一种自适应传输功率的水下无线传感器网络目标跟踪方法与流程

本发明属于多传感器融合估计领域，涉及一种自适应传输功率的多传感器目标跟踪算法。

背景技术：

水下目标跟踪是现代海洋防卫系统必不可少的部分，也是海洋权益维护与海洋安全保障的关键技术之一。无论是对鱼雷和潜射导弹的防御，还是对水面舰只和水下潜艇的攻击都离不开水下目标跟踪技术。除了军事领域外，水下目标跟踪技术在民用领域也有着重要作用，例如水下目标的搜救与打捞、水下机器人的导航与控制、智能运输系统的交通监控、海洋生物的跟踪等。过去，为了实现水下目标跟踪，学者们主要把注意力集中在水下成像技术和声纳阵列探测技术。但是，水下成像技术受水体浑浊度的干扰较大，对远距离目标难以得到满意的跟踪效果。声纳阵列又通常以安装在船底或者被船只拖曳的方式工作，导致能够实时监测跟踪的区域面积非常有限。为了解决传统水下目标跟踪技术在时间与空间上的局限性，依托于水下无线传感器网络(underwaterwirelesssensornetworks,uwsns)的水下目标跟踪技术凭借其覆盖范围广、观测时间长和实时信息融合的优势已经成为一个新的研究热点。uwsns是无线传感器网络(wirelesssensornetworks,wsns)针对水下环境的延伸，它由集成不同功能的水下传感器节点、水下无人自主航行器(autonomousunderwatervehicle,auv)以及水面基站组成。这些水下节点与auv能在其探测范围内感知目标的信息，并在本地处理后通过水声通信的方式传到融合中心或者基站进行融合获得更为准确的目标位置、速度与加速度等状态信息。

uwsns的节点可以部署在海洋不同深度的水层，当各个节点获得目标的量测数据后，需要将数据传输至融合中心进行深度地目标状态估计。考虑到uwsns通信、能量资源十分有限，通常采用集中式融合的方式进行uwsns目标跟踪。各节点将原始量测量化压缩为较少位数的数据，然后将其传输至融合中心进行目标跟踪任务。然而，由于水声通信环境复杂，数据在传输过程中会出现误码问题。为了提高融合中心接收量测的准确性，需要增大节点传输数据的功率，然而，这会导致节点能量消耗的增大，降低网络的能效。

为了解决目标跟踪过程中，各节点量测数据传输准确性和传输能量消耗之间的矛盾，本发明提出了一种基于自适应传输功率的水下无线传感器网络目标跟踪方法。针对传输功率对量测数据准确性和节点能耗的影响，方法通过在目标跟踪过程中，通过评估量测的价值，获得节点传输功率与目标跟踪精度和能量消耗之间的定量关系，建立包含目标跟踪精度和网络能耗的效能函数，通过数值求解方法实时进行节点传输功率的自适应调整，提高了目标跟踪的精度和网络能量的效率。

技术实现要素：

本发明提出了一种基于自适应传输功率的水下无线传感器网络目标跟踪方法。针对传输功率对量测数据准确性和节点能耗的影响，本发明方法通过在目标跟踪过程中，建立综合考虑目标跟踪精度和网络能耗的效能函数，对节点传输跟踪进行自适应调整，提高了目标跟踪的精度和网络能量的效率。

为了实现上述目的，本发明的技术方案为：

本发明所提出的基于自适应传输功率的水下无线传感器网络目标跟踪方法考虑到uwsns通信和能量资源有限，各节点通常需要将量测数据压缩为较少的位数以降低通信负担。由于通信条件复杂，数据在传输过程中会出现误码问题，为了减小误码概率，需要增大传输信号的功率，而增大传输功率会导致过多的能量消耗。因此，如何解决量测传输过程中数据准确性和能量消耗之间的矛盾是本发明所提方法的重点。

