崔亞峰，史健芳

（太原理工大學(xué)信息工程學(xué)院，太原 030024）

基于自適應(yīng)動(dòng)態(tài)簇和預(yù)測(cè)機(jī)制的WSN目標(biāo)跟蹤算法*

崔亞峰，史健芳*

（太原理工大學(xué)信息工程學(xué)院，太原 030024）

無(wú)線傳感器網(wǎng)絡(luò)由大量能量有限的傳感器節(jié)點(diǎn)組成，如何高效利用網(wǎng)絡(luò)中節(jié)點(diǎn)的能量是無(wú)線傳感器網(wǎng)絡(luò)用于目標(biāo)跟蹤時(shí)研究的主要內(nèi)容。合理構(gòu)建動(dòng)態(tài)簇可以有效降低網(wǎng)絡(luò)的能量消耗，延長(zhǎng)網(wǎng)絡(luò)的生命周期，本文通過(guò)改進(jìn)動(dòng)態(tài)簇組建過(guò)程中簇頭的選舉和簇成員的征集過(guò)程，達(dá)到進(jìn)一步節(jié)能的效果。其中，簇頭的選擇，綜合考慮節(jié)點(diǎn)的能量和節(jié)點(diǎn)離目標(biāo)的距離兩個(gè)因素。簇成員的征集，同時(shí)考慮目標(biāo)的移動(dòng)速度和網(wǎng)絡(luò)中節(jié)點(diǎn)的分布情況。同時(shí)，引入有效的預(yù)測(cè)機(jī)制，通過(guò)避免盲目的喚醒網(wǎng)絡(luò)中的節(jié)點(diǎn)和降低跟蹤延遲，可以進(jìn)一步增強(qiáng)網(wǎng)絡(luò)的跟蹤性能，使跟蹤過(guò)程更加有效和穩(wěn)定。仿真結(jié)果表明本文算法在保證跟蹤精度的前提條件下，可以有效節(jié)省網(wǎng)絡(luò)中節(jié)點(diǎn)的能量。

無(wú)線傳感器網(wǎng)絡(luò)；目標(biāo)跟蹤；動(dòng)態(tài)簇；預(yù)測(cè)機(jī)制；節(jié)能

無(wú)線傳感器網(wǎng)絡(luò)（Wireless Sensor Network，WSN）是由部署在監(jiān)測(cè)區(qū)域內(nèi)大量的廉價(jià)傳感器節(jié)點(diǎn)通過(guò)無(wú)線通信方式形成的一個(gè)多跳自組織網(wǎng)絡(luò)［1］。與傳統(tǒng)網(wǎng)絡(luò)相比，無(wú)線傳感器網(wǎng)絡(luò)在目標(biāo)跟蹤中的優(yōu)勢(shì)明顯，它具有跟蹤可靠、及時(shí)、隱蔽、低成本、低功耗等特點(diǎn)［2］。但同時(shí)，由于無(wú)線傳感器網(wǎng)絡(luò)中的節(jié)點(diǎn)能量有限，所以如何降低網(wǎng)絡(luò)能量消耗，從而延長(zhǎng)網(wǎng)絡(luò)的生命周期，是無(wú)線傳感器網(wǎng)絡(luò)用于目標(biāo)跟蹤時(shí)重點(diǎn)研究的問(wèn)題［3］。

