专利名称：一种基于无线全向传感器网络的跟踪节点选择方法
技术领域：
本发明涉及无线传感器网络技术领域，特别是涉及ー种基于无线全向传感器网络的跟踪节点选择方法，适用于利用震动传感器、声音传感器、射频天线等全向传感器跟踪过程中节点选择。
背景技术：
物联网(Internet of Things)代表了未来计算与通信技术发展的方向，被认为是继计算机、Internet之后，信息产业领域的第三次发展浪潮。物联网是一个能够在任何时间(Anytime)、地点(Anyplace),实现任何物体(Anything)互联的动态网络,它包括了 P C之间、人与人之间、物与人之间、物与物之间的互联。物联网包括感知层、网络层和应用层3个层次。无线传感器网络(WSN)是感知层采用的关键技术之一。在WSN的应用研究中，目标定位跟踪是ー个重要的研究方向。目标定位跟踪的传感器模型大多是基于声音传感器、震动传感器、射频天线等。在跟踪过程中，实际上由于多径干扰、遮挡、环境等因素，造成个别获取的信号值偏离真实值较大，成为错误測量，而错误測量不是某种噪声造成。在目标定位跟踪中如果不考虑可能存在的错误测量，极易导致目标信息的错误估计甚至目标丢失。
发明内容
本发明所要解决的技术问题是提供一种基于无线全向传感器网络的跟踪节点选择方法，避免错误测量可能带来的跟踪错误或目标丢失。本发明解决其技术问题所采用的技术方案是提供一种基于无线全向传感器网络的跟踪节点选择方法，包括以下步骤(I)在粒子滤波的基础上获得先验状态概率；(2)利用前一时刻的位置、速度估计和估计因子，得到每ー个在探测范围内的节点到目标的最远距离和最近距离；(3)结合节点本身的测量值计算每一粒子相应的权值，并加权得到探测范围内节点測量值可靠性集合；(4)从所述集合中选择可靠的测量值作为跟踪估计依据。所述步骤(I)中采用贝叶斯估计的方法获得先验状态概率。所述步骤(4)中选择三个测量值作为跟踪估计依据。有益效果由于采用了上述的技术方案，本发明与现有技术相比，具有以下的优点和积极效果本发明在粒子滤波基础上，采用贝叶斯估计，获得先验概率，利用前一时刻的位置、速度估计和估计因子，得到每ー个在探测范围内的节点到目标的最远和最近距离，再结合节点本身的测量值计算每一粒子相应的权值，然后加权得到范围内节点测量值可靠性集合，从该集合中选择可靠的测量值作为跟踪估计依据，从而可以在存在错误测量值的情况下，选择可靠的节点测量值作为跟踪依据，从而避免错误测量可能带来的跟踪错误或目标丢失。
图I是本发明的流程图；图2是本发明实施方式中測量点与机动目标关系图；图3是本发明实施方式中測量点与机动目标的可能距离示意图。
具体实施例方式下面结合具体实施例，进ー步阐述本发明。应理解，这些实施例仅用于说明本发明而不用于限制本发明的范围。此外应理解，在阅读了本发明讲授的内容之后，本领域技术人员可以对本发明作各种改动或修改，这些等价形式同样落于本申请所附权利要求书所限定的范围。
本发明的实施方式涉及ー种基于无线全向传感器网络的跟踪节点选择方法，如图I所示，包括以下步骤(I)在粒子滤波的基础上获得先验状态概率；(2)利用前一时刻的位置、速度估计和估计因子，得到每ー个在探测范围内的节点到目标的最远距离和最近距离；(3)结合节点本身的测量值计算每一粒子相应的权值，并加权得到探测范围内节点測量值可靠性集合；(4)从所述集合中选择可靠的测量值作为跟踪估计依据。具体地说，首先获得k时刻先验状态概率P (xkIY1 :k_i)，其中，xk表示状态序列，yk表示测量序列，Yi ;k表示I到k时刻的测量序列。在測量函数是非线性的情况下，根据贝叶斯准则，由粒子滤波序列采样知，后验概率密度函数为Λ^Μ-k) = Σ ω δ(xO--Jt - 4 )其中Np表示粒子数，·^表示k时刻第i个粒子对Xk的抽样值，ω丨表示相应的权重值，S ( ·)表示狄拉克函数。由贝叶斯定理知P (x0 ;k I Y1 :Η) = P (Xk I X0 :Η) P (X0 I yi :Η)上式可以表示成パXd)
