网络摄像机的分布式定位.docVIP

网络摄像机的分布式定位 摘要：摄像机网络也许是最常见的传感器网络，它配置在各种不同的实际应用中，包括监控、智能环境和科学远距离监控。配置摄像机网络的关键问题在于校准，也就是取决于每一个传感器的位置和方向，一幅图片的观察资料能够在真实世界中得到定位。本文为摄像机网络标准提出一种完全分布式的方法。多台摄像机合作追踪一个在特定环境移动的目标，推论关于某台摄像机的姿势能与观察图像一致的概率。 引言 对于无线传感器网络的监测和控制应用，每一个传感器的自动定位将是一个关键的技术。传感到的数据必须记录到他的实际位置来允许建立有效的路由策略，能源定位算法，和分布压缩技术，而且，对于存货管理和制造后勤，定位和传感器的跟踪为无线传感器网络的主要目的。在本文，我们考虑只有小部分的节点有一个优先级的坐标信息，和很多对邻近节点允许所有节点坐标的估算测量。 影响传感器定位精度的两个主要困难：首先，精确的距离测量是很昂贵的；其次，集中估算对于传感器规模的增大越来越不可能了。本文提出了一个分布式定位算法，他根据一个加权多维标度的方案（MDS）。他的传感器需要交换邻近节点一个小集合的数据。他的主要特征是：（1）一个允许权数越大京度越大加权方程；（2）一个避免基于噪音测量自适应邻近选择方法。（3）一个主要的方法是美重复一次都保证改善评估函数的变量。 问题的提出 认为一个包含N=n+m设备的传感器网络。在一个d维的空间（d=2或者3）。设{xi}Ni=1,xi∈RD，为传感器实际矢量坐标x=[x1,…,xN].最近的m个传感器节点（i=n+1,…,N）,称为锚节点，完善他们的坐标的一个先验知识。首批n个传感器节点（i=1,…,n）没有知识和不完整的先验坐标叫做未知节点。节点in的不完整的先验知识可以由ri和xi的参数来编码，其中，ri和xi的精度分布在/xi的周围。如果没有这些信息，ri=0.总的来说，3个明显的传感器集合能够在这个方程根据他们的先验知识考虑到：完整的（in）,不完整的（i=n,ri0）或者零坐标信息（i=n,ri=0）.考虑到一个或者两个可能是空的，例如，没有锚节点可用或者没有先验知识。 本文定位的问题包括坐标的估算，给出锚节点的坐标 ，未完整的先验知识和很多成对的距离测量，接受时间可得到的距离测量坐标。我们假设在一个连接网络的测量结果的集合；每一个连接集合需要单独考虑。 分布式加权多维标度算法 3、1 dwmds 指标方程 我们定义多维指标作为以下最小全局指标方程的解： 其中 为欧几里德距离，以及我们假设每一个坐标（i,j），提高k的不相似测量值。加权wij（t=1,..,k）能够选择来保证测量值σij的精度。如果没有i和j的距离测量值。或者i和j不用考虑它的邻域，然后wij=0.我们假设wij=0,wii=0和wij=wji。例如：权值是相对称的，注意到与标准mds指标方程不一样我们增加了一个条件来说明节点位置优先知识。 经过简单的处理，s能够写成 其中方程si定义为每一个位置方程节点i. C为与节点位置x独立的一个常数。在上式中k值和i和j的距离测量可以归纳为权值和测量值，当si只是依靠节点i的可测量值以及邻近节点的位置，如节点wij〉0， 它能够看作节点i的指标方程。这是对于实施一个分布定位方法的一个重要的因素。 3、2 简化dwmds的指标方程 有一个全局指标的附加结构的激发，我们提出了一个迭代分布算法，它能够通过简化相关的指标方程si，并且经过测量和接收到他的邻近节点的位置，来对每一个传感器节点进行位置估计。 然而，与传统mds不一样，对于指标方程si的最小值没有关闭的形式的表达式。我们通过反复地利用smacof里的2次优化方程来简化si=si(xi)来表述这个问题。这种方法能够产生一个非上升的stress序列。由于空间的限制，我们忽略了优函数的偏差和他的最小限度。只是给出节点位置的更新方程。相关的细节能够在4式找到。如果xk为一个列包括迭代k点所有的估计位置的矩阵，si的2次优化导致对节点i以下更新方程： 其中 为一个矢量： 当权值wij设为零除了对于一个相对邻近的节点i，只有矢量b相关的入口不为零，以及xi的更新规律仅仅依靠它的邻近节点。 3．3 算法 提出的算法可以由图一看到。我们分成4步 1、加权方程wij的选择必须反映距离测量的精度，精度小的测量值会抛弃。采用一个依赖于模型自适应加权策略，我们提出了以下的权值分配 其中，wij的选择，等于所有传感器的一个非零的加权分布，他在第4部分的实验中拥有很好的性能。 2、选择每个节点的邻近节点来较少通信的消耗或者提高定位的性能。 3、每一个节点需要一个位置的初始估算值。 4、在算法中，假设算法不断地在整个网络中循环。然而，需要很多其他不循环的更新规则。 3、4 自适应邻域选择 很多的方