几种常用定位算法，包括极大似然估计定位法、非线性最d,-乘估计定位法等。针对车辆跟踪的目标具有快速运动的特点，对这些算法进行了分析，指出了它们的不足，本文在第四章提出了一个适合于车辆跟踪的目标定位算法。目标定位算法是目标跟踪的基础技术，在基于声音能量的无线传感器网络目标跟踪中，跟踪的精度很大部分取决于目标定位算法。在第三章中将介绍在单目标跟踪中的常用跟踪算法。第三章基于无线传感器网络的单目标跟踪第三章基于无线传感器网络的单目标跟踪在传感器网络的许多实际应用中，运动目标跟踪是一项基本功能。由于传感器节点体积小，价格低廉，采用无线通信方式，以及传感器网络部署随机，具有自

42、组织性、鲁棒性和隐蔽性等特点，因此传感器网络非常适合于移动目标的定位和跟踪【6】【261。例如在战场上及时跟踪敌方车辆的行进路线和兵力调动情况，将获取的战场信息及时发送回我方指挥中心。在高速公路和城市道路上，将实时采集的路面信息、交通流量以及交通拥塞信息等传递给车辆，车辆可以根据这些信息进行决策，实现车辆的自动或半自动驾驶。传感器节点存在很多资源条件限制，还经常遭受周围环境的影响。无线通信链路容易受到干扰，网络拓扑结构易动态变化，而传感器网络的目标跟踪应用通常具有较强的实时性要求。因此，许多传统的目标跟踪算法并不适用于无线传感器网络，无线传感器网络的跟踪算法必须尽可能地根据局部信息计算目标的位

43、置和运动轨迹，且应具有鲁棒性、实时传输跟踪数据和计算结果，较低的通信代价等特点。目标跟踪需要传感器网络根据节点的侦测信号判断目标是否出现。如果目标出现，需要在一定时间内判断目标的运动轨迹，这就不仅要求传感器节点对侦测数据进行处理，根据不同任务需求和有限资源选择合适的算法确定目标状态，而且需要和网络中的其它传感器节点进行通信和协作，共同完成对目标的跟踪和定位任务，并且将结果发送给用户。无线传感器网络对目标的跟踪实质上是个协作跟踪过程，各个节点除了自身对目标进行信号侦测外，还需要在各种资源条件限制(计算能力、能耗、通信带宽等)下与其它节点进行通信协作，以期得到比单个传感器节点独立跟踪更为精确的结果

44、。对于无线传感器网络的目标跟踪，关键在于各个节点如何共享数据信息、协作处理数据和管理参与跟踪的节点，如何决定哪个节点参与跟踪，何时唤醒和停止节点以及跟踪的信息如何在组内进行实时而有效的传输和共享等。这些问题都需要根据具体的任务要求和环境等进行分析。按照跟踪对象的数量不同，传感器网络的目标跟踪可以分为单目标跟踪和多16第三章基于无线传感器网络的单目标跟踪目标跟踪；按照目标形状的不同，可以分为点目标跟踪和面目标跟踪；按照传感器节点的运动方式不同，可以分为静态目标跟踪和动态目标跟踪12 71。目前基于传感器网络的目标跟踪研究主要集中在单目标跟踪，单目标跟踪是多目标跟踪的基础。单目标跟踪是指传感器网络

45、的多个或者全部节点协作跟踪同一个目标。传感器节点交换侦测数据，确定目标的位置坐标和运动轨迹，预测目标的运动方向，并通过唤醒机制使得目标运动方向的节点及时加入跟踪。31目标跟踪的关键技术基于无线传感器网络的目标跟踪涉及无线传感器网络的各个方面，从基础的网络通信，到节点的自身定位、时间同步以及分布式数据融合等。其中存在许多关键技术问题需要解决，对这些关键技术进行一个整体的研究对无线传感器网络的理论和应用研究具有重要意义【281。311节点的自组织不同于传统的计算机网络，由于无线传感器网络自身的不稳定性，传感器网络一般没有严格的控制中心，所有节点地位平等，形成一个对等式网络。在目标跟踪应用中，受节点

