无线传感器网络中基于信息收益的多目标跟踪

　　1　引言

　　跟踪是无线传感器网络[1]的主要用途之一,也是一个难点和关键问题,同时具有很多商业和军事应用的基本要素,如交通监控、机构安全和战场状况获取等。利用无线传感器网络中的节点协同跟踪[2],是无线传感器网络技术应用的一个很重要的方面。

　　最早的无线传感器网络系统跟踪实验是在美国DARPA(DefenseAdvanced Research Projects Agency)的SensIT项目中实现的。现在的许多跟踪应用方案依然处于研究阶段,由于传感器节点存在很多硬件资源的限制,还经常遭受外界环境的影响,无线链路易受到干扰,网络拓扑结构动态变化,而传感器网络的活动目标跟踪应用具有很强的实时性要求,因此,许多传统的跟踪算法[3, 4]并不适用于传感器网络。

　　国内外学者针对无线传感器网络的特点提出了诸多的目标跟踪算法: Li等[5]提出了基于定位的目标跟踪方法;Wang等[6]利用信息滤波的分布式特性提出了新颖的跟踪方法; Zhao等[2]提出基于信息唤醒节点,采用分布式Bayes滤波的跟踪方法。但这些方法具有较高计算复杂度,不能直接应用在传感器网络中,且不适合多目标跟踪。本文提出基于信息收益的加权质心多目标跟踪算法,通过信息收益函数选取并唤醒节点对目标感知,通过传感器利用属性信息解模糊,并利用加权质心算法实现了多目标跟踪。仿真结果表明,基于信息收益的加权质心多目标跟踪算法与Bayes滤波协同多目标跟踪算法[2, 7]相比,虽然精度略低于后者,但算法复杂度低、失跟率低、实时性高,总体性能优于后者。

　　2　无线传感器网络多目标跟踪

　　多目标跟踪就是根据多个传感器节点所获得的量测信息,同时对多个目标的状态进行估计。如图1场景所示:无线传感器网络的多目标跟踪可分为三个阶段:在第一阶段目标距离较远,可以作为单目标分别进行跟踪;在第二阶段,当目标相互接近引起量测与目标配对关系的模糊,为解模糊则需要进行数据关联;在第三阶段,当目标分开传感器又可以明显的区分后,回到单目标跟踪模式。如果在前一阶段出错,就会造成目标丢失或混淆,在第三阶段就需要进行重新起始或者识别。对于传统的目标跟踪而言,每一个量测常常只来源于单独的目标或虚警量测,因此多目标跟踪问题的关键就是数据关联;而在无线传感器网络中,由于量测通常为多个目标的合成,因此多目标跟踪问题是需要首先将合成量测分解,然后正确的分配给各个目标,进而对目标状态进行正确估计,这实际上是一种信息融合的过程。

　　3.2　算法思想

　　为了节省能量,网络中所有节点处理休眠状态,因此选择合适的节点唤醒方式,在提高跟踪精度的同时,减小网络的能耗。无线传感器网络中常见的节点唤醒方式有以下几种: