壽向晨，杜嘉迪

(武漢理工大學(xué)信息工程學(xué)院，湖北武漢 430070)

0 引言

WSN是集信息采集、信息傳輸和信息處理于一體的綜合智能信息系統(tǒng)，是構(gòu)建新一代分布式處理系統(tǒng)的有力工具。目標(biāo)跟蹤是WSN的一個(gè)重要應(yīng)用領(lǐng)域。由于傳感器節(jié)點(diǎn)體積小、價(jià)格低廉、采用無(wú)線通信方式以及WSN部署隨機(jī)，具有自組織性、魯棒性和隱蔽性等特點(diǎn)，非常適合于移動(dòng)目標(biāo)的定位和跟蹤。

目標(biāo)跟蹤［1］是指監(jiān)測(cè)者隨時(shí)隨地地掌握指定目標(biāo)的位置信息、移動(dòng)軌跡和當(dāng)前狀態(tài)等信息。目標(biāo)跟蹤在軍事和各種民用跟蹤系統(tǒng)中有廣泛的應(yīng)用，例如在戰(zhàn)場(chǎng)上及時(shí)跟蹤敵方車輛的行進(jìn)路線和兵力調(diào)動(dòng)情況，將獲取的戰(zhàn)場(chǎng)信息及時(shí)發(fā)送回指揮中心、消防中的救援和生物學(xué)上的動(dòng)物跟蹤等。WSN的目標(biāo)跟蹤應(yīng)用通常需要具有較強(qiáng)的實(shí)時(shí)性，許多傳統(tǒng)的目標(biāo)跟蹤算法并不適用于WSN。在節(jié)點(diǎn)資源受限的條件下，如何通過節(jié)點(diǎn)間相互協(xié)作有效地實(shí)現(xiàn)目標(biāo)的精確跟蹤具有十分重要的意義。

1 相關(guān)工作

目標(biāo)跟蹤作為無(wú)線傳感器網(wǎng)絡(luò)的一項(xiàng)基本應(yīng)用，已經(jīng)得到了廣泛的研究，目前的跟蹤算法大都通過信號(hào)處理技術(shù)、分簇技術(shù)和連續(xù)目標(biāo)定位技術(shù)來實(shí)現(xiàn)［2－6］。如文獻(xiàn)［2］針對(duì)主動(dòng)傳感器與被動(dòng)傳感器采樣頻率不相同的目標(biāo)跟蹤問題，提出一種新的解耦算法。在沒有測(cè)距信息的采樣時(shí)刻，通過構(gòu)造虛擬量測(cè)點(diǎn)的方法進(jìn)行濾波跟蹤，有效地利用了全部測(cè)角信息，提高了跟蹤性能。文獻(xiàn)［3］根據(jù)無(wú)線傳感器網(wǎng)絡(luò)分布式目標(biāo)跟蹤的特性，提出一種改進(jìn)粒子濾波算法。將簇內(nèi)各節(jié)點(diǎn)最新的觀測(cè)數(shù)據(jù)用極大似然估計(jì)法得到目標(biāo)的狀態(tài)信息，該信息作為參考分布更換粒子濾波部分粒子，引入模糊推理的數(shù)據(jù)融合方法為各個(gè)節(jié)點(diǎn)濾波結(jié)果分配不同權(quán)值，通過加權(quán)平均法得到目標(biāo)的狀態(tài)信息。文獻(xiàn)［4］針對(duì)傳統(tǒng)交互式多模型算法實(shí)行正則濾波的單一化缺點(diǎn)，利用卡爾曼濾波匹配系統(tǒng)線性部分，粒子濾波匹配非線性部分，根據(jù)匹配深度判斷目標(biāo)遮擋程度，當(dāng)目標(biāo)被嚴(yán)重遮擋時(shí)，采用迭代的多級(jí)粒子濾波方法進(jìn)行重采樣，并結(jié)合卡爾曼濾波更新模型概率。實(shí)驗(yàn)結(jié)果表明，該算法實(shí)時(shí)性強(qiáng)，能提高模型濾波速度和目標(biāo)狀態(tài)的估計(jì)精度，縮短計(jì)算時(shí)間，解決跟蹤過程中的遮擋問題。

