基于灰預測的無線傳感器網絡跟蹤策略研究*

左君偉　衣　曉　吳　斌

(1.海裝采購中心　北京　100072)(2.海軍航空工程學院　煙臺　264001)

?

基于灰預測的無線傳感器網絡跟蹤策略研究*

左君偉1衣曉2吳斌2

(1.海裝采購中心北京100072)(2.海軍航空工程學院煙臺264001)

摘要基于預測的目標跟蹤是無線傳感器網絡一個重要的應用,但在實際情況下,由于跟蹤目標產生大量數據計算以及傳輸,從而導致無線傳感器網絡能量消耗極大。為了克服過大的數據計算導致節點過早死亡的現象,提出了一種基于灰預測的節點協同跟蹤策略,引入主通信節點和主預測節點,由主預測節點負責計算目標位置、預測出現節點的區域。主通信節點負責數據的上傳,節點喚醒。同時,由這些通信節點建立起一條數據傳輸線路,避免泛洪式數據傳輸損耗網絡能量。通過實驗仿真表明,該策略在保證目標跟蹤精度的前提下,均衡網絡的能量損耗,避免節點因能量耗盡過早的死亡。

關鍵詞無線傳感器網絡; 目標跟蹤; 灰預測; 節點協同

Class NumberTP393

1　引言

目標跟蹤是無線傳感器網絡一項非常重要的應用,其在軍事及民用領域有著非常大的應用前景[1]。基于無線傳感器網絡的目標跟蹤在戰場對于重點目標的感知極有可能影響著整個戰場態勢的轉變。在無線傳感器網絡跟蹤過程中一方面要解決目標的實時跟蹤定位,另一方面還要解決跟蹤信息的及時反饋。與此同時,由于無線傳感器網絡自身結構特點所致,節點小型化帶來了自身攜帶能量少,處理器運算有限等缺陷。所以在跟蹤過程中,在確保跟蹤精度的前提下,簡化算法。在保證跟蹤到目標的前提下,減少參與跟蹤的節點數量,從而達到延長網絡壽命的目的。

文獻[2]提出了動態最近鄰協作目標跟蹤算法,利用目標周圍的節點動態成簇,來解決實時跟蹤目標的問題,在預測方面利用集中式卡爾曼濾波進行狀態估計,在最近鄰準則下選取目標出現區域的簇頭,由簇頭喚醒周邊節點進行跟蹤。但是,需要注意到的是,卡爾曼濾波對于節點運算要求較大,極易消耗節點能量。同時,動態成簇的范圍一般為探測距離的兩倍,基于動態簇的目標跟蹤易喚醒不必要或貢獻量少的節點,從而增加網絡能耗。

文獻[3]提出了基于最小均方估計誤差的目標跟蹤協同調度算法,通過分布式處理上個時刻節點計算出來的目標狀態及當前測量值來實現對目標的狀態估計,解決了集中式卡爾曼濾波數據處理量大的問題。由于是基于動態成簇式跟蹤,由簇頭來計算及發布跟蹤命令,簇頭消耗的能量巨大,極易造成簇頭提前死亡。

文獻[4]提出了一種改進型的粒子濾波算法,針對目標運動時變性,通過選擇合適的重要密度函數進行改進,降低權值方差,避免了粒子退化。由于在先期采樣過程中,需要重復計算先驗概率密度,造成節點計算量過大,從而過早地消耗了能量。

文獻[5～6]都是在自適應成簇的基礎上提出基于權值的目標跟蹤策略,文獻[6]用測量到目標的強度作為權值進行層次分析法選取簇頭進行目標的時實跟蹤,文獻[5]基于目標的速度動態地調整信息傳輸頻率,文獻[7～10]存在的問題與上述類似。

針對上述問題,本文提出了一種基于灰預測的目標跟蹤節點協同策略,利用主預測節點通過灰預測計算目標下個時刻出現處于節點的位置,由主通信節點負責喚醒該區域節點的方法來解決目標的實時跟蹤問題,通過有限地探測到目標的節點進行加權質心算法來實現對目標的精確地跟蹤定位。通過將運算與通信處理的方式,解決了跟蹤節點數據處理通信量大的問題,避免了節點因提前消耗完能量死亡的問題,從而延長了網絡壽命。

2　節點協同跟蹤策略

2.1目標出現區域預測

由探測到目標信號最大的節點擔任主預測節點,同時,這些節點按下述方法進行預測。

將數據進行預處理:

(1)

得到新的序列:

X=(x(0)(t1),x(0)(t2),…,x(0)(tn))

Y=(y(0)(t1),y(0)(t2),…,y(0)(tn))

求X的1-AGO序列得:

X(1)=(x(2)(t1),x(2)(t2),…,x(2)(tn))

(2)

其中

Z(1)為X(1)的緊臨均值生成序列:

Z(1)=(z(1)(t2),z(2)(t3),…,z(2)(tn))

(3)