ΝΡ = Axit I X0^1 )2, (0k_x5 (X0^1 - )— (dk_xp{^Jtk) I X{yk_x )δ — ·*ο；1_ι)先验概率P (xk I Y1 :η)是 P (X0 :k I Y1 :η)的边缘密度，即 P (x0 k I Yi k-i)=I I . . I P (xQ:k I Y1 M) ClxciClx1. . . dXH,因而先验状态概率 P (xk I Y1 Μ)可以表示为NP.p{xk 丨ル—丨)=X ωΙ,Αχ,ゆ)以机动目标作匀变速运动为例，k时刻测量节点和机动目标的关系可以用图2表示。定义可探測到机动目标区域为可信区域，可信区域内的节点定义为可信节点。图中阴影部分表示机动目标在下ー时刻可能的运动范围，与目标运动速度及估计因子有夫。根据数学知识，将k时刻测量节点和机动目标的关系抽象为与半径为和角度为ΘいΘ 2的扇形有关，其中分别为节点离机动目标的可能最小与最大距离，0。02为节点测量到机动目标的最小与最大方向角。全向传感器信号值与距离有夫。如果要使θρ θ2的值有意义，则需考虑整个可信节点的集合，并验证所有组合，这样会导致计算量巨大。如果只考虑半径，则仅需考虑单个节点测量值Ztm，只需较小的计算 量。因此，k时刻测量节点和机动目标的关系可以进一歩抽象为图3，仅与距离半径有关，与角度无关。k-Ι时刻机动目标的位置与速度是已知的，对于测量节点k时刻机动目标可能出现的范围则是如图3阴影部分所示。^和r2的取值与每ー个粒子i的抽样值和测量值及节点m有关，具体定义如下ベ;=||(4-i，X-i)- {locx{m\ locy{m))\ -匕((^1, )||= ||(4-i，X-i) - {locx(m\ /ocy{m))\\ + Clm ((^1,)||其中(4—いん丨)是第i个粒子k-Ι相刻目标的估计坐标，(ち—η/ρ)是第i个粒子k_l相刻目标的估计速度，(locx (m), Iocy (m))是测量节点的坐标，Cns是估计因子，Cns > I。由上式节点m接收到的信号的可靠性定义为バ所)=(JP^xk 池水
Dm= ^ ω；-ιΦ(4°ι，Dnp zk m)Φ(4°ι，Dm, 定义如下
I满足邱 W "(<’:)
Φ(^,，Dm, zkJ = h(r-) / へm 满足 < ガ(切
'JWimk)满足^α> ガ(<’Γ)由上式可知，如果认为测量节点得到的测量值是可靠的，则Φ(·*^，ベ，及》) = 1;如果认为測量值是clutter測量值，Φ(λ^，么ゾ )<1，并且測量值偏离的程度越大，(DgHi樾小。k时刻集合Ck= {m| Zkjm > nns，0 <m<Ns}，其中η ns是门限值，与节点的探测范围有夫。从三点定位知，要实现机动目标的定位需要3个节点的測量值，因而根据式计算集合Ck中所有节点的P (m)，按照P (m)的大小选取三个测量值作为定位信息依据。不难发现，本发明在粒子滤波基础上，采用贝叶斯估计，获得先验概率，利用前一时刻的位置、速度估计和估计因子，得到每ー个在探测范围内的节点到目标的最远和最近距离，再结合节点本身的测量值计算每一粒子相应的权值，然后加权得到范围内节点测量值可靠性集合，从该集合中选择可靠的测量值作为跟踪估计依据，从而可以在存在错误测量值的情况下，选择可 靠的节点测量值作为跟踪依据，从而避免错误测量可能带来的跟踪错误或目标丢失。
权利要求
1.一种基于无线全向传感器网络的跟踪节点选择方法，其特征在于，包括以下步骤 (1)在粒子滤波的基础上获得先验状态概率； (2)利用前一时刻的位置、速度估计和估计因子，得到每ー个在探测范围内的节点到目标的最远距离和最近距离； (3)结合节点本身的测量值计算每一粒子相应的权值，并加权得到探测范围内节点测量值可靠性集合； (4)从所述集合中选择可靠的测量值作为跟踪估计依据。
2.根据权利要求I所述的基于无线全向传感器网络的跟踪节点选择方法，其特征在于，所述步骤(I)中采用贝叶斯估计的方法获得先验状态概率。
3.根据权利要求I所述的基于无线全向传感器网络的跟踪节点选择方法，其特征在于，所述步骤(4)中选择三个测量值作为跟踪估计依据。
全文摘要
本发明涉及一种基于无线全向传感器网络的跟踪节点选择方法，包括以下步骤在粒子滤波的基础上获得先验状态概率；利用前一时刻的位置、速度估计和估计因子，得到每一个在探测范围内的节点到目标的最远距离和最近距离；结合节点本身的测量值计算每一粒子相应的权值，并加权得到探测范围内节点测量值可靠性集合；从所述集合中选择可靠的测量值作为跟踪估计依据。本发明可以避免错误测量可能带来的跟踪错误或目标丢失。
文档编号H04W84/18GK102685772SQ20121011229
公开日2012年9月19日 申请日期2012年4月17日 优先权日2012年4月17日
发明者夏凌楠, 姜群, 尹达, 林兴华, 林振华, 王静 申请人:中国科学院上海微系统与信息技术研究所