基于信號(hào)處理的跟蹤算法增加了系統(tǒng)設(shè)計(jì)的復(fù)雜性，并且僅僅側(cè)重于信號(hào)處理方面;基于分簇的跟蹤算法需要對(duì)網(wǎng)絡(luò)進(jìn)行分簇，會(huì)導(dǎo)致整個(gè)網(wǎng)絡(luò)的能量消耗不均勻，而且簇頭的選舉、更新和維護(hù)也會(huì)增加網(wǎng)絡(luò)負(fù)載;基于距離的定位算法對(duì)無(wú)線傳感器節(jié)點(diǎn)的硬件要求較高，成本較高，在操作的時(shí)候也會(huì)增加能量消耗。針對(duì)上述問題，提出了一種改進(jìn)的目標(biāo)跟蹤方法，并通過仿真實(shí)驗(yàn)驗(yàn)證了方法的有效性。

2 系統(tǒng)模型

研究的無(wú)線傳感器網(wǎng)絡(luò)目標(biāo)跟蹤問題限定于以下的假設(shè):

采用的WSN是同構(gòu)網(wǎng)絡(luò)，即每個(gè)傳感器節(jié)點(diǎn)具有同樣的能力，相同的感應(yīng)半徑和通信半徑?；贕AF(Geographical Adaptive Fidelity)的分簇算法把監(jiān)測(cè)區(qū)域劃分成虛擬單元格，每個(gè)節(jié)點(diǎn)按照地理位置信息劃入相應(yīng)的單元格。在沒有目標(biāo)出現(xiàn)時(shí)候，網(wǎng)絡(luò)在每個(gè)單元格中周期地選舉一個(gè)簇頭節(jié)點(diǎn)，只有簇頭節(jié)點(diǎn)保持活動(dòng)，其他節(jié)點(diǎn)進(jìn)入睡眠狀態(tài)。當(dāng)移動(dòng)目標(biāo)進(jìn)入監(jiān)測(cè)區(qū)域，簇頭節(jié)點(diǎn)喚醒簇內(nèi)所有節(jié)點(diǎn)。

每個(gè)傳感器節(jié)點(diǎn)知道自己的地理位置，并且保存了所有直接鄰居的信息。為了獲取目標(biāo)的位置，文章使用簡(jiǎn)單的定位算法(三邊測(cè)量法或者RVI定位方法)來對(duì)移動(dòng)目標(biāo)進(jìn)行定位。如果一個(gè)節(jié)點(diǎn)監(jiān)測(cè)到移動(dòng)目標(biāo)外并且還接收到另外2個(gè)或者2個(gè)以上的鄰居節(jié)點(diǎn)監(jiān)測(cè)信息，該節(jié)點(diǎn)就能夠計(jì)算出移動(dòng)目標(biāo)的位置。

為了節(jié)省能量，每個(gè)傳感器節(jié)點(diǎn)都有睡眠狀態(tài)、監(jiān)測(cè)狀態(tài)和工作狀態(tài)。這里只考慮節(jié)點(diǎn)通信消耗的能量，網(wǎng)絡(luò)中節(jié)點(diǎn)發(fā)送數(shù)據(jù)采用的能量消耗模型如下:

式中，d為源節(jié)點(diǎn)到目標(biāo)節(jié)點(diǎn)的距離;packetsize為包的大小;ET－elecEelec和ER－elec分別為傳輸電路和接收電路消耗的能量;Eamp為多路衰減模型的功率放大系數(shù)。

傳感器節(jié)點(diǎn)的感應(yīng)模型是概率感應(yīng)模型(PSM)，研究的對(duì)象是單目標(biāo)跟蹤。

2.1 相關(guān)定義

為了方便描述，對(duì)將要用到的基本概念說明如下，設(shè)節(jié)點(diǎn)s為任意的傳感器節(jié)點(diǎn)。

定義1:新鄰居。t時(shí)刻(除去t－1時(shí)刻)目標(biāo)處于節(jié)點(diǎn)s感應(yīng)范圍內(nèi)的節(jié)點(diǎn)。

