面向被动式多目标跟踪的WSN多节点动态选择与协同优化研究

The node selection is an important problem in the field of wireless sensor networks for target tracking. However, passive multi-target tracking brings great difficulties and challenges. In this project, we will start the research with tracking accuracy, energy consumption and network lifetime, build the data association of the node observation and the target trajectory, according to the system model of the passive multi-target tracking derive the formulation and analytical expression of the node selection criterion, construct an effective objective function with multiple indicators, propose an efficient intelligence optimization for searching the best nodes subset, and achieve the node selection for passive multi-target tracking combining the adaptive distributed node scheduling strategy in wireless sensor networks, which can save energy consumption and prolong the network lifetime with considering target tracking accuracy. The research output of this project will provide important theoretical and practical reference value to the large-scale deployment of wireless sensor nodes in the application of bearings-only target tracking.

节点选择是无线传感器网络目标跟踪领域中的一个重要问题，然而被动式多目标跟踪却为该问题带来了极大的困难和挑战。本项目拟结合申请人在被动多传感器目标跟踪领域的前期研究工作以及无线传感器网络目标跟踪的大规模应用趋势，从目标跟踪精度、能量消耗、网络生存期等多个角度入手，建立节点量测与目标航迹的数据关联关系，根据被动式多目标跟踪的系统模型，推导建立节点选择准则的数学表征及其解析表达式，构建合理有效的多指标折衷的节点选择目标函数，并提出高效的智能协同优化算法进行最优节点子集的搜索，结合自适应的分布式节点调度策略实现基于被动式多目标跟踪的WSN多节点动态选择，使得在满足跟踪精度需求下尽可能节省网络能耗，延长网络生存期。本项目的研究成果将为大规模部署无线传感器节点进行被动式目标跟踪的应用环境提供重要的理论和实际参考价值。

节点选择是无线传感器网络目标跟踪领域中的一个重要问题，然而被动式多目标跟踪却为该问题带来了极大的困难和挑战。本项目通过研究随机有限集理论框架下的多目标多伯努利滤波算法，实现多传感器被动式纯方位量测数据的序贯更新，完成多传感器多伯努利密度的融合。通过对信息驱动、任务驱动和风险驱动三种传感器管理评价准则的研究，进行了被动纯方位量测模型下条件后验克拉美-罗下界、瑞利散度、巴氏距离、威胁度等度量指标的推导计算，为构建节点选择目标函数提供科学依据。对于节点选择目标函数的优化求解问题，本项目提出了基于非线性自适应收敛因子和动态扰动权重的改进二进制鲸鱼优化算法，从搜索能力和收敛速度两方面提升优化算法性能。在此基础上，本项目提出了基于势均衡多目标多伯努利滤波器和威胁度组合赋权的被动式多目标跟踪多传感器管理算法，根据最大威胁度目标对应的评价函数指标进行传感器节点管理。通过结合网络通信能耗、节点剩余能量和节点动态成簇机制，又提出了基于标签多伯努利滤波器和能耗均衡的多传感器节点管理方案，实现在满足跟踪精度需求下节省网络能耗并延长网络生存期。另外，本项目还提出了一种基于本地局部信息的分布式多节点动态选择算法从而实现节点自治选择，并可将该方法推广到多目标跟踪应用场景。本项目研究能够为大规模部署无线传感器网络进行多目标跟踪的应用提供研究思路和理论支撑。