基于分布式动态簇结构的WSN自适应目标跟踪算法

　　在无线传感器网络的众多应用中，目标跟踪是一项基本功能。由于传感器节点体积小、价格低廉、采用无线通信方式，以及传感器网络部署随机，具有自组织性、鲁棒性和隐蔽性等特点，无线传感器网络非常适合于移动目标的跟踪。例如在战场上及时跟踪敌方车辆的行进路线和兵力的调动情况，将获取得战场信息及时发送回我方指挥中心。在多数情况下，目标跟踪系统是非线性的，粒子滤波算法由于其不受系统非线性非高斯条件的限制而被用来解决WSN 的目标跟踪问题，文献[1-2]采用集中式粒子滤波的方法来解决无线传感器网络中的目标跟踪问题，取得了较高的精度。然而这种集中处理的方式由于计算复杂度较高往往难以在能量有限的单个节点上实现，所以许多学者采用分布式粒子滤波的方法来解决这一问题，文献[3-5]提出了几种采用分布式粒子滤波进行目标跟踪的方法，取得了很好的效果。

　　为了进一步降低算法复杂度和网络能耗，同时又要保证较高的目标跟踪精度，本文引入一种动态分簇分布式跟踪结构，提出了在目标跟踪过程中动态建簇的思想来优化目标在跟踪簇中的位置，并运用并行粒子滤波算法来提高跟踪精度，同时运用目标跟踪采样周期自适应的方式来降低网络能耗，从仿真结果来看，这种算法达到了很好的跟踪效果，同时也有效地降低了网络的能耗。

　　1 模型与假设

　　1. 1 目标运动模型

　　目标运动模型是跟踪问题的基础，常速( constantvelocity，CV) 模型用于描述弱机动以及非机动的点目标状态，因此在本文的目标跟踪系统中采用CV模型作为目标的运动模型，假定目标运动基于固定速率运动，由CV 模型组成的目标跟踪系统运动方程描述如下:

　　1. 2 传感器模型

　　本文假设传感器节点采集的是目标的声音信号能量，在k 时刻第i 个传感器节点接收到的声音能量表示如下:

　　2 目标跟踪算法

　　2. 1 分布式动态簇结构

　　分布式动态簇结构是由目标事件激发组建，可以根据目标事件的实时状态决定自身的位置和规模。其基本思想是: 在目标跟踪过程的初始时刻，根据目标实时状态组织目标附近的一些传感器节点构成一个小规模的临时动态簇，该簇负责对目标进行状态估计，预测目标下一时刻出现的位置，当目标移动距离超过一定阈值时，由当前簇的簇头负责唤醒距离目标在下一时刻预测位置最近的节点作为新的簇头，它负责组建动态簇并进行下一时刻的目标状态估计。由于动态簇始终是由目标附近的一些传感器节点组成，因此基于动态簇的目标跟踪方法能够在维持跟踪精度的前提下降低整个网络能耗[6-7]。