定義2:固定鄰居。無(wú)論是t－1時(shí)刻還是t時(shí)刻，目標(biāo)都處于節(jié)點(diǎn)s感應(yīng)范圍內(nèi)的節(jié)點(diǎn)。

2.2 鄰域監(jiān)測(cè)

一般而言，傳感器節(jié)點(diǎn)的感應(yīng)質(zhì)量可以從3個(gè)方面考察:距離性、方向性和不確定性。不同的傳感器節(jié)點(diǎn)由于其功能和基本硬件的構(gòu)成差異，其感應(yīng)能力也各有不同，但依然存在2點(diǎn)共通的物理特性:①感應(yīng)的能力和傳感器節(jié)點(diǎn)與被感目標(biāo)之間的距離成反比;②感應(yīng)到的時(shí)間越長(zhǎng)，感應(yīng)到的數(shù)據(jù)量越大?；谏鲜鎏匦?，定義re為節(jié)點(diǎn)在感應(yīng)目標(biāo)過程中的不確定度量值，r(r＞re)為所感應(yīng)信息質(zhì)量可靠的概率為1的最大半徑值，那么傳感器節(jié)點(diǎn)k在t時(shí)刻對(duì)任意目標(biāo)點(diǎn)q的感知信息收益值為:

式中，d(k，q)為 k與 q之間的直線距離;α =d(k，q)－(r－re);λ、β為 d(k，q)在 (r－re)～(r+re)內(nèi)變化時(shí)的傳感器感應(yīng)的衰減系數(shù)。

節(jié)點(diǎn)k會(huì)與鄰域節(jié)點(diǎn)共享其感知結(jié)果，同時(shí)節(jié)點(diǎn)k也接收來自鄰域節(jié)點(diǎn)所感知的信息收益值并進(jìn)行積累，定義節(jié)點(diǎn)k處所積累的感知信息收益值計(jì)算如下:

由式(2)和式(3)可知，節(jié)點(diǎn)k在感知到目標(biāo)后，會(huì)將自己所感知的信息收益值Ik(t)共享給鄰域節(jié)點(diǎn)，從而使得鄰域節(jié)點(diǎn)處積累的信息收益值通過更新而有可能增大，若鄰域節(jié)點(diǎn)也發(fā)現(xiàn)了目標(biāo)，那么就可以通過這種“正反饋”方式加強(qiáng)發(fā)現(xiàn)目標(biāo)的趨勢(shì)，此時(shí)ΔIk(t)會(huì)進(jìn)一步增加，當(dāng)ΔIk(t)增大到一定程度，即滿足大于或等于閾值Th時(shí)(h是指為了確定目標(biāo)的存在，t時(shí)刻節(jié)點(diǎn)在它的一跳范圍內(nèi)積累了至少(h－1)個(gè)鄰居節(jié)點(diǎn)發(fā)現(xiàn)目標(biāo)的信息)，節(jié)點(diǎn)就可判定其周圍出現(xiàn)了目標(biāo)，即實(shí)現(xiàn)了鄰域監(jiān)測(cè);然而，并不是參與感知的傳感器節(jié)點(diǎn)越多越好，距離目標(biāo)遠(yuǎn)的節(jié)點(diǎn)可能由于干擾、噪聲和信號(hào)弱等原因所得到監(jiān)測(cè)數(shù)據(jù)質(zhì)量不高，距離目標(biāo)近的節(jié)點(diǎn)得到的監(jiān)測(cè)數(shù)據(jù)相對(duì)質(zhì)量較高。因此，為了減少獲取低質(zhì)量數(shù)據(jù)，則應(yīng)該盡量減少距離目標(biāo)遠(yuǎn)的節(jié)點(diǎn)參與目標(biāo)的跟蹤，這樣既可以節(jié)省距離目標(biāo)較遠(yuǎn)的節(jié)點(diǎn)進(jìn)行無(wú)效感知而導(dǎo)致的能量浪費(fèi)，又能提高感知的精確度。

