无线传感器网络节点感应度模型及目标跟踪算法研究

Wireless Sensor Network(WSN) is a fundamental component of Internet of Things (IoT). Target tracking is a basic application of WSN. Existing target tracking systems put too much emphasis on coordinated localization and tracking through communications among nodes, which results in a large energy consumption. In order to lower the energy consumption of nodes, we introduce the concept of 'node sensitivity model', and studies tracking algorithms based on this model. First, this model makes full use of the information at sensing nodes, such as signal strength, current node status, and network conditions. Thus, this model enables fast target tracking and state change among tracking nodes, and reduces the frequent communciations in traditional coordinated tracking. Second, we will explore new types of target localization and tracking protocols and algorithms based on the node sensitivity model. While guaranteeing the tracking accuracy and speed, we will minimize the number of nodes participating in monitoring and tracking, as well as reducing the communications among nodes. Finally, we will use the software engineering techniques to design and develop a prototype system of target tracking. We plan to illustrate the applications of our system in typical WSNs. This research can provide theoretical guidance for the studies on a lot of applications such as target monitoring, localization, and tracking.

无线传感器网络是物联网的基本组成部分，目标跟踪是无线传感器网络的一项基本应用。现有的目标跟踪机制存在参与跟踪的节点多、节点之间过于依赖消息通信进行定位与协作跟踪，能量消耗较大。为了充分降低传感器节点能量消耗，本项目提出"节点感应度模型"的概念，并研究基于节点感应度模型的目标定位与跟踪算法。首先，提出科学合理的节点感应度模型，该模型充分利用传感器节点感应到的信号强度、节点当前状态和网络状况等信息，进行节点状态转换，实现跟踪调度，避免传统协作跟踪中的频繁通信。其次，以节点感应度模型为基础，研究新型的目标跟踪协议和算法，在确保目标跟踪精度和响应速度的前提下，尽量减少参与跟踪的传感器节点的数目，减少传感器节点之间的消息通信。最后，利用软件工程技术，设计与开发目标跟踪原型软件系统，拟在一些典型的无线传感器网络中进行示范应用。研究成果为无线传感器网络中目标监测、定位、目标跟踪等典型应用提供理论指导。

本课题以无线传感器网络的目标跟踪为背景，研究节能的目标跟踪协议和算法，解决目前目标跟踪协议存在通信量大、参与跟踪的节点数目多从而导致耗能多的问题。具体研究无线传感器网络目标跟踪机制，节点感应度计算模型，并研究基于节点感应度的目标定位与跟踪算法。.本项目提出了一种节点感应度计算模型，该模型主要利用传感器节点感应到的信号强度与离目标的距离互相关特性，即感应到的信号强度越大，则感应度值越高。感应度值将作为跟踪过程中节点是否参与跟踪的依据之一。提出了基于多边形的目标跟踪框架-FaceTrack,该跟踪框架包括目标在多边形区域之间的穿越过程中目标跟踪方法，节点唤醒与休眠时机、主跟踪节点的选择方法等。模拟结果表明，FaceTrack跟踪框架能有效定位目标所在多边形区域。为了提高跟踪精度，即实现目标在多边形内部动态移动的跟踪与定位，本项目以节点感应度模型为基础，提出了一种节点自主决策是否参与跟踪的目标跟踪算法（NS-ADTT），该算法基于定位边采用加权质心算法对目标位置进行估计，并且，节点可根据自身感应度值及局部网络情况自主决策是否参与当前跟踪。仿真结果表明，在目标跟踪过程中，该算法在保证一定跟踪精度的基础上减少了参与跟踪的节点数， 降低了网络能耗，有效地延长了网络生命周期。.本项目对其他跟踪模式进行了探索，基于拍卖的思想，提出了基于拍卖的目标跟踪算法Auction-Based Adaptive Sensor Activation Algorithm(简称AASA)。拍卖机制让预测区域内的节点通过竞争产生最适合参与目标跟踪的节点。拍卖过程充分考虑了节点的剩余能量以及节点到目标预测距离。模拟结果表明,算法AASA在保持可接受跟踪质量的前提下,能有效地解决能量消耗不平衡的问题。