无线传感器网络中基于主从移动代理的目标跟踪方法使用基于ＭＡ的运算模式简化复杂的分布式目标跟踪算法，把ＷＳＮ中目标跟踪问题归结为ＭＡ的路由问题。采用主从（ｍａｓｔｅｒ／ｓｌａｖｅｒ）移动代理结合模式，提出主移动代理ＭＭＡ（ＭａｓｔｅｒＭｏｂｉｌｅ Ａｇｅｎｔ）和从移动代理ＳＭＡ（Ｓｌａｖｅ Ｍｏｂｉｌｅ Ａｇｅｎｔ）的不同的路由迁移模式。主移动代理ＭＭＡ运行信息驱动的基于主移动代理的目标跟踪算法，ＭＭＡ携带信任度，自适应网络连接和目标运动模式的随机变化，动态决定下一跳最大信息贡献量的迁移节点，使得ＭＭＡ通过在节点之间的迁移，维持对目标的跟踪，多个ＭＭＡ完成对多个目标的跟踪任务。
【技术实现步骤摘要】
本专利技术涉及一种特别用于无线传感器网络中的基于主从移动代理的目标跟踪实现方案，属于通信
技术介绍
基于无线传感器网络WSN(Wireless Sensor Networks)的目标跟踪应用由于涉及到协同信息处理、信息驱动路由、数据关联分析等相关方面，一直作为WSN的难点问题而倍受关注，由于传感器节点具有有限能量存储、计算能力和探测能力，目标跟踪应用必须利用传感器网络的空间分布性，选择合适的节点参与运算以估算出目标位置。 现有的WSN中目标跟踪的方法是利用WSN中节点之间的相互协同，以分布式协同组的方式，完成对目标的跟踪，并且随着目标的移动，协同组需要动态加入或删除相关节点。这种模式存在如下缺点协同组的形成和维护比较复杂，需要节点之间多次信令交互才能实现，目标跟踪的节能性和实时性很难得到保证；参与感知任务的节点较多时，传输数据量很大，严重降低网络性能；传输一些信息贡献量很低的节点的测量数据，不能对目标跟踪算法产生贡献，反而浪费了网络资源。 基于移动代理MA(Mobile Agent)的计算模式是通过MA跟随目标移动，在不同节点上的迁移来完成对目标的跟踪，相对更灵活，控制简单。MA在迁移过程中，对目标周围节点感知数据进行处理并计算出目标的精确位置，较之传统的WSN目标跟踪方法，基于MA的目标跟踪方法把目标跟踪问题转化为MA的路由问题，简化了协议设计、减少信令开销和增强了目标跟踪的容错性和鲁棒性，可以明显提高目标跟踪的性能。 但现有的WSN中基于MA的目标跟踪方法在以下几个方面存在不足 1.WSN中讨论使用MA进行目标定位使用简单的三角定位算法，而且MA的迁移策略过于简单。如何考虑WSN中空间相关性特点，使用基于信号和信息处理的方法进行基于MA的目标跟踪？以上方法并没有涉及。 2.基于引导节点跟踪策略的IDSQ(Information-Driven Sensor Querying)算法可以归结为基于MA的目标跟踪方法，利用节点的空间分布性以及测量数据的高度冗余性，MA动态迁移到协同运算的节点，以计算目标位置的估计值。但考虑到WSN中节点探测精度的有限性和节点分布的随机性，IDSQ在目标跟踪结果的精度和鲁棒性方面还有待提高。 因此，如何充分考虑WSN自身特点，利用MA智能迁移性，以能量有效的方法提高目标跟踪的精度和容错性，是一个研究的空白点。
技术实现思路
技术问题本专利技术的目的是提供一种用于无线传感器网络WSN中的基于主从移动代理的目标跟踪实现方法，通过MA的智能迁移实现目标跟踪，同时以能量有效的方式提高目标跟踪的精度和鲁棒性。 技术方案使用基于MA的运算模式简化复杂的分布式目标跟踪算法，把WSN中目标跟踪问题归结为MA的路由问题。采用主从(master/slaver)移动代理结合模式，提出主移动代理MMA(Master Mobile Agent)和从移动代理SMA(Slave Mobile Agent)的不同的路由迁移模式。 主移动代理MMA运行信息驱动的基于主移动代理的目标跟踪算法，MMA携带信任度，自适应网络连接和目标运动模式的随机变化，动态决定下一跳最大信息贡献量的迁移节点，使得MMA通过在节点之间的迁移，维持对目标的跟踪，多个MMA完成对多个目标的跟踪任务。 