2.3 節(jié)點(diǎn)狀態(tài)切換機(jī)制

這里將傳感器節(jié)點(diǎn)狀態(tài)分為睡眠、監(jiān)測(cè)和工作3種狀態(tài)。睡眠狀態(tài)，所有模塊都被關(guān)閉，能量消耗最小;監(jiān)測(cè)狀態(tài)，節(jié)點(diǎn)通過感應(yīng)功能來收集和處理環(huán)境數(shù)據(jù);工作狀態(tài)，節(jié)點(diǎn)進(jìn)行目標(biāo)的跟蹤。圖1描述了節(jié)點(diǎn)按照規(guī)則R1～R6進(jìn)行狀態(tài)轉(zhuǎn)換的過程。圖1中，R1為收到beacon消息包;R2為節(jié)點(diǎn)監(jiān)測(cè)不到目標(biāo);R3為積累信息收益值大于閾值;R4為積累信息收益值大于閾值;R5為定期T時(shí)間采集周圍環(huán)境計(jì)算信息收益值;R6為與鄰域節(jié)點(diǎn)協(xié)作定位目標(biāo)。

圖1 節(jié)點(diǎn)狀態(tài)切換

這里為每個(gè)非睡眠狀態(tài)的節(jié)點(diǎn)設(shè)置了節(jié)點(diǎn)權(quán)值，如表1所示。

表1 節(jié)點(diǎn)權(quán)值分配表

表1中，R為目標(biāo)的感應(yīng)半徑，由于噪聲等其他因素的干擾，傳感器節(jié)點(diǎn)能夠感應(yīng)到目標(biāo)點(diǎn)有效范圍在0.8R～1.2R之間;d為目標(biāo)到傳感器節(jié)點(diǎn)的距離;wD為移動(dòng)目標(biāo)到傳感器節(jié)點(diǎn)的距離所產(chǎn)生的距離權(quán)值;Dir表示目標(biāo)遠(yuǎn)離還是靠近傳感器節(jié)點(diǎn)的趨勢(shì)，wDir表示由目標(biāo)移動(dòng)趨勢(shì)所產(chǎn)生的趨勢(shì)權(quán);節(jié)點(diǎn)權(quán)值用w表示，其值如下計(jì)算:

由上述節(jié)點(diǎn)權(quán)值計(jì)算公式知，當(dāng)傳感器節(jié)點(diǎn)距離移動(dòng)目標(biāo)的距離d＜1/3R，并且移動(dòng)目標(biāo)還繼續(xù)靠近傳感器節(jié)點(diǎn)時(shí)，傳感器節(jié)點(diǎn)取得最大節(jié)點(diǎn)權(quán)值5，具有獲取最好的監(jiān)測(cè)數(shù)據(jù)能力;當(dāng)傳感器節(jié)點(diǎn)距離移動(dòng)目標(biāo)的距離d＞R，并且移動(dòng)目標(biāo)還繼續(xù)遠(yuǎn)離傳感器節(jié)點(diǎn)時(shí)，傳感器節(jié)點(diǎn)取得最小節(jié)點(diǎn)權(quán)值0，傳感器節(jié)點(diǎn)不能夠?qū)σ苿?dòng)目標(biāo)進(jìn)行跟蹤。因此，為了得到更好的監(jiān)測(cè)數(shù)據(jù)，并且能夠減少參與跟蹤的節(jié)點(diǎn)數(shù)目，設(shè)置權(quán)值閾值w，規(guī)定只允許ΔIk(t)大于w的傳感器節(jié)點(diǎn)才能夠轉(zhuǎn)換為工作節(jié)點(diǎn)，參與移動(dòng)目標(biāo)的跟蹤。

2.4 目標(biāo)跟蹤

當(dāng)節(jié)點(diǎn)k的積累信息收益值ΔIk(t)大于閾值Th時(shí)，則節(jié)點(diǎn)k可以判斷其鄰域出現(xiàn)了目標(biāo)，此時(shí)節(jié)點(diǎn)k與其鄰域節(jié)點(diǎn)中同樣滿足閾值條件的節(jié)點(diǎn)，通過相互協(xié)作來實(shí)現(xiàn)目標(biāo)跟蹤任務(wù)。通常并不是所有的鄰居節(jié)點(diǎn)都能提供有用的目標(biāo)信息，ΔIk(t)越大，說明節(jié)點(diǎn)對(duì)目標(biāo)的感知程度越清晰，節(jié)點(diǎn)所能提供的信息愈有益。這里規(guī)定只有鄰域節(jié)點(diǎn)積累的信息收益值滿足閾值條件且是目標(biāo)的新鄰居和固定鄰居才參與協(xié)作跟蹤。下面給出目標(biāo)跟蹤算法的部分偽碼:

