新颖的无线传感器网络传感器调度和节能量化跟踪目标.docVIP

本科毕业设计(论文)外文 文献翻译 学 院： 物理与电子工程学院 专 业： 光电信息工程（光伏） 姓 名： 学 号： 附件1：外文资料翻译译文 新颖的传感器调度和节能量化跟踪目标无线传感器网络 摘要关键词介绍 图1实验结果与RDSS和QA。 在拟议的过程见图2,当前任务节点节点2。四个步骤后,节点5变成了下一个任务节点。Q、R、F和H是缩写的查询步骤,反应步骤,过滤步骤,交接步骤,分别如下： 图2传感器鲁棒调度方案 在这里,我们将展示如何计算时间(退下反应步骤)响应查询的任务节点传感器。我们使用一个阈值,严格限制退下时间和避免干扰到下一个周期响应步骤。 有人指出我们提出算法与RDSS从分布式竞争传感器选择[4],在传感器节点的任何候选人听到回复消息并将立即终止其竞争下一个任务的传感器。在我们RDSS,每个节点将继续争夺未来任务传感器节点收到之前终止命令从先前的任务组织传感器节点。该算法[4]假设真正的补偿时间是随机的之间的数字0和马克斯补偿时间。然而,这个假设并不总是如此。Φ(k + 1)马克斯(即。,其最大)不能保证是可用的,因为之前有时Φ(k + 1)马克斯趋向无穷大和设置任何有限值等于Φ(k + 1)最多将是不切实际的。克服这个问题,我们提出RDSS算法定义了一个阈值。阈值是一个点超出那里是一种不同的方法设置值的补偿时间。无论Φ(k + 1)马克斯是无限的还是有限的,补偿时间是等于或小于马克斯补偿时间。 备注1时间一步提出传感器调度方案意味着采样间隔(Δtk)某些给定测距传感器(即。、超声波传感器)。这个时间步不是分配之前,取决于实际的执行调度流程。按照以往的经验,一个方法降低阈值的采样间隔应采用(见3.3节)来提高性能我们提出的调度方案。 3.2一个量化算法的卡尔曼滤波器在本节中,一个新颖的量化算法(QA)消除了能源消耗。基本矢量量化的原则是行之有效的多年前和矢量量化也被认为是作为一个有价值的技术数据压缩现在。我们申请一个矢量化到数字转换的对角矩阵￣Pi(K | K)[6]。在本文中,￣Pi(K | K)是给定如下: Pi(K|K) = diag{2p11 + 2|p12|Δtk2 + 1, 2p22 +2|p12|Δtk2 + 1, 2p33 + 2|p34|Δtk2 + 1, 2p44 +2|p34|Δtk2 + 1}. 拟议的小说QA算法可以分为两个步骤: 压缩的卡尔曼滤波的目的过程是发现一个合适的对角矩阵,可以减少计算复杂度的状态误差协方差矩阵和比特数需要交换信息两个传感器节点之间。根据定理4.2在[6],￣Pi(K | K)是选择取代状态误差协方差矩阵,我表示当前任务节点传感器。矢量量化的效率量化器将改进如果量化器的参数可以调整吗以适应统计字符的编码信号。我们应当假定一个量化器操作输入序列的输入向量,如?X(k | k)和￣Pi(k | k)。如果每个连续的向量具有相同的分布,是一个固定的量化器足够的。固定矢量量化应用这里是一个映射从一个向量X在k维欧几里得空间罗伯特-库比卡成一个有限集合组成的?X N输出点?Xi(我=1、2、。。。,N)在家乡。这个命令组输出点被称为矢量量化的码书的。矢量量化器是分成两个操作,一个编码器,E,和一个解码器,D一个框图的操作参与向量量化是图3所示。它主要由部分的编码器,译码器部分和预测部分。这个编码器的部分是一个映射从向量?ek进一个索引我(i = 1、2、。。。,N)。解码器部分是一个映射我变成一个向量索引?ek。通道噪声是不考虑在这里。预测部分(见图3,P意味着预测部分)生成一个值?Xk,线性预测值。给出了线性预测价值如下:?Xk = f(?1,??Xk Xk?2。。。,?Xk?m),k m,m∈n .(4)注意参数的函数f是?Xk?1?2,?Xk和?Xk?米,而不是Xk??1,2,Xk。。。,Xk?m。这个函数f应该仔细选择,这里使用了以下方程: Xk=f(?Xk?1, ?Xk?2, . . . , ?Xk?m), k m, m ∈ N. 这里r称为步长。K意味着向量是一个kdimensional欧几里得空间。更大的r是,更大的错误它将导致。如前所述在第二节,声纳传感器用于测距和精确度的测量可以吗达到厘米分辨率。因此,一个是选为步骤大小和被认为是适当的。注意一个表示在制服一公分的矢量量化。 备注2上述量化算法质量不是一般的量化算法。继续跟踪目标在轮distributedly,众所周知,信息预测的结