[发明专利]无线传感网络中基于预测的目标跟踪方法及其系统

说明书

技术领域

本发明涉及无线传感网络技术领域，尤其涉及一种无线传感网络中基于预测的目标跟踪方法及其系统。

背景技术

在无线传感网络的众多应用中，目标跟踪传感网(OTSN)是最耗能的应用之一，OTSN主要用来跟踪移动物体并且上报最新位置，这一动态过程耗费很多网络资源，而传感器的电源能量极其有限。目前有两种主要的途径解决传感器能耗问题，一是通过改进传感器的硬件设计,优化物理结构来降低传感节点的能耗；二是通过控制传感器状态进行节能，尽量使不工作的传感器保持休眠状态，这类方法又分为两种，一种是不基于预测的方法，周期性的将传感器置为活跃和休眠状态，另一类是基于预测的方法，通过对路径日志信息进行规律分析，有选择的让传感器节点保持最长时间的休眠状态。

方案1：论文《An Energy Efficient Technique for Object Tracking in Wireless Sensor Networks》(ICC,2011:1-5)提出了PTSP方法进行物体路径跟踪。该方法主要是根据历史移动路径，生成所有的传感器节点前后依赖序列，然后按照依赖序列的频率大小选出依赖性较强的序列，基于这些序列来预测物体的移动路径。该方法在生成依赖序列过程中，需要对路径上的每个传感器节点遍历前后节点，复杂度较高。此外，挑选出来的依赖序列不能完全描述物体移动方向，即若某些传感器节点没有较强的前后依赖序列，就会造成无法判定下一跳传感器节点，丢失率较高。

方案2：论文《An object tracking scheme for wireless sensor networks using data mining mechanism》(NOMS IEEE,2012:526-529) 中应用Apriori方法基于历史路径信息挖掘关联规则，该方法逐步挖掘频繁访问的传感器节点，每一步增加一个传感器节点，删除支持率小于阈值的传感器序列，直到不能增加传感器节点终止。最终得到传感器最长依赖序列，按照该依赖序列控制传感器节点状态进行路径跟踪。该方法在每步挖掘频繁访问的传感器节点时，均需遍历全部路径信息一次。物体的移动路径信息量较大，故该方法复杂度较高。此外，最终挖掘到的最长依赖序列不能保证包含所有传感器节点，对于不在最长依赖序列上的传感器节点，无法判断下一跳信息。

方案3：专利号ZL 200710164468.4一种基于预测的无线传感器网络目标跟踪方法,该方法包含如下步骤:A.根据目标运动的当前测量数据或者历史测量数据确定目标的运动特征；B.结合目标的当前位置、速度、运动方向等信息预测目标的未来位置以及下一监控节点的唤醒时刻；C.当目标位置预测失败时,网络根据目标的运动历史记录和先验知识逐级启动预测失败恢复过程。本发明根据目标运动的统计数据确定目标的运动特征,并据此预测目标的未来运动。该发明在预测目标的未来位置、下一监控节点的唤醒时刻以及预测失败进行恢复时，均需要目标最大速度、最大加速度、最大角速度、最大角加速度极限运动参数等先验知识，使得传感器节点需消耗较多的能量进行先验知识的计算。该发明虽在预测精确度上有一定优势，但是耗能较大。

方案4：专利号ZL200810103125.1一种无线传感器网络的目标跟踪方法，包括下列步骤:步骤A,利用历史目标状态信息和当前时刻观测数据,进行重要性采样,获得粒子状态估计信息,计算得到轨迹存活指数和剩余测量值；步骤B,根据轨迹存活指数决定是否终止该轨迹,并更新轨迹集合；步骤C,使用重采样后的粒子,获得全部目标轨迹的当前状态估计,即移动目标的当前位置和运动速度,实现目标定位跟踪。该发明使用重采样后的粒子，获得全部目标轨迹的当前状态估计，即移动目标的当前位置和运动速度，实现目标定位跟踪，这要求所有传 感器节点必须处于时间同步状态，复杂度较高。