2.5 基于數(shù)據(jù)報(bào)告的目標(biāo)修正

目標(biāo)跟蹤是一個(gè)動(dòng)態(tài)的、需要不斷調(diào)整的過程，當(dāng)目標(biāo)的運(yùn)動(dòng)方向、速度或者軌跡發(fā)生改變時(shí)，監(jiān)測(cè)節(jié)點(diǎn)必須發(fā)送一份數(shù)據(jù)報(bào)告給處理中心(Sink節(jié)點(diǎn))，Sink進(jìn)行自適應(yīng)處理，以保證目標(biāo)跟蹤的準(zhǔn)確性和連續(xù)性。數(shù)據(jù)報(bào)告的內(nèi)容則包含:發(fā)送報(bào)告的節(jié)點(diǎn)ID、時(shí)間、目標(biāo)的位置、速度和方向等信息。一般數(shù)據(jù)報(bào)告由應(yīng)用需求決定，即根據(jù)應(yīng)用需要周期性地報(bào)告移動(dòng)目標(biāo)的消息。

由于目標(biāo)移動(dòng)的不確定性，如果采取恒定的數(shù)據(jù)報(bào)告頻率，即節(jié)點(diǎn)每間隔固定的時(shí)間向Sink節(jié)點(diǎn)發(fā)送數(shù)據(jù)報(bào)告，會(huì)造成一些不足:①當(dāng)移動(dòng)目標(biāo)速度加快時(shí)，定位精確度下降;② 當(dāng)移動(dòng)目標(biāo)速度很慢時(shí)，采用仍是較高的頻率，造成能量利用率不高;③當(dāng)移動(dòng)目標(biāo)長(zhǎng)時(shí)間靜止時(shí)會(huì)導(dǎo)致節(jié)點(diǎn)連續(xù)工作時(shí)間較長(zhǎng)，造成節(jié)點(diǎn)能量過早耗盡，而導(dǎo)致網(wǎng)絡(luò)使用壽命縮短。如果能夠根據(jù)目標(biāo)的移動(dòng)狀態(tài)自適應(yīng)地參與目標(biāo)的跟蹤，改變傳感器節(jié)點(diǎn)的數(shù)據(jù)報(bào)告頻率，將有利于提高能量的利用率，并且能夠提高跟蹤過程中的精確度。因此，基于分簇的網(wǎng)絡(luò)結(jié)構(gòu)，對(duì)數(shù)據(jù)報(bào)告的頻率進(jìn)行了分析。

說明1:所有檢測(cè)到目標(biāo)的節(jié)點(diǎn)會(huì)將數(shù)據(jù)先發(fā)送到簇頭節(jié)點(diǎn)，然后由簇頭節(jié)點(diǎn)發(fā)送數(shù)據(jù)到Sink;

說明2:當(dāng)有2個(gè)或2個(gè)以上的簇同時(shí)監(jiān)測(cè)到目標(biāo)，則選取距離目標(biāo)最近和剩余能量較大的那個(gè)簇頭作為領(lǐng)導(dǎo)節(jié)點(diǎn)。此時(shí)，所有監(jiān)測(cè)到目標(biāo)的簇頭節(jié)點(diǎn)先將數(shù)據(jù)先發(fā)送到領(lǐng)導(dǎo)節(jié)點(diǎn)，然后由領(lǐng)導(dǎo)節(jié)點(diǎn)發(fā)送數(shù)據(jù)到Sink。