動(dòng)態(tài)簇是在監(jiān)測(cè)目標(biāo)的周圍形成的一個(gè)節(jié)點(diǎn)群，傳統(tǒng)的PDC算法［4］是采用固定半徑的動(dòng)態(tài)簇結(jié)構(gòu)來(lái)跟蹤目標(biāo)。為了有效跟蹤目標(biāo)，動(dòng)態(tài)簇的半徑取值較大，這樣在整個(gè)跟蹤過(guò)程中，處于工作狀態(tài)的簇內(nèi)節(jié)點(diǎn)數(shù)較多，能量消耗大。近年來(lái)，隨著對(duì)動(dòng)態(tài)簇結(jié)構(gòu)的研究，有些學(xué)者提出了動(dòng)態(tài)簇半徑的自適應(yīng)調(diào)整［5-6］，該算法簇半徑的調(diào)整只考慮到運(yùn)動(dòng)目標(biāo)的移動(dòng)速度，沒(méi)有考慮無(wú)線傳感器網(wǎng)絡(luò)中節(jié)點(diǎn)的分布密度，有可能使簇內(nèi)節(jié)點(diǎn)太少，無(wú)法達(dá)到有效跟蹤［7］。同時(shí)，跟蹤目標(biāo)時(shí)，沒(méi)有引入預(yù)測(cè)機(jī)制［8］或使用的預(yù)測(cè)機(jī)制不合理［9］，使網(wǎng)絡(luò)響應(yīng)延遲，不利于目標(biāo)的跟蹤。

本文對(duì)傳統(tǒng)的動(dòng)態(tài)簇?zé)o線傳感器網(wǎng)絡(luò)目標(biāo)跟蹤算法［10］進(jìn)行改進(jìn)，提出綜合考慮運(yùn)動(dòng)目標(biāo)的運(yùn)動(dòng)速度和網(wǎng)絡(luò)中節(jié)點(diǎn)的分布情況構(gòu)建動(dòng)態(tài)簇，在跟蹤過(guò)程中簇結(jié)構(gòu)的半徑根據(jù)目標(biāo)的運(yùn)動(dòng)速度和網(wǎng)絡(luò)中節(jié)點(diǎn)的分布情況自適應(yīng)調(diào)整，通過(guò)優(yōu)化簇結(jié)構(gòu)，從而提高網(wǎng)絡(luò)中能量的使用率。同時(shí)，引入預(yù)測(cè)算法，預(yù)測(cè)運(yùn)動(dòng)目標(biāo)的移動(dòng)軌跡，以便動(dòng)態(tài)簇根據(jù)目標(biāo)的預(yù)測(cè)軌跡，提前喚醒目標(biāo)周圍監(jiān)測(cè)半徑內(nèi)的傳感器節(jié)點(diǎn)，準(zhǔn)備監(jiān)測(cè)目標(biāo)。該算法模型簡(jiǎn)單，計(jì)算量小，避免了盲目喚醒節(jié)點(diǎn)所造成的能量浪費(fèi)，有效節(jié)省了節(jié)點(diǎn)的能量，同時(shí)降低了響應(yīng)延遲，延長(zhǎng)了網(wǎng)絡(luò)生命周期。

1 網(wǎng)絡(luò)的假設(shè)與初始狀態(tài)

1.1 本文中網(wǎng)絡(luò)的假設(shè)

為了簡(jiǎn)化問(wèn)題，不失一般性，本文對(duì)網(wǎng)絡(luò)做如下假設(shè)：

①目標(biāo)區(qū)域節(jié)點(diǎn)之間為覆蓋連通的。

②所有節(jié)點(diǎn)都具有相同的能力，節(jié)點(diǎn)在網(wǎng)絡(luò)中的地位平等。

③節(jié)點(diǎn)具有定位能力，即每個(gè)節(jié)點(diǎn)能夠獲得自身的位置信息。

④節(jié)點(diǎn)有五種工作狀態(tài)：CH（Cluster_Header，簇頭狀態(tài)）、CM（Cluster_Member，簇成員狀態(tài)）、Idle（等待狀態(tài)）、Sleep（睡眠狀態(tài)）、Dead（死亡狀態(tài)），其中CH和CM狀態(tài)都屬于Work狀態(tài)。Work狀態(tài)是傳感器節(jié)點(diǎn)完全激活的狀態(tài)，具有感知信息、融合信息和傳輸信息的能力，因此，Work狀態(tài)的節(jié)點(diǎn)消耗能量最大；Idle狀態(tài)的節(jié)點(diǎn)只能感知信息，節(jié)點(diǎn)能耗很??；Sleep狀態(tài)的節(jié)點(diǎn)什么都不做，可以認(rèn)為，處于該狀態(tài)的節(jié)點(diǎn)不消耗能量；處于Dead狀態(tài)的節(jié)點(diǎn)的能量已經(jīng)耗盡，不能再繼續(xù)工作。

