搜索
目标跟踪技术郭松涛2014.11CONTENTS基于WSN的目标跟踪系统的特点WSN应用于目标跟踪的优势目标跟踪研究的内容目标跟踪策略目标跟踪关键技术目标跟踪指标要求①节点的组织和路由②目标侦测③目标分类④产生初始区域或初始簇头⑤目标的定位⑥目标轨迹的估计和预测⑦消息通知目标跟踪是无线传感器网络的重要研究和应用领域之一。与传统WSN系统相比，基于WSN的目标跟踪系统具有如下特点:传感器节点小，可近距离或直接置于监视环境中，不易被监视目标发现；WSN可快速部署、自组织、自配置，根据特定的监视任务进行组网和任务分工，目标跟踪更加灵活可靠；在一些不能手工配置监控设备的区域,如受污染区域、面积广阔的原始森林、敌方战场等，不可能使用传统的目标跟踪设备和方法，WSN是最佳的选择。以上特点使得WSN非常适合于地面复杂环境和特殊应用场合中的目标跟踪应用。基于WSN的目标跟踪技术在军事和民用领域的巨大应用前景受到了世界各国学术界和工业界的高度关注，成为无线传感器网络的研究重点和热点。WSN应用于目标跟踪的优势(l)低成本、低功耗、高冗余的设计原则为目标跟踪提供了较强的容错能力，网络自组织、高密度部署，使得网络抗毁能力强，在跟踪目标时可靠性高。(2)节点的综合信息有效地提高了信噪比。(3)节点与探测目标的近距离接触，可对目标进行精确感知、跟踪。(4)节点中多种传感器的混合应用，可实现对不同目标的监测，其适应面广，效益高，有利于提高探测的性能指标。(5)节点传感器部署广，多节点联合，形成覆盖面积较大的实时探测区域，还可混合部署，网络抗干扰能力强。(6)借助于节点的移动，可对网络拓扑结构进行调整，有效地消除探测区域内的阴影和盲点。(7)分布式的数据处理、多节点的协同工作，使跟踪更加全面。目标跟踪过程检测阶段处于检测阶段的节点周期性地检测目标是否出现。定位阶段定位节点对接收到的采样数据进行处理、计算，得到目标的估计位置根据连续时间内产生的两个估计位置估算出目标的运动速度和运动方向对目标的运动轨迹进行拟合通告阶段执行定位算法的节点将目标预测轨迹周围的处于休眠状态的节点激活，让它们加入到跟踪过程中来；通过多跳方式将目标定位结果发送给网关节点在传感器网络的许多实际应用中，跟踪运动目标是一项基本功能。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、鲁棒性和隐蔽性等特点，传感器网络非常适合于移动目标的定位和跟踪。基于传感器网络的目标跟踪过程通常包括侦测、定位和通告三个主要阶段，在不同的阶段采用不同的技术。①在侦测阶段，可以选择红外、超声或者震动技术侦测目标的出现。②在定位阶段，通过多个传感器节点互相协作，采用三角测量、双元检测等算法，确定目标的当前位置，根据节点位置的历史数据来估计目标的运动轨迹。③通告阶段是节点交换信息的过程，主要是广播目标的预估轨迹，通知和启动轨迹附近的节点加入目标跟踪过程。目标跟踪研究的内容一个自主的无线传感器网络要想获得有关周围环境的知识，或者更新优化已有的知识，首先必须使用传感器获取相关的原始数据，然后根据先验信息(数据库、数学模型等)对原始数据进行处理，从而得到一些决策支持信息。目标跟踪系统就是为了保持对目标当前状态的估计而对所接收到的量测信息进行处理的软、硬件系统。下图是目标跟踪跟踪系统的框图。目标跟踪的基本内容包括(1)滤波与预测滤波和预测的目的是估计当前和未来时刻目标的运动状态，包括目标的位置、速度和加速度等。基本的滤波方法有维纳滤波、最小二乘滤波、α-β滤波、α-β-γ滤波和卡尔曼滤波等。(2)机动目标模型机动目标模型是指描述目标运动状态变化规律的数学模型。估计理论特别是卡尔曼滤波理论要求建立数学模型来描述与估计问题有关的物理现象。经典的模型包括:机动目标加速度时间相关模型、相关高斯噪声模型、变维滤波器、交互多模算法、机动目标“当前”统计模型等。(3)数据关联数据关联是目标跟踪的核心部分。