其中

z(1)(tk)=0.5(x(1)(tk)+x(1)(tk-1))k=2,3,…,n

則

(4)

(5)

則其變化趨勢的微分方程為

(6)

其時間響應式為

(7)

則

(8)

式(8)為預測目標出現區域的節點橫坐標。同理,縱坐標可依上述方法求得。

2.2主通信節點的選擇策略

t時刻,目標運動軌跡周圍的節點競選主通信節點,主通信節點只考慮距主預測節點的距離以及自身剩余的能量,其競選函數為

(9)

其中,E0為節點的最大能量,Er為當前節點的剩余能量,D為節點的探測距離,d為該節點距主預測節點的距離。

2.3協同跟蹤策略

(10)

會被主通信節點喚醒,進入目標跟蹤過程,從而達到持續性跟蹤目標的目的。

2.4跟蹤定位算法

首先根據探測值大小進行排序,利用式(1)求出其平均值,排除平均值一下的節點,由探測值在平均值以上的節點來定位目標位置。具體算法如下:

滿足條件的探測節點坐標序列為N1(x1,y1),N2(x2,y2),…,Nn(xn,yn),其對應的探測值為{a1,a2,…,an},加權質心定位算法為

(11)

需要注意的是,目標跟蹤定位算法是在主通信節點上完成的,由于無線傳感器網絡跟蹤目標的實質是讓用戶實時地感知目標的變化。

2.5數據傳輸路徑建立

將計算出來的目標位置存儲在主通信節點上,在2.3節中上個時刻主通信節點下傳到下個目標區域的節點中包含自身位置信息,在競選完成下個主通信節點后,由主通信節點聯系上個時刻的主通信節點,從而形成了一條數據傳輸鏈。其具體工作如下:

(12)

3　仿真實驗

為驗證本文算法的有效性,進行四組實驗,對比算法為自適應動態簇加權質心跟蹤算法。仿真條件設置如下,將1000個傳感器節點均勻布置在500×500m的空間范圍內,預設目標速度10m/s,動態簇的簇頭及基于灰預測喚醒的主通信節點設定工作時間為0.5s,利用蒙特卡洛方法進行100次試驗,兩種算法跟蹤誤差如圖1所示。

圖1　跟蹤誤差對比圖

預設數據處理與數據傳輸消耗的單位能量相同,節點每進行一次數據處理和傳輸消耗能量為0.025J,利用蒙特卡洛方法,計算跟蹤一定次數后網絡平均剩余能量如圖2所示。

圖2　網絡剩余能量對比圖

預設網絡每進行一次數據處理與傳輸,時間代價為1ms,利用蒙特卡洛方法,計算一定探測次數下,兩種算法的網絡平均時間延遲,如圖3所示。

圖3　時間延遲對比圖

由于通過灰預測目標出現區域節點位置可能不存在,本文增加一個浮動變量Δ,選取浮動變量不同,其探測精度如圖4所示。

圖4　Δ與探測精度示意圖

4　結語

從探測精度考慮,自適應動態簇加權質心跟蹤算法比本文算法跟蹤精度高,但兩者最大誤差小于等于2m,其主要原因在于本文算法基于能量考慮,減少了距離目標較遠的探測節點加入,另外,通過將預測與通信分開處理,減少目標軌跡上主干節點的能量損耗,如圖2所示,本文算法在剩余能量上比自適應動態簇加權算法有優勢?；跓o線傳感器網絡的目標跟蹤其實質在于使用戶實時地感知目標的變化,從另一方面來說,無線傳感器網絡的另外一個重要特性就是實時性,本文算法在目標跟蹤的同時由主通信節點建立起一條數據傳輸鏈路,確保目標信息能夠及時地傳遞給用戶,從時間延遲上來看,如圖3,本文算法優勢明顯。由于基于灰預測的目標出現區域節點可能在網絡中并不存在,本文算法引入浮動變量Δ,如圖4所示,Δ與跟蹤精度大體上成正比關系,原因是,浮動變量選取的越大,符合預測條件的節點就越多,喚醒參與跟蹤節點也越多,從而提升了探測目標的精度。

本文提出的基于灰預測的無線傳感器網絡跟蹤策略,通過分開網絡中跟蹤與通信兩項工作,從而降低了跟蹤主干節點的壓力,節約了能量,提升了網絡壽命,同時由主通信節點形成的數據鏈路能夠確保目標信息實時被用戶接收,時延性較低。本文在跟蹤誤差方面處于可接受范圍內。

參 考 文 獻

[1] 李志剛,屈玉貴,劉桂英.用無線傳感器網絡探測跟蹤目標[J].通信技術,2006,12:72-74.

LI Zhigang, QU Yugui, LIU Guiying. Detecting and Tracking Target in Wireless Sensor Networks[J]. Communication Technology,2006,12:72-74.

[2] 龍慧,樊曉平,劉少強,等.無線傳感器網絡動態最近鄰協作目標跟蹤算法[J].傳感器與微系統,2012,31(7):135-139.