1.2 節(jié)點(diǎn)自身保存信息：

為了算法有效工作，節(jié)點(diǎn)保存如下信息：

①節(jié)點(diǎn)的ID。

②節(jié)點(diǎn)當(dāng)前所處狀態(tài)。

③節(jié)點(diǎn)所處位置的坐標(biāo)。

④節(jié)點(diǎn)的最大能量值。

⑤節(jié)點(diǎn)當(dāng)前所剩的能量。

⑥鄰居節(jié)點(diǎn)ID表以及對(duì)應(yīng)節(jié)點(diǎn)所剩余的能量。

1.3 網(wǎng)絡(luò)的初始狀態(tài)

傳統(tǒng)算法中，通常對(duì)初始狀態(tài)有兩種假設(shè)：一種是假設(shè)初始狀態(tài)下，網(wǎng)絡(luò)邊緣的傳感器節(jié)點(diǎn)處于等待狀態(tài)，網(wǎng)絡(luò)中剩余的節(jié)點(diǎn)處于睡眠狀態(tài)［11-13］。另一種是假設(shè)網(wǎng)絡(luò)中的節(jié)點(diǎn)周期性的進(jìn)入睡眠狀態(tài)。第一種假設(shè)會(huì)使網(wǎng)絡(luò)中節(jié)點(diǎn)能量消耗不均勻，處于網(wǎng)絡(luò)邊緣的節(jié)點(diǎn)會(huì)很快死亡。第二種假設(shè)對(duì)網(wǎng)絡(luò)中的所有節(jié)點(diǎn)進(jìn)行周期性的喚醒—睡眠操作，網(wǎng)絡(luò)的整體能耗較大，而且，可能會(huì)發(fā)生不能及時(shí)發(fā)現(xiàn)目標(biāo)等意外情況。

本文針對(duì)上述兩種網(wǎng)絡(luò)初始狀態(tài)假設(shè)的缺陷進(jìn)行改進(jìn)，提出當(dāng)WSN網(wǎng)絡(luò)中無(wú)目標(biāo)時(shí)，網(wǎng)絡(luò)內(nèi)的節(jié)點(diǎn)使用LEACH-PSOC算法［14］形成動(dòng)態(tài)簇，簇內(nèi)節(jié)點(diǎn)輪流擔(dān)任簇頭，平衡網(wǎng)絡(luò)中的節(jié)點(diǎn)能量。

2 基于自適應(yīng)動(dòng)態(tài)簇和預(yù)測(cè)機(jī)制的跟蹤算法

自適應(yīng)動(dòng)態(tài)簇的形成和預(yù)測(cè)機(jī)制的合理應(yīng)用是無(wú)線傳感器目標(biāo)跟蹤算法的核心內(nèi)容，本文提出自適應(yīng)動(dòng)態(tài)簇算法及預(yù)測(cè)算法。

2.1 自適應(yīng)動(dòng)態(tài)簇組建算法：

動(dòng)態(tài)簇的組建過(guò)程主要包括探測(cè)到目標(biāo)的傳感器節(jié)點(diǎn)競(jìng)選簇頭和簇頭對(duì)簇成員的選擇等。本文提出的算法中動(dòng)態(tài)簇的形成過(guò)程如下：

①競(jìng)選簇頭

當(dāng)目標(biāo)進(jìn)入監(jiān)測(cè)區(qū)域時(shí)，目標(biāo)可能會(huì)被多個(gè)節(jié)點(diǎn)監(jiān)測(cè)到，監(jiān)測(cè)到目標(biāo)的節(jié)點(diǎn)之間相互交換信息，選出距目標(biāo)最近的節(jié)點(diǎn)，然后，該節(jié)點(diǎn)廣播消息并喚醒以R為半徑的圓內(nèi)的節(jié)點(diǎn)，同時(shí)，網(wǎng)絡(luò)中其它處于工作狀態(tài)的節(jié)點(diǎn)轉(zhuǎn)為睡眠狀態(tài)，喚醒的節(jié)點(diǎn)對(duì)目標(biāo)測(cè)距，距離大于設(shè)置閾值d和能量低于20%*ei_max的節(jié)點(diǎn)重新睡眠。

