8.1无线传感器网跟踪中的节点选择法研究.pdfVIP

俐三：篙：裂理联合学术姒双集 。。， 8．综合信息技术 8．1无线传感器网跟踪中的节点选择法研究 吴海赵巍毛士艺 北京航空航天大学电子信息工程学院203教研室北京100083 摘要：节点选择问题存在于无线传感器网的目标跟踪问题中，指依据获得最大信息量、消耗最少网络资 源的准则，如何从多个传感器中选取合适节点跟踪当前目标．现有的基于后验概率描述信息量的节点选择法， 选择精度高但计算量大，如熵值法；简化的信息量描述法，如马氏距离法选择精度好计算量小，但仅适用于 测距节点．本文提出一种适用于测角传感器节点的信息量描述法将其用于节点选择问题，谊算法利用目标状 态预刺的分布置节点的探剥模型，从定位误差的角度推导出了一种简化的信惠量表达式，这样避开了贝叶斯 滤波，在减少计算量的同时具有很好的选择精度．仿真蛄果表明，本算法太幅度减少了计算量的同时能达到 优于熵值法的艰踪定位效果． 关键词：无线传感器网 贝叶斯滤波跟踪节点选择 一、引言 随着微电子技术、通讯技术及计算技术的发展，无线传感器网(Wireless 成为目前的一个研究热点。无线传感器网是由大量廉价、稠密、智能化的微传感器节点通过无线连接组成的 复杂网络系统，目的是协同地绉知、采集、处理网络覆盖范围内的信息并将其提供给用户。WSN是一种信息 驱动的网络，其各种操作都要从获取的信息量和消耗的网络资源两方面考虑。以其在目标跟踪中的应用为例， 协同跟踪的关键问题包括在每一个采样时刻确定让哪些节点跟踪目标。需要获取哪些量测数据及节点必须交 换哪些信息。在现有的研究中，节点选择成为一个热点问题，这也是本文的研究重点。 在现有的研究中．主要基于以下三种方法：采用卡尔曼滤波进行状态估计【l】并基于协方差阵进行信息效 能的衡量，此时滤波算法及选择算法计算量小，适用于能力有限的WSN节点，但是卡尔曼滤波的线性、高斯 白噪声假设，及要求已知目标运动的先验信息，故应用受限；SMC的粒子滤波【2】[3】适用于非线性及任意状态 分布的情况，且基于交互熵的信息量准则的节点选择精度好，但滤波算法计算量大，同样交互熵的节点选择 算法计算量也很大，故不适台能量受限的WSN节点；基于栅格【4】表示状态分布的贝叶斯滤波算法优缺点同 SMC方法算法．但文献【5】中提出了马氏距离法，解决了节点选择算法的大计算量问题，不足的是该方法仅适 用于测角传感罂点． 本文受马氏距离启发，将简化的信息量描述法推广到测角节点。本文将从误差分布的角度推导证明出信 息量表达式。由于本文节点选择方法不需要计算似然函数．在计算量小的同时能达到较好的选择定位效果。 结果表明，对于测角节点．本文方法在达到好的选择糟度的同时节省了大量的计算。 二、预备知识 本文对传感器网络做如下的假设；首先传感器模型均为测角传感器，测角误差为均值零的高斯白噪声； 其次各传感器节点位置已知，各节点知道相邻节点的位置及测角误差等信息；再次，文中采用基于栅格的状 态分布表示的贝叶斯滤波，滤波过程如下： J 离散形式的量测方程为：=i．★=^Ul，^f (I) 其中，气j表示七时刻第j个节点产生的量测，丑表示第j个节点的参数。 J 离散形式的系统状态方程为；％+l=，L以，M (2) 其中”‘表示目标运动噪声。 304 8．综台信息技术 贝叶斯滤波递推过程如下： z,地 预测；P(_+】I气)=P(_“Ixk)P(x-I (3) zk)P(t斗一l 2t)P(2卅“IXk+1)dxk“ 更新：P(以“1气州)=P(矗“I Xk+1))／j尸(^“f