同时为了以能量有效方式提高跟踪的精度和鲁棒性。MMA运行基于事件区域的从移动代理路由算法，通过对事件区域的计算，减少移动代理对冗余信息的搜集，在保证跟踪失真度要求的情况下，尽量减少能量和时间开销，以能量有效的方式对目标位置进行估计。 具体为 1)当目标进入无线传感器网络监控范围，驻留在边界节点的主移动代理根据该节点的测量值，形成目标的初始信任度， 2)主移动代理根据应用所要求误差门限和数据相关性模型，计算出事件区域的大小，事件区域分布的半径计算如下 变量Z反应了在空间相关性情况下，相邻节点数据的差异，其均方差为σz，σz可由节点历史数据统计求得。事件源S所在位置(0，0)感知数据为S(0，0)，事件源S触发的事件区域边界节点n(r，θ)的感知数据S(r，θ)满足|S(r，θ)-S(0，0)|≤μ，其中μ是误差门限，反应了不同位置的感知数据和事件源之间的差异，r是事件区域的半径。参数c影响数据相关性的强弱，λ反映了数据相关性随距离变化的快慢。参数c和λ取决于监控区域数据场空间相关特性。 3)事件区域中从移动代理的路由等价于寻找事件区域中节点的一个循环排列，主移动代理计算出事件区域中从移动代理的能量有效的迁移路由， 4)从移动代理沿着指定的路由迁移并搜集事件区域中各节点目标测量的似然函数，从移动代理返回后，主移动代理汇总所有节点测量的似然函数， 5)使用非参数信任度表达条件下的序列贝叶斯滤波，对似然函数和信任度在二维空间以网格为单位进行离散化，并计算该时刻每个网格的信任度， 6)使用最小均方误差估计来估计该时刻的目标位置， 7)根据目标的运动模式和测量节点的位置，估测周围节点的信息贡献量， 其中，k表示节点的序号，G(t+1)表示在t+1时刻根据目标运动模式确定目标可能分布的区域，likelihood(zk(t+1))为测量为Zk(t+1)的传感器节点的似然函数。L表示两个用网格表示的区域进行相交运算，也就是保留相交的部分，相交后的面积越小，表示信息贡献量越大，这里是成反比例关系，γ是调整系数。arg min表示选择设当的节点，使得相交运算取最小值，这样就可以在不获取节点测量数据的情况下，估计出节点的信息贡献量相对大小，从而主移动代理携带信任度迁移到信息贡献量最大的节点， 8)主移动代理携带信任度迁移到信息贡献量最大的节点，如果目标离开无线传感器网络检测范围，则跟踪过程结束，否则返回2)。 计算每个网格的信任度，具体方法如下 1)网格的面积大小都为A，物体的运动模式是以当前位置为中心，均匀分布的圆盘，圆盘面积为C＝π(vmax)2，vmax是目标运动的最大速率，每个网格区域gi(t)内的p(x(t)|z(t))为常数pi(t)，p(x(t)|z(t))为t时刻的信任度； 2)G(t+1)表示在t+1时刻根据目标运动模式p(x(t+1)|x(t))来确定目标可能分布的区域，G(t)表示t时刻信任度分布的区域。N(t)表示G(t)被分成网格的数目，N(t+1)表示G(t+1)被分成网格的数目。根据目标运动模式p(x(t+1)|x(t))的分布情况，确定t+1时刻可以移动到某一网格gb(t+1)(b∈{1，....N(t+1)})的t时刻的区域Ga(t)，Ga(t)定义为{gL(t)，...，gM(t)}，其中1≤L≤M≤N(t)；t+1时刻如果目标移动到gb(t+1)网格区域，t时刻目标一定出现在Ga(t)区域 3)在gb(t+1)范围内求∫p(x(t+1)|x(t))p(x(t)|z(t))dx(t)的值，也就是在Ga(t)范围内求积分 L、M为Ga(t)中网格序号的最小值和最大值； 4)在每个网格区域gi(t)内的p(x(t)|z(t))为常数pi(t)，并且根据每个节点的运动模式，简化为 5)gb(t+1)区域内的本文档来自技高网...