簇頭在當(dāng)前處于喚醒狀態(tài)的節(jié)點(diǎn)中選取，簇頭的選舉同時(shí)考慮節(jié)點(diǎn)當(dāng)前的剩余能量ei_current［3］和節(jié)點(diǎn)距目標(biāo)的距離ri兩個(gè)因素，距目標(biāo)越近、剩余能量越多的節(jié)點(diǎn)被選為簇頭，因此，本文提出通過(guò)式（1）來(lái)選擇簇頭。

式中，ei_current表示節(jié)點(diǎn)i當(dāng)前剩余的能量，ri表示節(jié)點(diǎn)i離目標(biāo)的距離。喚醒節(jié)點(diǎn)根據(jù)式（1）計(jì)算各自的剩余能量和距目標(biāo)距離的比值Hi，然后相互交換各自的Hi值，選舉Hi最大的節(jié)點(diǎn)作為簇頭節(jié)點(diǎn)，其余節(jié)點(diǎn)轉(zhuǎn)為睡眠狀態(tài)。

②自適應(yīng)動(dòng)態(tài)簇組建

選出的簇頭節(jié)點(diǎn)以半徑R喚醒圓形區(qū)域內(nèi)的節(jié)點(diǎn)，喚醒的節(jié)點(diǎn)成為簇成員并與簇頭協(xié)同工作，形成簇，對(duì)目標(biāo)進(jìn)行跟蹤。R的選取非常重要，如果R太小，則簇內(nèi)節(jié)點(diǎn)數(shù)目太少，不能有效跟蹤；如果R太大，則簇內(nèi)節(jié)點(diǎn)數(shù)目較多，造成不必要的能量浪費(fèi)。

本文提出半徑R根據(jù)目標(biāo)的運(yùn)動(dòng)狀態(tài)（如速度v）和傳感器的分布密度自適應(yīng)確定。首先，簇的半徑至少應(yīng)該大于目標(biāo)移動(dòng)速度。其次，要達(dá)到有效跟蹤，簇內(nèi)傳感器節(jié)點(diǎn)應(yīng)該達(dá)到一定數(shù)目。

為了節(jié)省能量和有效跟蹤，簇內(nèi)節(jié)點(diǎn)數(shù)N應(yīng)該滿足

其中，Nmin和Nmax為兩個(gè)設(shè)定的閾值，Nmin表示要達(dá)到有效跟蹤簇內(nèi)至少應(yīng)該包含的節(jié)點(diǎn)數(shù)目，Nmax表示簇內(nèi)節(jié)點(diǎn)數(shù)目的上限。 Nmax應(yīng)該設(shè)置合理，否則，不但浪費(fèi)能量，而且增大計(jì)算量。本文實(shí)驗(yàn)中Nmin和Nmax分別取8和18。

初始時(shí)R1是根據(jù)具體應(yīng)用環(huán)境及經(jīng)驗(yàn)或?qū)嶒?yàn)設(shè)置的一個(gè)定值，簇頭節(jié)點(diǎn)喚醒半徑R1內(nèi)的節(jié)點(diǎn)，之后根據(jù)簇內(nèi)節(jié)點(diǎn)數(shù)目N是否滿足式（2）而調(diào)整R1，若N＜Nmin，則增大半徑R1，若N＞Nmax，則減小半徑R1。直到N的取值滿足式（2）為止，此時(shí)自適應(yīng)得到的半徑R1用于下一步?jīng)Q定最終簇半徑R。