数据关联过程是将候选轨迹(跟踪规则的输出)与己知目标轨迹相比较，并最后确定正确的观测/轨迹配对的过程。正确地判定量测信息的来源是有效维持目标跟踪的关键。数据关联的研究包括最佳批处理算法、“最近邻”滤波、概率数据关联滤波方法、联合概率数据关联滤波方法、“全邻”最优滤波器、多假设跟踪方法等，并有更多的新的相关学科研究成果应于数据关联，比如遗传算法、神经网络、模糊集论等。目标跟踪策略在传感器网络目标跟踪过程中，节点间的工作状态决定了目标跟踪的有效性和精确性，因而研究跟踪策略相当重要，有以下三种：(l)完全跟踪策略：网络内所有探测到目标的传感器节点均参与跟踪。显然，这种策略消耗的能量很大，造成了较大资源浪费。但同时这种方式也提供了较高的跟踪精度。(2)随机跟踪策略：网络内每个节点以概率参与跟踪，整个跟踪以平均概率进行跟踪。显然，这种策略由于参与跟踪节点数量得到限制，因而可以降低能量消耗，但是不能保证跟踪精度。(3)协作跟踪策略：网络通过一个跟踪算法来适时启动相关节点参与跟踪。通过节点间相互协作对目标进行跟踪，既能节约能量又能保证跟踪精度。显然，协作跟踪策略是跟踪算法的最好选择。目标跟踪关键技术①节点的组织和路由②目标侦测③目标分类④产生初始区域或初始簇头⑤目标的定位⑥目标轨迹的估计和预测⑦消息通知节点的组织和路由传感器网络没有严格的控制中心，所有节点地位平等，是一个对等式网络。而在目标跟踪应用中，由于节点能力的限制，单个节点无法有效地跟踪目标，需要多个节点进行协同感知，并对所获得的数据进行融合处理，提取信息，这样在目标跟踪过程中就有一个局部节点自组织和路由的问题。目前在节点的自组织方面有以下几种方式：1.静态局部集中式2.动态局部集中式3.单点式4.序贯式节点的组织和路由1.静态局部集中式在网络中安排一定量具有较强处理能力的簇头(也叫超级节点)，普通节点在获得测量数据后传到簇头，簇头再对数据进行处理，然后通过簇头间的路由送到用户终端。这也是层次式的结构。虽然这是比较好的方法，但是对随机撒布形成的传感器网络无法控制簇头位置，事实上难以实现。在网络拓扑不可人为控制时，这种方法就失去了其有效性。2.动态局部集中式簇头在目标跟踪过程中通过一定的准则动态产生，其他节点将数据传送给动态簇头；在目标离开簇头侦测范围后，产生新的簇头，原来的簇头恢复侦测状态，这是目前比较流行的方法。不过这种方法在目标频繁出现的情况下，容易引起网络“黑洞”，簇头负担过重，同时在参与传送数据的邻居节点数量和区域的选取上还需慎重考虑，以减少通信能量消耗。节点的组织和路由3.单点式在目标跟踪的过程中，始终只有一个动态头节点在跟随目标。在任何时刻t，只有一个头节点k，它负责获取测量值并更新目标位置的估计。头节点从他的邻居节点中选取信息量最大的节点，然后将信息传给他。这个节点就成为下一时刻的头节点，原先的节点回到空闲状态。这种方法有效地减少了通信能量消耗。但是当头节点损坏或数据丢失后，跟踪就无法进行，降低了跟踪系统的稳定性。另外，这种方法只利用了信息量最大的节点，舍弃了其余的信息量。这一定会降低跟踪的精度。4.序贯式先将多个优化目标进行重要性排序，根据排序来确定满足的优先级，然后再针对优先级从高到低的顺序来进行多次的单目标计算。这种方法精度和能量是自适应的，在获得满足条件的数据后就可以进行下面的跟踪，可以是用户定制的。如移动代理算法，但是在传输过程中要考虑代码传输的通信能量消耗。目标侦测侦测阶段的目的就是发现目标。。目前对于目标来说，有被动侦测和主动侦测。主动侦测是指目标和节点之间非敌对关系，节点已知目标所发出的信号(如射频)，以明确的侦测手段进行侦测被动侦测是节点不知道目标的具体特征，只能通过声波、磁场等普通特征来侦测目标。显然，主动侦测发现目标的概率远远大于被动侦测，误判率也大大减小，但实际情况中，这种情况只是一小部分。因此对被动侦测的研究应该是主要的方向。目标分类分类就是区分不同类目标的过程。