46、资源的限制，如计算资源有限、通信带宽较低、电池供电等，单个节点通常无法有效地完成目标跟踪，这就需要多个节点进行协同感知，对所获得的数据进行融合处理、提取信息，这样在目标跟踪过程中就有一个局部节点自组织的问题。目前在节点的自组织方面有以下几种方式：l、集中式无线传感器网络中所有参与跟踪的节点将自身采集的关于运动目标的状态数据通过多跳无线网络直接发送给中心服务器，由中心服务器对运动目标的位置和轨迹进行估计。这种方法跟踪精度很高，但节点的能耗过高，延时较大，所以这种方式在无线传感器网络中一般不适用。2、静态局部集中式在网络中静态部署一定数量具有较强处理能力的簇头节点。簇头节17第三章基于无线传感器网

47、络的单目标跟踪点负责维护簇的拓扑结构，接受并处理簇内节点传输过来的关于运动目标的状态侦测信息【27】【29】。这是一种层次式的结构，虽然这是比较好的方法，但是对随机撒布形成的无线传感器网络，无法控制簇头的位置，另外簇头节点的死亡会导致整个簇的失效，在网络拓扑人为不可控时，这种方法就失去了有效性。3、动态局部集中式簇头在目标跟踪过程中通过一定的算法动态产生，并在跟踪过程中动态移交，这是目前比较流行的方法【71。这种方法克服了上面所说的静态簇头的缺点，不过这种方法在目标频繁出现的情况下，容易引起网络“黑洞”，簇头负担过重，能耗过大，同时还需要考虑如何选择节点参与跟踪以减少通信量。4、单点式在目标跟

48、踪过程中，始终只有一个动态头节点在跟踪目标【71。头节点负责获取测量值并更薪目标的估计位置，头节点从其邻居节点中选取信息量最大的节点作为下个头节点。这种方法有效地减少了通信能耗，但是当头节点损坏或数据丢失时，跟踪就无法进行，降低了跟踪系统的稳定性和可靠性。5、序贯式测量值是通过“代理的“走一遭”来获取的，在获取过程中同时进行数据融合。这种方法精度和能耗是自适应的，在获得满足条件的数据后就可以进行后面的跟踪，可以是用户定制的，如移动代理算法【301，但是在传输过程中要考虑传输的通信能耗。移动目标跟踪一般有下面几个阶段：目标的侦测和确定；产生初始区域或初始簇头；目标定位、位置估计和轨迹预测；新的可

49、能区域或簇头的产生。31。2目标侦测传感器网络根据节点的侦测信号判断目标出现与否，这里就有一个侦测信号的获取问题。根据目标合作与否，可以分为被动侦测和主动侦测，主动侦测是指目标和节点之间非敌对关系，节点已知目标所发出的信号(如射频)，以明确的18第三章基于无线传感器网络的单目标跟踪侦测手段进行侦测311。而被动侦测是节点不知道目标的具体特征，只能通过声波、磁场等普通特征来侦测目标。显然，主动侦测发现目标的概率远远大于被动侦测，虚警率也较小，但在实际应用中，这种情况很少。因此对被动侦测的研究是主要方向。目标的确定可以由单个节点来确定，这样实现起来很简单，但是这样虚警率很大。目标的确定还可以通过多

50、个节点的联合判决，目前有这样一些融合判决机制：简单投票融合判决机制、基于声音能量的判决机制、最大后验决策融合机制、最近邻居决策融合机制等f61。但是节点的联合判决需要多个节点间的交换信息，增加了通信开销。因此通常将这两种方法结合，单个节点侦测可能的目标出现，然后通过判决融合机制减小虚警率。313簇生成和维护目前研究的目标跟踪多是基于分簇的节点自组织方式。一个目标的出现经常会被多个节点感知，这样就存在如何在这多个节点中选择一个中心节点负责簇内节点的组织和数据的融合处理等问题。选举初始区域或初始簇头应该遵循这样一个原则：应该选举信息贡献大的节点作为簇头，而尽量减少信息贡献小或信息有冗余的节点参与跟