目標(biāo)的運(yùn)動(dòng)速度v也會(huì)影響半徑R的選取，速度v較大，則半徑R也較大；速度v較小，則半徑R也較小。

綜合考慮目標(biāo)運(yùn)動(dòng)速度v和上述半徑R1，可以得到，簇頭喚醒的半徑R為：

其中α為常數(shù)，可以根據(jù)具體情況設(shè)置，本文實(shí)驗(yàn)中α=2。由于速度v的量綱為m/s，半徑R1的量綱為m，此處目的是比較αv和R1的大小，用來(lái)確定半徑R，所以統(tǒng)一量綱為m。當(dāng)目標(biāo)剛進(jìn)入監(jiān)測(cè)區(qū)域時(shí)，無(wú)法獲得目標(biāo)的移動(dòng)速度，此時(shí)取R=R1。

由于目標(biāo)的移動(dòng)速度v是變化的，且上述R1是自適應(yīng)的，因此R是根據(jù)目標(biāo)運(yùn)動(dòng)狀態(tài)和網(wǎng)絡(luò)分布情況自適應(yīng)調(diào)整的。

2.2 預(yù)測(cè)算法

預(yù)測(cè)算法可根據(jù)目標(biāo)當(dāng)前運(yùn)動(dòng)狀態(tài)預(yù)測(cè)目標(biāo)下一時(shí)刻的狀態(tài)，從而提前喚醒監(jiān)測(cè)區(qū)域的傳感器，及時(shí)跟蹤目標(biāo)，有效降低傳感器網(wǎng)絡(luò)的能量消耗。預(yù)測(cè)機(jī)制的引入，節(jié)點(diǎn)對(duì)目標(biāo)的跟蹤不再是被動(dòng)的跟蹤，而是對(duì)運(yùn)動(dòng)目標(biāo)主動(dòng)的感知，本文使用最小二乘估計(jì)和二次多項(xiàng)式擬合對(duì)目標(biāo)軌跡進(jìn)行預(yù)測(cè)。

設(shè)擬合多項(xiàng)式為y=a0+a1x+a2x2，則本文中測(cè)出的各點(diǎn)到這條曲線的偏差平方和為：

等式兩端對(duì)ai求偏導(dǎo)，化簡(jiǎn)整理得

2.3 基于預(yù)測(cè)機(jī)制的跟蹤算法

動(dòng)態(tài)簇形成以后，對(duì)目標(biāo)進(jìn)行預(yù)測(cè)跟蹤，本文提出的算法跟蹤過(guò)程如下：

①當(dāng)前簇的簇成員節(jié)點(diǎn)將使用RSSI算法［15］測(cè)出的到目標(biāo)的距離ri和自身的坐標(biāo)（ ）xi,yi發(fā)送給簇頭節(jié)點(diǎn)，簇頭節(jié)點(diǎn)選取距目標(biāo)最近的三個(gè)節(jié)點(diǎn)信息，使用三邊測(cè)量法［16］，計(jì)算出目標(biāo)的位置坐標(biāo)P（x,y）并存儲(chǔ)在簇頭節(jié)點(diǎn)中。

②若簇頭節(jié)點(diǎn)距目標(biāo)距離小于d（本文中d取為0.5R），當(dāng)前簇對(duì)目標(biāo)進(jìn)行跟蹤，目標(biāo)前一時(shí)刻的位置坐標(biāo)記為Old（x,y），目標(biāo)當(dāng)前時(shí)刻的位置坐標(biāo)信息，記為Now（x,y），當(dāng)簇頭節(jié)點(diǎn)儲(chǔ)存目標(biāo)的三個(gè)位置坐標(biāo)信息時(shí)，使用最小二乘預(yù)測(cè)算法和二次多項(xiàng)式擬合，計(jì)算出目標(biāo)下一時(shí)刻的位置坐標(biāo)Next（ ）x,y 。

③若簇頭節(jié)點(diǎn)距目標(biāo)距離不小于d（本文中d取為0.5R），簇頭遷移。新的簇頭符合式（1），然后，新簇頭廣播一個(gè)信息給其他節(jié)點(diǎn)，宣稱自己成為簇頭，其他節(jié)點(diǎn)自動(dòng)轉(zhuǎn)換為該簇頭的簇成員節(jié)點(diǎn)。舊簇頭在接收到新簇頭發(fā)來(lái)的簇頭當(dāng)選信息后，將自己儲(chǔ)存的P（x,y）位置信息傳送給新簇頭，同時(shí)，舊簇頭轉(zhuǎn)換為簇成員節(jié)點(diǎn)。新的動(dòng)態(tài)簇根據(jù)2.1節(jié)式（2）中的方法自適應(yīng)調(diào)整簇成員，以便有效跟蹤和節(jié)能。新形成的動(dòng)態(tài)簇重復(fù)步驟①、步驟②中的過(guò)程，繼續(xù)進(jìn)行跟蹤。