为了解决目标跟踪过程中，各节点量测数据传输准确性和传输能量消耗之间的矛盾，本发明的核心思路为：对于高价值的量测数据，增大传输功率以保留更多有效信息；对于低价值的量测数据，减小传输功率以降低能量消耗。首先，对各节点的量测数据价值进行评估，节点传输功率会对传输过程的误码率产生影响，在给定的传输功率下，可以计算量测数据的费舍尔信息可以评估量测价值，得到传输功率与量测价值之间的定量关系；其次，计算各节点传输过程的能量消耗，得到传输功率与能量消耗之间的定量关系；最后，建立包含量测价值和传输能量消耗的目标函数，并基于和声搜索算法计算各节点的最佳传输功率，将量测数据传输至融合中心，通过粒子滤波进行目标状态估计。

具体的，本发明方法包含以下几个步骤：

步骤一，建立包含量测价值和传输能量消耗的目标函数，获得节点传输功率与目标函数之间的定量关系；

步骤二，基于和声搜索算法求解k+1时刻各节点的最佳传输功率

步骤三，各个节点获取k+1时刻的量测数据后，将其量化为0或1的二进制量测，并以相应的传输功率将量测发送至融合中心；

步骤四，融合中心利用接收到各节点量测采用粒子滤波算法进行目标状态的融合估计，获得目标状态和协方差的估计值和

步骤五，进入下一时刻的循环，重复步骤一至四，直至目标跟踪任务结束。

本发明所提出的基于自适应传输功率的目标跟踪方案可以有效地解决各节点量测数据传输准确性和传输能量消耗之间的矛盾，通过数值求解的方法进行各节点传输功率的实时调整，最大化地保留有效的量测信息，同时避免不必要的能量消耗，对于提高uwsns目标跟踪的精度和能量效率有着重要的意义。

附图说明

图1为本发明所提出的基于自适应传输功率的水下无线传感器网络目标跟踪方法的流程图。

具体实施方式

下面结合附图1对本发明的实施进行详细的说明，并给出具体的操作方式以及实施步骤。

如图1所示，在每一个采样时刻，各个节点都会获取目标的量测数据，并将量测数据发送至融合中心进行多节点的数据融合。uwsns中的节点检测到目标后，需要唤醒目标周围的节点对目标进行持续的跟踪。水下运动目标的状态模型通常描述为：

xk+1＝fkxk+wk(1)

其中表示目标在k时刻的运动状态，(xk,yk,zk)表示k时刻目标在空间坐标系中的位置，则表示目标在相应方向的速度，fk表示运动目标在k时刻的状态转移矩阵，wk表示服从高斯分布的过程噪声。

对于部署在水域中的uwsns，节点s在k+1时刻的量测模型可以表示为：

其中,(x^s,y^s,z^s)表示节点s的位置，表示节点s的量测方程，表示服从高斯分布的量测噪声。量测方程为目标的纯距离量测：

由于uwsns通信带宽有限，需要对量测进行量化处理，将原始量测量化为二进制量测：

其中γ＝[γ0,γ1,γ2]为预设的量化阈值。

假设uwsns中节点已经发现目标并通过航迹起始算法获得目标的初始状态估计及其估计误差协方差那么根据以上模型并参照图1，本发明方法的具体实施步骤如下：

步骤一，建立包含量测价值和传输能量消耗的目标函数。目标函数的第一部分为量测价值，通过费舍尔信息评估量测对目标跟踪精度的价值。根据节点的量化量测模型，相应的量测似然为：

其中，是相应的量测噪声方差，q(·)表示标准高斯分布的右尾函数：

将量化量测传输至融合中心时，由于水声通信环境复杂，可能出现误码现象。假定节点s量测传输过程中k+1时刻的误码概率为则融合中心接收量测对应的概率为：

因此，融合中心接收到所有量测的联合似然函数为：

其中由误码率决定。随着传输功率的调整，信息传输的信噪比和误码率随之改变，量测似然进而受到影响：

其中，a^j表示节点j信号在传输时的衰减系数，由传输距离和信号频率决定，由于各节点与融合中心之间的距离保持固定，且信号频率不变，因此衰减系数通常为固定值。pamb表示环境噪声的干扰功率，αs表示节点信号受到其他节点信号干扰的概率。显然，通过调整各节点的传输功率可以改变融合中心接收到的各个量测的准确性和传输过程的能量消耗。