當(dāng)新的簇頭節(jié)點(diǎn)被選取成為領(lǐng)導(dǎo)節(jié)點(diǎn)后，原來的領(lǐng)導(dǎo)節(jié)點(diǎn)會(huì)將目標(biāo)的上一個(gè)時(shí)刻Tpre的位置Locpre發(fā)送數(shù)據(jù)報(bào)告給新的領(lǐng)導(dǎo)節(jié)點(diǎn)。領(lǐng)導(dǎo)節(jié)點(diǎn)又接收到簇頭節(jié)點(diǎn)發(fā)送的最新數(shù)據(jù)，由定位算法得到目標(biāo)在當(dāng)前時(shí)刻Tcur的新位置Loccur，則可以得到目標(biāo)的當(dāng)前平均速率為:

又由文獻(xiàn)［7］可知，發(fā)送一次數(shù)據(jù)報(bào)告目標(biāo)移動(dòng)的最大位移Dth為:

式中，Rmax為傳感器節(jié)點(diǎn)的最大通信半徑;R為傳感器節(jié)點(diǎn)感應(yīng)半徑;Dinter－sensor為領(lǐng)導(dǎo)節(jié)點(diǎn)能夠跟蹤到目標(biāo)的最大距離;Emax為最大定位誤差。

根據(jù)式(5)和式(6)，領(lǐng)導(dǎo)節(jié)點(diǎn)可根據(jù)目標(biāo)運(yùn)動(dòng)的平均速率、移動(dòng)的最大位移Dth，動(dòng)態(tài)地調(diào)整領(lǐng)導(dǎo)節(jié)點(diǎn)發(fā)送數(shù)據(jù)報(bào)告的頻率為:

假設(shè) Rmax=R=40(最壞情況下)，Dinter－sensor=20 m Emax=10 m可以得到Dth≤5.86 m，取Dth=5 m，表示目標(biāo)發(fā)送報(bào)告的頻率為f=v－/5，即使目標(biāo)速度很小甚至為零，都應(yīng)該向數(shù)據(jù)中心發(fā)送一次數(shù)據(jù)報(bào)告。

3 仿真實(shí)驗(yàn)與分析

為了測(cè)試與評(píng)估所提出的目標(biāo)跟蹤方案的性能，這里使用Matlab2009進(jìn)行仿真，模擬場(chǎng)景的具體參數(shù)如表2所示。

表2 模擬參數(shù)

模擬移動(dòng)目標(biāo)在網(wǎng)絡(luò)中以10 m/s的速度勻速運(yùn)動(dòng)，在不同權(quán)值設(shè)置下的總能量消耗如圖2所示。其中，W=1表示移動(dòng)目標(biāo)在感應(yīng)半徑2/3R外并且遠(yuǎn)離節(jié)點(diǎn)，網(wǎng)絡(luò)消耗的能量大致相當(dāng)于經(jīng)典跟蹤算法DCTC在網(wǎng)絡(luò)中消耗能量。從圖2中可以看出，網(wǎng)絡(luò)中總能量消耗隨著節(jié)點(diǎn)權(quán)值的增加而明顯減少，這是因?yàn)楣?jié)點(diǎn)權(quán)值越大，意味著對(duì)參與跟蹤的節(jié)點(diǎn)與移動(dòng)目標(biāo)之間的距離越來越小，從而大量減少參與跟蹤的傳感器節(jié)點(diǎn)數(shù)目，也大大減少了冗余數(shù)據(jù)或者低質(zhì)量數(shù)據(jù)的產(chǎn)生。