④重復(fù)步驟②、步驟③，這樣，在新的簇頭節(jié)點(diǎn)中總會(huì)存儲(chǔ)三個(gè)坐標(biāo)信息，即：Old1（ ）x,y，Old2（x,y）和Now（x,y）。根據(jù)這三個(gè)坐標(biāo)信息，使用最小二乘預(yù)測(cè)算法和二次多項(xiàng)式擬合，計(jì)算出目標(biāo)下一時(shí)刻的位置坐標(biāo)Next（ ）x,y。⑤簇頭節(jié)點(diǎn)通過(guò)路由喚醒坐標(biāo)Next（ ）x,y附近的節(jié)點(diǎn)進(jìn)入等待狀態(tài)。

⑥隨著目標(biāo)的移動(dòng)，重復(fù)步驟④、步驟⑤，即可實(shí)現(xiàn)目標(biāo)的跟蹤。

基于預(yù)測(cè)機(jī)制的跟蹤算法流程圖見圖1。

圖1 工作流程圖

3 仿真實(shí)驗(yàn)

為了驗(yàn)證本文提出的基于預(yù)測(cè)機(jī)制的跟蹤算法，本文利用MATLAB對(duì)算法的能量消耗和跟蹤精度進(jìn)行仿真實(shí)驗(yàn)。假設(shè)1 000個(gè)節(jié)點(diǎn)隨機(jī)分布在500 m×500 m的區(qū)域，目標(biāo)在區(qū)域內(nèi)做變速運(yùn)動(dòng)，在1 s～40 s內(nèi)，目標(biāo)運(yùn)動(dòng)速度為［vx, vy］=［3 m /s,3 m/s］，41 s～80 s內(nèi)，目標(biāo)的運(yùn)動(dòng)速度為［vx, vy］=［8 m/s，4 m/s］，目標(biāo)初始位置為（0，0），取 Nmax=18，Nmax=18，每個(gè)傳感器的檢測(cè)半徑為30 m，通信半徑為50 m，傳感器采樣周期為1 s。

為了證明算法的有效性，本文對(duì)算法跟蹤誤差，每一時(shí)刻跟蹤節(jié)點(diǎn)的數(shù)目以及能量節(jié)約百分比進(jìn)行了仿真實(shí)驗(yàn)。依次為圖2～圖4。

圖2 跟蹤性能對(duì)比

圖2為跟蹤性能比較圖，可以看出，本文的算法在跟蹤誤差為0.2～2.6，基本維持在1.2左右，傳統(tǒng)誤差為0.1～2.3，基本在1.0上下。本文算法略大于無(wú)預(yù)測(cè)機(jī)制且簇半徑固定的傳統(tǒng)算法，這是因?yàn)閭鹘y(tǒng)算法的簇內(nèi)參加跟蹤的節(jié)點(diǎn)數(shù)目一般要大于本文提出的算法，因此在犧牲傳感器節(jié)點(diǎn)能量的條件下，會(huì)提高跟蹤的精度。但是，本文算法的跟蹤精度同樣也可以滿足要求，而且可以延長(zhǎng)網(wǎng)絡(luò)的生命期。較無(wú)預(yù)測(cè)機(jī)制且簇半徑固定的傳統(tǒng)算法及文獻(xiàn)［5-9］中提出的算法有明顯改進(jìn)。