【技术保护点】
一种无线传感器网络中基于主从移动代理的目标跟踪方法，其特征在于该方法具体为： １．）当目标进入无线传感器网络监控范围，驻留在边界节点的主移动代理根据该节点的测量值，形成目标的初始信任度， ２．）主移动代理根据应用所要求误差门限和数据 相关性模型，计算出事件区域的大小，事件区域分布的半径计算如下： γ（ｒ）＝１／２Ｅ［（Ｓ↓［ｒ，θ）］－Ｓ↓［（０，０）］）↑［２］］＝１／２Ｅ［Ｚ↑［２］］＝１／２∫↓［－μ］↑［μ］ｚ↑［２］１／σ↓［ｚ］√（２π）ｅ↑［－ｚ↑［ ２］／２σ↓［ｚ］↑［２］］ｄｚ＝１／２σ↓［ｚ］↑［２］ｅｒｆ（μ／√（２σ↓［ｚ］））－１／√（２π）μσ↓［ｚ］ｅ↑［－μ↑［２］／２σ↓［ｚ］↑［２］］＝Ψ（σ↓［ｚ］，μ） ｃ（１－ｅ↑［－λｒ↑［２］］）＝Ψ（σ↓［ｚ］，μ） ＝〉ｒ＝［１／λｌｎ（ｃ／（ｃ－Ψ（σ↓［ｚ］，μ））］↑［１／２］ 变量Ｚ反应了在空间相关性情况下，相邻节点数据的差异，其均方差为σ↓［ｚ］，σ↓［ｚ］可由节点历史数据统计求得。事件源Ｓ所在位置（０，０）感知数据为Ｓ↓［（０，０）］ ，事件源Ｓ触发的事件区域边界节点ｎ↓［（ｒ，θ）］的感知数据Ｓ↓［（ｒ，θ）］满足｜Ｓ↓［（ｒ，θ）］－Ｓ↓［（０，０）］｜≤μ，其中μ是误差门限，反应了不同位置的感知数据和事件源之间的差异，ｒ是事件区域的半径。参数ｃ影响数据相关性的强弱，λ反映了数据相关性随距离变化的快慢。参数ｃ和λ取决于监控区域数据场空间相关特性， ３）事件区域中从移动代理的路由等价于寻找事件区域中节点的一个循环排列，主移动代理计算出事件区域中从移动代理的能量有效的迁移路由， ４）从移动代理沿着指 定的路由迁移并搜集事件区域中各节点目标测量的似然函数，从移动代理返回后，主移动代理汇总所有节点测量的似然函数， ５）使用非参数信任度表达条件下的序列贝叶斯滤波，对似然函数和信任度在二维空间以网格为单位进行离散化，并计算该时刻每个网格的信 任度， ６）使用最小均方误差估计来估计该时刻的目标位置， ７）根据目标的运动模式和测量节点的位置，估测周围节点的信息贡献量， ｋ↓［ＩＤＭＡＲ］＝＊＊＊Ｌ（Ｇ（ｔ＋１），ｌｉｋｅｌｉｈｏｏｄ（ｚ↓［ｋ］↑［（ｔ＋１）］）） 其中，ｋ表示节点的序号，Ｇ（ｔ＋１）表示在ｔ＋１时刻根据目标运动模式确定目标可能分布的区域，ｌｉｋｅｌｉｈｏｏｄ（ｚ↓［ｋ］...
【技术特征摘要】
1.一种无线传感器网络中基于主从移动代理的目标跟踪方法，其特征在于该方法具体为1.)当目标进入无线传感器网络监控范围，驻留在边界节点的主移动代理根据该节点的测量值，形成目标的初始信任度，2.)主移动代理根据应用所要求误差门限和数据相关性模型，计算出事件区域的大小，事件区域分布的半径计算如下变量Z反应了在空间相关性情况下，相邻节点数据的差异，其均方差为σz，σz可由节点历史数据统计求得。事件源S所在位置(0，0)感知数据为S(0，0)，事件源S触发的事件区域边界节点n(r，θ)的感知数据S(r，θ)满足|S(r，θ)-S(0，0)|≤μ，其中μ是误差门限，反应了不同位置的感知数据和事件源之间的差异，r是事件区域的半径。参数c影响数据相关性的强弱，λ反映了数据相关性随距离变化的快慢。参数c和λ取决于监控区域数据场空间相关特性，3)事件区域中从移动代理的路由等价于寻找事件区域中节点的一个循环排列，主移动代理计算出事件区域中从移动代理的能量有效的迁移路由，4)从移动代理沿着指定的路由迁移并搜集事件区域中各节点目标测量的似然函数，从移动代理返回后，主移动代理汇总所有节点测量的似然函数，5)使用非参数信任度表达条件下的序列贝叶斯滤波，对似然函数和信任度在二维空间以网格为单位进行离散化，并计算该时刻每个网格的信任度，6)使用最小均方误差估计来估计该时刻的目标位置，7)根据目标的运动模式和测量节点的位置，估测周围节点的信息贡献量，其中，k表示节点的序号，G(t+1)表示在t+1时刻根据目标运动模式确定目标可能分布的区域，likelihood(zk(t+1))为测量为Zk(t+1)的传感器节点的似然函数。L表示两个用网格表示的区域进行相交运算，也就是保留相交的部分，相交后的面积越小，表示信息贡献量越大，这里是成反比例关系，γ是调整系数。argmin表示选择设当的节点，使得相交运算取最小值，这样就可以在不获取节点测量数据的情况下，估计出节点的信息贡献量相对大小，从而主移动代理携带信任度迁...
【专利技术属性】
技术研发人员：胡海峰，
申请(专利权)人：南京邮电大学，
类型：发明
国别省市：84[中国|南京]
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。