圖2 不同節(jié)點(diǎn)加權(quán)值隨時(shí)間變化總能量消耗

圖3則給出了所提出算法與infocom2009會(huì)議中性能較好的PM算法［8］的跟蹤準(zhǔn)確率比較結(jié)果。其中，PM算法是一種Path Matching算法，將原始的目標(biāo)跟蹤問題轉(zhuǎn)化為圖論中的最短路徑問題進(jìn)行優(yōu)化。從圖3中能看出2種算法在傳感器節(jié)點(diǎn)比較稀疏的情況下跟蹤的準(zhǔn)確率比較低，這是因?yàn)樗鼈兊母袦y(cè)范圍不足以覆蓋整個(gè)坐標(biāo)區(qū)域，單個(gè)分簇內(nèi)節(jié)點(diǎn)數(shù)目不足，跟蹤精確度不高。從120個(gè)傳感器節(jié)點(diǎn)開始，隨著節(jié)點(diǎn)數(shù)目的增多，2種算法的跟蹤準(zhǔn)確率都在增加。這里提出方案的性能要好于PM算法，這是因?yàn)?，PM算法是全局性的，在網(wǎng)絡(luò)初始化時(shí)需要對(duì)網(wǎng)絡(luò)中任意2個(gè)傳感器節(jié)點(diǎn)做中垂線對(duì)網(wǎng)絡(luò)區(qū)域進(jìn)行劃分，而提出方案是局部性的，通過定義感應(yīng)信息收益值和鄰域協(xié)作進(jìn)行目標(biāo)監(jiān)測(cè)，在監(jiān)測(cè)過程中，設(shè)定了節(jié)點(diǎn)的權(quán)值以避免離目標(biāo)較遠(yuǎn)的節(jié)點(diǎn)參與目標(biāo)跟蹤，最后根據(jù)應(yīng)用的需求，以給定的頻率發(fā)送數(shù)據(jù)報(bào)告到Sink，對(duì)目標(biāo)進(jìn)行修正，從而保證了目標(biāo)跟蹤的精確度和延續(xù)性。

圖3 不同節(jié)點(diǎn)數(shù)目下的目標(biāo)跟蹤準(zhǔn)確率比較

4 結(jié)束語(yǔ)

提出一種改進(jìn)的目標(biāo)跟蹤方法，方法分為鄰域檢測(cè)、目標(biāo)跟蹤和目標(biāo)修正3個(gè)階段來進(jìn)行。首先節(jié)點(diǎn)通過獲取對(duì)于目標(biāo)位置的感知信息收益值來實(shí)現(xiàn)鄰域檢測(cè);然后每個(gè)節(jié)點(diǎn)通過計(jì)算自己的節(jié)點(diǎn)權(quán)值來決定是否參與目標(biāo)的跟蹤;最后，基于目標(biāo)的運(yùn)動(dòng)趨勢(shì)，通過發(fā)送數(shù)據(jù)報(bào)告來自適應(yīng)地對(duì)目標(biāo)進(jìn)行修正。仿真實(shí)驗(yàn)表明該方法是有效的。下一步的工作是在已有的基礎(chǔ)上提高目標(biāo)跟蹤的精度，并對(duì)算法進(jìn)行擴(kuò)展，使之能夠應(yīng)用于多目標(biāo)跟蹤和噪聲環(huán)境下。 ■

［1］LI D，WONG K，HU Y H，SAYEED A.Detection，Classification and Tracking of Targets in Distributed Sensor Networks［J］.IEEE Signal Processing Magazine，2002，19(2):123－132.

［2］郭蘊(yùn)華.異類異步多傳感器的目標(biāo)跟蹤算法［J］.計(jì)算機(jī)工程，2010，36(24):142 －144.

［3］黃小平，王 巖，陳冰潔.基于粒子濾波的分布式目標(biāo)跟蹤算法［J］.計(jì)算機(jī)工程，2011，37(4):84 －86.

［4］劉 濤，李 明，駱瑞玲.改進(jìn)的交互式多模型跟蹤算法［J］.計(jì)算機(jī)工程，2009，35(22):207 －209.

［5］ZHANG W，CAO G.DCTC:Dynamic Convey Tree-Based Collaboration for Target Tracking in Sensor Networks［J］.IEEE Transactions on Wireless Communications，2004，11(5):1689－1701.

［6］JEONG J T，HWANG T.MCTA:Target Tracking Algorithm Based on Minimal Contour in Wireless Sensor Networks［C］.USA:Proceedings of the 26th IEEE International Conferenceon Computer Communications(INFOCOM 2007)，2007(5):2371 －2375.

［7］LEE J.Distributed and Energy-efficient Target Localizatin and Tracking in Wireless Sensor Networks［J］.Computer Communications，2006，11(29):2494 －2505.

［8］ZHONG Z，ZHU T.Tracking with Unreliable Node Sequences［J］.IEEE Infocom，2009(6):1215－1223.