簇內(nèi)傳感器節(jié)點(diǎn)數(shù)仿真結(jié)果如圖3所示。

圖3可以看出，本文所采用的簇結(jié)構(gòu)動(dòng)態(tài)調(diào)整方法，可以使簇內(nèi)節(jié)點(diǎn)數(shù)基本穩(wěn)定在一定范圍內(nèi)，簇內(nèi)節(jié)點(diǎn)數(shù)較傳統(tǒng)算法少，這樣既可以有效跟蹤，同時(shí)有效節(jié)省網(wǎng)絡(luò)的能量，延長(zhǎng)網(wǎng)絡(luò)的生命。而傳統(tǒng)算法由于簇半徑固定，所以為了達(dá)到有效跟蹤目標(biāo)的目的，需要設(shè)置簇半徑較大，這樣會(huì)浪費(fèi)節(jié)點(diǎn)的能量。

圖4 每一時(shí)刻能量節(jié)約百分比

圖4為本文算法比傳統(tǒng)算法每一時(shí)刻網(wǎng)絡(luò)中的能量節(jié)約百分比?？梢钥闯?，本文算法有效節(jié)省了網(wǎng)絡(luò)中節(jié)點(diǎn)的能量，可以達(dá)到延長(zhǎng)網(wǎng)絡(luò)生命周期的目的。

4 結(jié)語(yǔ)

無(wú)線傳感器網(wǎng)絡(luò)由大量能量有限的傳感器節(jié)點(diǎn)組成，因此，如何高效利用網(wǎng)絡(luò)中的節(jié)點(diǎn)能量是傳感器網(wǎng)絡(luò)面臨的主要挑戰(zhàn)之一。本文通過(guò)改進(jìn)動(dòng)態(tài)簇的組建過(guò)程中簇頭的選舉和簇成員的征集過(guò)程，來(lái)達(dá)到進(jìn)一步節(jié)能的效果。簇頭的選擇，綜合考慮節(jié)點(diǎn)的能量和節(jié)點(diǎn)離目標(biāo)的距離兩個(gè)因素。簇成員的征集，同時(shí)考慮到目標(biāo)的移動(dòng)速度和網(wǎng)絡(luò)中節(jié)點(diǎn)的分布情況。此外，引入有效的預(yù)測(cè)機(jī)制，使跟蹤過(guò)程更加有效和穩(wěn)定。仿真實(shí)驗(yàn)表明，與傳統(tǒng)算法相比，本文算法在保證跟蹤精度的前提條件下，可以有效節(jié)省網(wǎng)絡(luò)中節(jié)點(diǎn)的能量。

［1］ 孫利民，李建中，陳渝.無(wú)線傳感器網(wǎng)絡(luò)［M］.北京：清華大學(xué)出版社，2005：391-402.

［2］ 李鳳保，李凌.無(wú)線傳感器網(wǎng)絡(luò)技術(shù)綜述［J］.儀器儀表學(xué)報(bào)，2005（z2）：559-561.

［3］ 彭勇，王國(guó)軍，邢蕭飛.無(wú)線傳感器網(wǎng)絡(luò)中一種自適應(yīng)目標(biāo)跟蹤協(xié)議［J］.傳感技術(shù)學(xué)報(bào)，2009，22（3）：427-432.

［4］ 李芳芳，韓冰，單嬌嬌.WSN中基于預(yù)測(cè)機(jī)制動(dòng)態(tài)簇的目標(biāo)跟蹤算法［J］.計(jì)算機(jī)與數(shù)字工程，2012：40（11）：55-59.

［5］ Enam R N.Energy Efficient Differential Data Aggregation in a Dynamic Cluster Based WSN［C］//2013 International Conference on Collaboration Technologies and Systems（CTS），IEEE，2013：580-583.

［6］ Hu B，He N H.WSN Collaborative Target Tracking Based on Dynamic Clustering［J］.Advanced Materials Research，2013，712：1868-1871.

［7］ Rabia Noor Enam.Energy Efficient Differential Data Aggregation in a Dynamic Cluster Based WSN［C］//International Conference on Collaboration Technologies and Systems（CTS），2013：580-583.

［8］ Dan Liu，Nihong Wang，Yi An.Dynamic Cluster Based Object Tracking Algorithm in WSN.Intelligent Systems（GCIS），2010 Second WRI Global Congress on（Volume：1），2010（1）：397-399.