LONG Hui, FAN Xiaoping, LIU Shaoqiang, et al. Dynamical target tracking algorithm of WSNs based on nearest neighborhood collaboration[J]. Transducer and Microsystem Technologies,2012,31(7):135-139.

[3] 莫磊,胥布工.無線傳感器網絡目標跟蹤平臺協同調度的實現[J].系統工程與電子技術,2011,33(5):1129-1134.

MO Lei, XU Bugong. Realization of collaborative Schdeuling over Wireless Sensor Networks Target Tracking Platform[J]. Systems Engineering and Electronics,2011,33(5):1129-1134.

[4] 黃艷,梁韋華,于海斌.基于粒子濾波的無線傳感器網絡目標跟蹤算法[J].控制與決策,2008,23(12):1389-1394.

HUANG Yan, LIANG Weihua, YU Haibin. Tracking algorithms based on particle filter for wireless sensor networks[J]. Control and Decision,2008,23(12):1389-1394.

[5] 彭勇,王國軍,邢瀟飛.無線傳感器網絡中一種自適應跟蹤協議[J].傳感技術學報,2009,22(3):428-432.

PENG Yong, Wang Guojun, XIN Xiaofei. An Adaptive Target Tracking Protocol in Wireless Sensor Networks[J]. Chinese Journal of Sensors and Actuators,2009,22(3):428-432.

[6] 劉軍,劉暉,葉寧,等.無線傳感器網絡自適應動態簇目標跟蹤策略[J].東北大學學報,2011,32(8):1081-1083.

LIU Jun, LIU Hui, YE Ning, et al. Adaptive Dynamic-Cluster Based Target Tracking Strategy in Wireless Sensor Networks[J]. Journal of Northeastern University(Natural Science),2011,32(8):1081-1083.

[7] 楊小軍,邢科義.無線多跳傳感器網絡下基于粒子濾波的信道容錯的目標跟蹤方法[J].自動化學報,2011,37(4):440-448.

YANG Xiaojun, XING Keyi. Channel Fault Tolerant Target Tracking in Multi-hop Wireless Sensor Networks Based on Particle Filtering[J]. Acta Automatica Sinica,2011,37(4):440-448.

[8] 徐小良,湯顯峰,葛泉波,等.基于量化新息的容積粒子濾波融合目標跟蹤算法[J].自動化學報,2014,40(9):1867-1874.

XU Xiaoliang, TANG Xianfeng, GE Quanbo, et al. Target Tracking Algorithm Based on Cubature Particle Filtering Fusion with Quantized Innovation[J]. Acta Automatica Sinica,2014,40(9):1867-1874.

[9] 朱志宇,蘇嶺東.二進制無線傳感器網絡中的分布式自適應粒子濾波目標跟蹤算法計算機科學[J].計算機科學,2013,40(8):43-45.

ZHU Zhiyu, SU Lindong. Target Tracking Based Distribute Adaptive Particle Filter in Binary Wireless Sensor Networks[J]. Computer Science,2013,40(8):43-45.

[10] 李峰榮,劉貴喜,孫慶方.基于混合濾波的無線傳感器網絡融合跟蹤方法[J].航空學報,2010,31(9):1849-1857.

LI Fengrong, LIU Guixi, SUN Qingfang. A Fusion-tracking Scheme in Wireless Sensor Networks Based on Mixed Filtering[J]. Acta Aeronautica ET Astronautica Sinica,2010,31(9):1849-1857.

收稿日期:2015年10月8日,修回日期:2015年11月22日

作者簡介:左君偉,男,工程師,研究方向:航空裝備管理。衣曉,男,博士,教授,碩士生導師,研究方向:信息融合,無線傳感器網絡。吳斌,男,碩士研究生,研究方向:無線傳感器網絡。

中圖分類號TP393

DOI:10.3969/j.issn.1672-9722.2016.04.015

Tracking Strategy for Wireless Sensor Networks Based on Grey Prediction

ZUO Junwei1YI Xiao2WU Bin2

(1. Navy Equipment Procurement Center, Beijing100072)(2. Naval Aeronautical and Astronautical University, Yantai264001)

AbstractIt is a very important application of target tracking which is based on gery prediction in wireless sensor networks. However, a large amount of calculation and transmission which is produced by tracking target lead to high consumption of wireless sensor networks’ energy. A strategy of nodes collaborative tracking based on grey prediction is proposed to solve the phenomenon that a large amount of data leads to the death of nodes prematurely, bringing in the main communication node and main prediction node, target position is figured out by the main prediction node, area of nodes appearance is predicted by the main prediction. Uploading of data and node waken-up is charged by the main communication node. Meanwhile, a line of data communication is built up by these main communication node to avoid depleting networks’ energy due to the data communication floodly. Simulation results show that the strategy can balance energy consumption and avoid death of node energy is consumpted prematurely under a certain tracking precision.

Key Wordswireless sensor networks, target tracking, grey prediction, node collaboration