无线传感器网络中多传感器动态自适应调度算法

无线传感器网络中,目标跟踪往往通过节点之间的协作完成。在无迹变换卡尔曼滤波基础上,提出一种多传感器动态自适应调度算法进行目标跟踪。该方法根据预测跟踪精度来确定采样间隔,然后基于特定的检测概率,为下一时刻选择一组传感器,形成一个临时工作组,并指定某一个传感器作为中心节点进行数据融合。仿真结果证明了该算法能有效提高跟踪精度和可靠性。     

一种基于改进Bounding Box的移动信标辅助节点定位算法

针对无线传感器网络的节点自定位问题,提出一种利用单个移动信标的定位算法。该方法在传统Bounding Box定位方法的基础上,结合信标的实际通信区域,提出“O-区域”和“S-区域”的概念,通过对新接收到的信标位置分类讨论,进一步缩小未知节点的可能区域。通过仿真比较,验证了该方法的性能优于质心定位法和Bounding Box定位法,同时定位精度与移动信标的通信半径大小有关。     

一种面向节点定位的移动信标动态路径规划方法

针对基于移动信标的传感器节点定位问题,提出一种基于在线决策的移动信标动态路径规划方法.针对以往算法大都只适用于节点均匀分布的局限,该方法用移动信标不断获取两跳范围内的未定位节点数目,并向最大覆盖未定位节点方向移动,不需要网络先验信息,即可实现路径的优化.仿真结果表明:与传统方法相比,该方法无需网络的先验信息,在移动路径长度上具有明显优越性,减少了信标的能量消耗,更适用于户外部署的大规模传感器网络.     

基于自适应动态分簇的二元传感器网络目标跟踪算法

针对二元传感器网络的目标跟踪问题,提出了一种通过设置簇内传感器节点数目门限自适应地调整簇的激活半径、利用少量被激活的节点进行跟踪的方法,并利用一种改进的分布式粒子滤波算法进行目标位置估计以减少粒子数和计算量。仿真结果表明:与传统的IDSQ算法相比,所提出的算法能够在保证一定跟踪精度的基础上,有效降低网络的能量消耗,提高网络寿命。     

密集杂波环境下一种新的机动目标跟踪算法

针对密集杂波环境下的机动目标跟踪问题,在传统方法基础上结合模糊推理的思想,提出一种模糊自适应交互多模型概率数据关联算法。该算法将目标运动模式分为机动和非机动两类区别对待,无需选取大量模型来覆盖机动目标的运动模式,而是动态调节模型集合中部分模型的参数,具有更强的自适应跟踪能力。最后,给出了算法的仿真分析,结果表明:该方法能够有效地跟踪密集杂波中的机动目标,并且跟踪性能较传统方法有所提高。