［9］ Jing Teng，Hichem Snoussi，Cedric Richard.Prediction-Based Cluster Management for Target Tracking in Wireless Sensor Net-Works［J］.Wireless Communications and Mobile Computing，2012（12）：797-812.

［10］Huiyong Yuan，Yongyi Liu，Jianping Yu.A New Energy-Efficientunequal Clustering Algorithm for Wireless Sensor Networks［C］// IEEE Conference on Computer Science and Automation Engineering（CSAE），2011（1）：431-434.

［11］鄧克波，劉中.基于無(wú)線傳感器網(wǎng)絡(luò)動(dòng)態(tài)簇的目標(biāo)跟蹤［J］.兵工學(xué)報(bào)，2008，29（10）：1197-1202.

［12］劉軍，劉暉，葉寧，等.無(wú)線傳感器網(wǎng)絡(luò)自適應(yīng)動(dòng)態(tài)簇目標(biāo)跟蹤策略［J］.東北大學(xué)學(xué)報(bào)：自然科學(xué)版，2011：32（8）：1080-1083.

［13］劉立陽(yáng)，張金成，吳中林.基于分布式動(dòng)態(tài)簇結(jié)構(gòu)的WSN自適應(yīng)目標(biāo)跟蹤算法［J］.傳感技術(shù)學(xué)報(bào)，2012，25（1）：110-113.

［14］陳曉娟，王卓，吳潔.一種基于LEACH的改進(jìn)WSN路由算法［J］.傳感技術(shù)學(xué)報(bào)，2013，26（1）：116-121.

［15］楊文鉑，邢鵬康，劉彥華.一種基于自適應(yīng)RSSI測(cè)距模型的無(wú)線傳感器網(wǎng)絡(luò)定位方法［J］.傳感技術(shù)學(xué)報(bào)，2015，28（1）：137-141.

［16］王小平，羅軍，沈昌祥.三邊測(cè)量法的結(jié)果穩(wěn)定性研究［J］.計(jì)算機(jī)工程與科學(xué)，2012，34（6）：12-17.

崔亞峰（1990-），男，碩士研究生，主要研究方向?yàn)闊o(wú)線傳感器網(wǎng)絡(luò)目標(biāo)跟蹤，lsky.cyf@163.com；

史健芳（1966-），教授，博士，碩導(dǎo)，主要致力于智能儀器及檢測(cè)技術(shù)、智能信息處理等方向研究。

Target Tracking Based on Adaptive Dynamic Clusters and Prediction Mechanism in WSN*

CUI Yafeng，SHI Jianfang*
（Information Engineering，Taiyuan University of Technology，Taiyuan 030024，China）

Wireless sensor network is composed of a lot of energy limited sensor nodes，therefore，how to use the energy of nodes in network efficiently is one of the major challenges for target tracking in sensor network.It proves the reasonable construction of dynamic cluster structure can not only reduce the network energy consumption effectively but also reinforce the lifecycle of the network.By improving methods of the choose of cluster heads and the selection of the cluster members in the process of dynamic cluster construction，this paper is aimed to achieve the further effect of energy saving.The choose of cluster heads is based on the energy of the nodes and the distance from node to target.The selection of the cluster members takes the target's movement speed and the distribution of network nodes into consideration.And the introduction of effective prediction mechanism which can avoid waking up nodes in the network blindly and reduce the time delay of tracking process can further enhance the tracking performance of the network.In addition，the effective prediction mechanism makes the tracking process more effective and stable.The simulations show that the algorithm in this paper can save the energy of the nodes in the network effectively under the tracking precision condition.

wireless sensor network；target tracking；dynamic cluster；prediction mechanism；energy conservation EEACC：6150P；7950

TP393

A

1004-1699（2015）07-1046-05

10.3969/j.issn.1004-1699.2015.07.18

項(xiàng)目來(lái)源：國(guó)家自然科學(xué)基金（50905169）；武器裝備探索研究項(xiàng)目（7131017）；山西省自然科學(xué)基金項(xiàng)目（2014011019-1）

2014-11-19 修改日期：2015-03-17