基于移动传感器节点集群运动的目标跟踪研究

With the recent advancements of technology in robotics and wireless communication, traditional static sensor networks and hybrid sensor networks can’t meet the needs of target tracking. The problem explored in this project is that, with the extremely limited information on the motion state of the targets, the targets are searched and tracked by the self-organized flocking motion of multiple mobile sensor nodes. The sensor nodes are self-organized into wireless sensor networks. The autonomous and coordinated motion of the nodes is similar to the swarm of birds and bees. First, in the case of limited communication and obstacles, a distributed target searching method based on the swarm intelligence of the mobile sensor nodes is studied. Second, a self-organized surrounding tracking method is researched. The mobile sensor nodes are self-organized to track the target in an arrangement around the target. Third, in the multi-target tracking circumstance, the traversing motion of sensor swarms is discussed. The objective is preventing the decomposition of sensor swarms and collision between sensor nodes. This project is the further research on the target tracking technology based on a sensor network, and explores a new research method to solve the target tracking problem. The method of target tracking by the flocking motion of mobile sensor nodes will be used widely in the fields of military, industry and environmental monitoring.

随着机器人技术和通信技术的发展，传统的固定传感器网络和异构传感器网络已经不能满足目标跟踪的要求，本项目拟探索在对目标的运动状态等信息了解极其有限的情况下，通过移动传感器节点自组织的集群运动，实现多移动传感器节点像鸟群、蜂群一样，自组网络、自主控制、相互协作，对多目标进行搜索和跟踪的问题。首先，在通信受限，存在障碍物的情况下，研究基于集群智能的多移动传感器节点分布式搜索目标的方法；其次，研究多移动传感器节点自组织的包围跟踪目标的方法，使得多个节点自组织地以一种包围目标的排列方式，对目标进行跟踪；最后，研究多目标跟踪环境下多集群之间的穿行运动，保证集群不会被分解，且避免碰撞。本项目是对基于传感器网络的目标跟踪技术的进一步深化，为目标跟踪问题探索一种新的研究手段。通过移动传感器节点的集群运动对目标进行跟踪的方法，将在军事、工业、环境监测等领域具有广泛的应用前景。

多智能体通过相互合作，在很多应用场合中发挥了巨大作用，但是，多智能体的任务分配优化是一个需要解决的问题。本项目对这个问题展开了研究，取得了如下成果：（1）提出一种多移动传感器节点数据采集算法，首先，采用博弈论的方法对多移动采集器在传感器网络内采集数据的问题进行建模，其次，建立移动采集器和传感器节点之间的评价矩阵，然后，提出多移动采集器和产生数据包的传感器节点之间的双向选择算法，并证明这种方法能够降低数据延迟；（2）提出一种目标分配算法，通过分析多无人机目标分配问题的特征，定义了多无人机目标分配的目标函数和约束条件，并且构建了基于无人机和目标的收益矩阵的匹配模型；提出了基于一对一匹配模型的目标分配算法；然后，证明应用这种方法，能够得到稳定的、唯一的、最优的目标分配结果，进一步通过仿真实验证明，这种方法能够平衡任务负载，减少每个无人机的飞行时间；（3）对空战背景下多无人机的任务优化问题展开研究，通过分析空战背景下多无人机任务分配问题的特征，定义了多无人机任务分配的目标函数和约束条件,设计了一种无人机的偏好度量计算方法，根据偏好度量矩阵计算任务的预匹配，提出一种从预匹配中搜索最优任务分配的方法，通过理论和仿真实验证明这种方法能降低无人机在执行任务中的飞行代价。