在由Arora等人建立的“Alineinthestand”系统中，利用不同种类物体对环境产生不同影响的原理，通过抽取目标现象特征区分不同种类的物体。例如，利用磁信号就可以区分平民和士兵。他们还建了“影响场(influencefiled)”的理论。其基本原理是:目标物体的体积越大，其影响范围也就越大。于是可以根据侦测到目标的传感器节点的数目来区分不同种类的目标。产生初始区域或初始簇头一个目标的出现经常会被多个节点所感知，如何在考虑节能和跟踪精度两个要求下综合安排利用各个节点的信息，这是传感器网络能够实现目标跟踪任务所要解决的问题。初始区域或初始簇头的选择遵循这样的原则：尽量减少信息贡献量少的节点或信息有冗余的节点的参与和通信能量的消耗，同时保证达到跟踪任务的精度要求。通常处理的方法是形成一个侦测区域，也叫协同组或树。每个节点执行单独的帧测，当测量值超过一定的门限值，则发送消息加入协同组或树，然后在组(树)内进行头(根)节点的选举，联合判决和估计。目标的定位传感器节点定位过程中，未知节点在获得对于邻居信标节点的距离，或获得临近的信标节点与未知节点之间的相对角度后，通常使用的下列方法计算自己的位置。目标的定位目标的定位目标的定位目标的定位目标的定位目标的定位目前主要的定位方法如下：(1)基于距离的定位基于距离的定位中，测量节点间距离或方位时采用的方法包括：到达时间TOA；到达时间差TDOA；到达角度AOA；接收信号强度指示RSSI。基于距离的定位方法虽然能够达到很好的精度，但共同缺点都是需要节点间的严格同步，且能耗太大。(2)与距离无关的定位与距离无关的定位中，一种方法是对节点到目标间的距离进行估计，然后通过三边测量定位法或极大似估计法进行定位。还有一种方法是将包含目标的区域中心或离目标最近的节点位置作为目标位置，这种方法误差较大。(3)基于声波衰减模型的定位这种方法需要根据经验测量获得比较接近实际的模型，因此在定位误差上有待提高。5.4动态成簇算法1、动态成簇算法简介动态成簇算法（DynamicClustering）是在WSN目标跟踪系统中，只有处于目标附近的节点是对定位跟踪有贡献的节点，其余节点可以处于低功耗等待目标的出现；随着目标的移动，目标周围的节点按照簇的方式被组织起来对目标实现动态跟踪。每个采样时刻，网络中仅存在一个跟踪簇，跟踪簇随着目标的移动而动态的调整。5.4动态成簇算法目标跟踪的动态成簇算法研究的重点：（1）网络部署由于等待目标出现的时间是不确定的，所以等待节点状态的设置会影响系统的能量利用率。（2）节点的激活方案激活方案的设计要求在保证跟踪精度的前提下，尽可能地少激活网内节点。（3）CH选举及CM加入CH选举方案的设计要求尽可能选举离目标最近的节点成为CH，这样可以减少簇内通信开销，节省能量。（4）CH移交方法：成簇算法的核心。随着目标的移动，需要取消当前簇，构建新的簇来实现跟踪。5.4动态成簇算法2、网络部署方案为了及时发现目标并节省能耗，初始化时节点状态设置方式主要有节点周期休眠方式和边界节点活动方式。边界节点设置为感知状态，探测所有进入感知区域的目标；其他非边界节点设置为休眠状态，等待被唤醒。网络部署后，选择部分或全部节点，为其设置一个定时器，使节点周期性处于休眠或活动状态。节点休眠方式有两种：（1）部分节点周期性休眠发现节点周期性地处于发现和睡眠状态；普通节点也设置为周期地处于睡眠和侦听状态。（2）全部节点周期休眠所有节点设置为普通节点，普通节点是一个周期工作节点，工作状态分为：感知－侦听－休眠三个阶段。5.4动态成簇算法３、节点激活方式（１）全唤醒模式：激活所有节点对目标进行感知与跟踪（２）随机唤醒模式：以概率Ｐ随机唤醒网内节点（３）选择唤醒模式：根据跟踪任务的需要来预测选择唤醒节点它通过上一时刻目标估计信息预测下一时刻目标的状态，进而唤醒下一时刻对定位跟踪精度收益大的节点。（4）任务循环唤醒模式：选择网内部分节点周期性地醒来去协助其他节点工作。在该算法中，节点处于休眠状态的时间较短，大量时间处