[发明专利]无线传感器网络中基于主从移动代理的目标跟踪方法无效

专利信息
申请号: 200910183857.0 申请日: 2009-07-24
公开(公告)号: CN101635941A 公开(公告)日: 2010-01-27
发明(设计)人: 胡海峰 申请(专利权)人: 南京邮电大学
主分类号: H04W24/00 分类号: H04W24/00;H04W40/34;H04W64/00;H04W84/20;H04B1/707
代理公司: 南京经纬专利商标代理有限公司 代理人: 叶连生
地址: 210003江*** 国省代码: 江苏;32
权利要求书: 查看更多 说明书: 查看更多
摘要: 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。
搜索关键词: 无线 传感器 网络 基于 主从 移动 代理 目标 跟踪 方法
【主权项】:
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: <mrow> <mi>&gamma;</mi> <mrow> <mo>(</mo> <mi>r</mi> <mo>)</mo> </mrow> <mo>=</mo> <mfrac> <mn>1</mn> <mn>2</mn> </mfrac> <mi>E</mi> <mo>[</mo> <msup> <mrow> <mo>(</mo> <msub> <mi>S</mi> <mrow> <mo>(</mo> <mi>r</mi> <mo>,</mo> <mi>&theta;</mi> <mo>)</mo> </mrow> </msub> <mo>-</mo> <msub> <mi>S</mi> <mrow> <mo>(</mo> <mn>0,0</mn> <mo>)</mo> </mrow> </msub> <mo>)</mo> </mrow> <mn>2</mn> </msup> <mo>]</mo> <mo>=</mo> <mfrac> <mn>1</mn> <mn>2</mn> </mfrac> <mi>E</mi> <mo>[</mo> <msup> <mi>Z</mi> <mn>2</mn> </msup> <mo>]</mo> <mo>=</mo> <mfrac> <mn>1</mn> <mn>2</mn> </mfrac> <msubsup> <mo>&Integral;</mo> <mrow> <mo>-</mo> <mi>&mu;</mi> </mrow> <mi>&mu;</mi> </msubsup> <msup> <mi>z</mi> <mn>2</mn> </msup> <mfrac> <mn>1</mn> <mrow> <msub> <mi>&sigma;</mi> <mi>z</mi> </msub> <msqrt> <mn>2</mn> <mi>&pi;</mi> </msqrt> </mrow> </mfrac> <msup> <mi>e</mi> <mfrac> <msup> <mi>z</mi> <mn>2</mn> </msup> <msubsup> <mrow> <mn>2</mn> <mi>&sigma;</mi> </mrow> <mi>z</mi> <mn>2</mn> </msubsup> </mfrac> </msup> <mi>dz</mi> </mrow> <mrow> <mo>=</mo> <mfrac> <mn>1</mn> <mn>2</mn> </mfrac> <msubsup> <mi>&sigma;</mi> <mi>z</mi> <mn>2</mn> </msubsup> <mi>erf</mi> <mrow> <mo>(</mo> <mfrac> <mi>&mu;</mi> <mrow> <msqrt> <mrow> <mn>2</mn> <mi></mi> </mrow> </msqrt> <msub> <mi>&sigma;</mi> <mi>Z</mi> </msub> </mrow> </mfrac> <mo>)</mo> </mrow> <mo>-</mo> <mfrac> <mn>1</mn> <msqrt> <mn>2</mn> <mi>&pi;</mi> </msqrt> </mfrac> <msub> <mi>&mu;&sigma;</mi> <mi>Z</mi> </msub> <msup> <mi>e</mi> <mrow> <mo>-</mo> <mfrac> <msup> <mi>&mu;</mi> <mn>2</mn> </msup> <mrow> <mn>2</mn> <msubsup> <mi>&sigma;</mi> <mi>z</mi> <mn>2</mn> </msubsup> </mrow> </mfrac> </mrow> </msup> <mo>=</mo> <mi>&Psi;</mi> <mrow> <mo>(</mo> <msub> <mi>&sigma;</mi> <mi>z</mi> </msub> <mo>,</mo> <mi>&mu;</mi> <mo>)</mo> </mrow> </mrow> <mrow> <mi>c</mi> <mrow> <mo>(</mo> <mn>1</mn> <mo>-</mo> <msup> <mi>e</mi> <mrow> <mo>-</mo> <mi>&lambda;</mi> <msup> <mi>r</mi> <mn>2</mn> </msup> </mrow> </msup> <mo>)</mo> </mrow> <mo>=</mo> <mi>&Psi;</mi> <mrow> <mo>(</mo> <msub> <mi>&sigma;</mi> <mi>z</mi> </msub> <mo>,</mo> <mi>&mu;</mi> <mo>)</mo> </mrow> <mo>&DoubleRightArrow;</mo> <mi>r</mi> <mo>=</mo> <msup> <mrow> <mo>[</mo> <mfrac> <mn>1</mn> <mi>&lambda;</mi> </mfrac> <mi>ln</mi> <mrow> <mo>(</mo> <mfrac> <mi>c</mi> <mrow> <mi>c</mi> <mo>-</mo> <mi>&Psi;</mi> <mrow> <mo>(</mo> <msub> <mi>&sigma;</mi> <mi>z</mi> </msub> <mo>,</mo> <mi>&mu;</mi> <mo>)</mo> </mrow> </mrow> </mfrac> <mo>)</mo> </mrow> <mo>]</mo> </mrow> <mfrac> <mn>1</mn> <mn>2</mn> </mfrac> </msup> </mrow>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, <mrow> <msub> <mi>k</mi> <mi>IDMAR</mi> </msub> <mo>=</mo> <mrow> <munder> <mrow> <mi>arg</mi> <mi>min</mi> </mrow> <mrow> <mi>k</mi> <mo>&Element;</mo> <mi>N</mi> </mrow> </munder> <mi>L</mi> <mrow> <mo>(</mo> <mi>G</mi> <mrow> <mo>(</mo> <mi>t</mi> <mo>+</mo> <mn>1</mn> <mo>)</mo> </mrow> <mo>,</mo> <mn>1</mn> <mi>ike</mi> <mn>1</mn> <mi>ihood</mi> <mrow> <mo>(</mo> <msubsup> <mi>z</mi> <mi>k</mi> <mrow> <mo>(</mo> <mi>t</mi> <mo>+</mo> <mn>1</mn> <mo>)</mo> </mrow> </msubsup> <mo>)</mo> </mrow> <mo>)</mo> </mrow> </mrow> </mrow>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)。
下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于南京邮电大学,未经南京邮电大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/patent/200910183857.0/,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top