51、踪，以减少簇内和整个网络节点之间的通信量和能耗，同时要保证跟踪任务的精度，以及在目标的运动过程中，如何进行簇头和成员的动态管理，如何保障算法的鲁棒性和实时性等要求。314目标的定位当节点获得目标的侦测值后，需要据此估计出目标的位置信息。传感器网络的目标跟踪常被分为2个步骤：定位和跟踪，目前主要的定位方法如下：1、基于距离的定位基于距离的定位中，测量节点间距离或方位时采用的方法包括：到达时间toa：到达时间差tdoa；到达角度aoa：接收信号强度指示rssi。目前常选择rssi来进行跟踪定位。基于距离的定位方法虽然能够达到很好的精度，但共同缺点都是需要节点间的严格同步，且能耗太大。19第三章基于

52、无线传感器网络的单目标跟踪2、与距离无关的定位与距离无关的定位中，一种方法是对节点到目标间的距离进行估计，然后通过三边测量定位法或极大似然估计法进行定位。还有一种方法是将包含目标的区域中心或离目标最近的节点位置作为目标位置，这种方法误差较大。3、基于声波衰减模型的定位这种方法需要根据经验测量获得比较接近实际的模型，因此在定位误差上有待提高。315目标轨迹的估计和预测1、数据表达目标的位置有三种数据表示方式：精确的坐标值、位置范围、概率分布。精确的坐标值表示在实现时往往带来很大的误差，而且这种误差会随着跟踪过程的进行而扩大，因此在精度要求不高的环境中可以使用。而位置范围表示和概率分布表示由于考虑

53、了目标位置的多个可能性而具有较高的可信度，从而成为现在目标跟踪数据表示的趋势。但是同样由于其数据的不确定性，在表达和计算上增加了复杂性。2、轨迹的估计估计实际上就是在接受一系列测量值后，通过一定的估计方法得出尽量符合目标真实状态的估计值。比较简单的估计是取平均值、最小方差准则和极大似然估计，不过最近有一些方法有更好的跟踪效果，比如序贯估计法。32单目标跟踪算法321双元检测协作算法在无线传感器网络的双元检测目标跟踪5】中传感器只有两种侦测状态：目标处在传感器侦测距离之内或目标处在传感器侦测距离之外。双元检测的目标检测模型如图31：第三章基于无线传感器网络的单目标跟踪图3-1双元检测算法目标检测

54、模型5】在图31中，圆心为传感器节点，r为传感器节点的传感范围半径(侦测距离)。当目标到传感器节点的距离在rg之内时，传感器节点一定可以检测到目标的存在。而当目标距离传感器节点的距离大于r+8时，传感器节点一定检测不到目标的存在。当目标距离传感器节点的距离在rg和尺+p之间时，传感器节点则以一定的概率检测到目标的存在。算法的步骤如下：l、每个传感器节点记录目标在其侦测范围内出现的持续时间长度。2、邻居节点交换它们的坐标位置和记录的关于目标出现的时间长度。3、在每个时间片，根据每个节点的权重估计出目标的位置信息。4、使用线性拟合算法将所有的目标位置信息的点拟合成其运动轨迹。该算法在估计目标的位置

55、信息时，假设目标在传感器的侦测范围内以匀速直线运动，然后根据目标在一个传感器节点的侦测范围内出现的持续时间来计算其权重。在计算权重的时候，使用了三种方法。第一种方法为相同权重。本质上为多个侦测到目标出现的传感器节点的质心。这种方法在节点密度很大的时候，误差较小，当节点密度不大的时候将产生较大误差。第二种方法为比例权重。其思想为：若目标在某个传感器的侦测范围内持续出现的时间越长，则表示目标距离该传感器节点越近，因此相应的该传感器节点的权重也应该越大。原理如图32所示：21第三章基于无线传感器网络的单目标跟踪图3-2双元检测权重计算示意图【5】如图3-2，在传感器节点的侦测范围内，如果d越大，则表示目标经过的路线(已假设为直线)距离圆心(传感器节点)越近，则该传感器节点的权重应该越大，相应地，d越大，则厂越小，即权重应与r成反比。已知传感器节点的取样频率为f，即取样间隔时间为去，则有：id=产1(t，一肜) 一=一1，i iy，j2 2 ” ，7则有：，=阿=f而 因此权重计算公式如下：1其中即为