基于式(9)的联合似然函数，可以计算量测的费舍尔信息作为量测价值的判据，即：

其中:

因此，综合式(5)—(14)，可以建立目标函数的量测价值部分：

f1(pk+1)＝-trace(jk+1)(15)

而对于能量消耗部分，对于固定位数l的量测数据和传输速率b，各节点的能量消耗为：

因此，最佳传输功率可以通过目标函数(17)计算得到：

步骤二，在每个采样时刻，各节点希望根据量测价值的不同进行传输功率的调整，对于高价值量测，可以增大传输功率以减小误码率，保证量测信息；而低价值量测的节点可以减小传输功率，以节省能量消耗。通过求解目标函数(17)，可以获得最佳的传输功率pk+1。由于目标函数高度非线性，为了以较快的速度计算并保证求解质量，这里通过启发式的和声搜索算法求解最佳传输功率。以各节点的传输功率作为和声矢量通过初始化、改进、更新和声的过程搜索问题的最优解。

v.初始化：在节点传输功率调整范围内随机生成多个和声矢量，组成一个和声库，其中每个和声矢量对应一组可行解；

vi.改进和声：为了寻找最优解，需要对和声矢量进行改进。根据预设的参数对已有的和声进行改进，得到一个新的和声矢量；

vii.更新和声：基于步骤一中给出的目标函数(17)评价和声矢量，将新和声矢量与和声库中最差的和声进行比较，保留其中较好的和声，对和声库进行更新；

viii.终止搜索：不断重复过程i—iii，当搜索次数到达上限时停止搜索，将

和声库中最好的和声矢量作为该时刻的传输功率

步骤三，各个节点获取k+1时刻的量测数据后，通过式(4)将其量化为0或1的二进制量测，并以相应的传输功率将量测发送至融合中心；

步骤四，经过传输信道，融合中心接收到各节点量测融合中心采用粒子滤波算法进行目标状态的融合估计。粒子滤波算法的过程如下：

v.粒子传播：完成k时刻的目标估计后，需要基于目标状态方程(1)传播粒子，获得k+1时刻的采样粒子：

vi.粒子权值更新：计算多节点的联合量测似然函数(9)进行粒子的权值更新，其中各节点量测的误码概率由相应的传输功率计算。各粒子的权值更新如下：

归一化处理后的粒子权值为：

vii.粒子重采样：根据粒子权值重新对粒子进行采样，获取最终的目标粒子，并将所有粒子的权值设为

viii.目标状态更新：利用重采样后的粒子估计目标状态和协方差：

至此，完成k+1时刻的目标状态估计。

步骤五，进入下一时刻的循环，重复步骤一至四，直至目标跟踪任务结束。

本发明提出了一种自适应传输功率的水下无线传感器网络目标跟踪方法。通过费舍尔信息矩阵对目标跟踪中量测数据的价值进行评估，并且建立了节点传输功率与量测价值之间的定量关系，综合考虑融合中心可以获得的目标信息和相应的能耗代价建立了效能函数，通过数值方法实现各节点传输功率的自适应调整。对于高价值的量测数据，节点可以增大传输功率，保证融合中心获得准确的有效信息，对于低价值的量测数据，节点可以减小传输功率，以降低传输过程的能量消耗，实现跟踪精度和能量消耗的平衡。相比目前已有的水下无线传感器网络目标跟踪问题，本方法首次考虑了传输功率对目标跟踪精度和能量消耗的影响，将更多的能量用于传输高价值量测数据，提高能量的利用效率，解决水下无线传感器网络目标跟踪中能量资源与目标跟踪精度之间的矛盾。