WSN中一種改進的目標跟蹤方法

壽向晨，杜嘉迪

(武漢理工大學信息工程學院，湖北武漢 430070)

0 引言

WSN是集信息采集、信息傳輸和信息處理于一體的綜合智能信息系統，是構建新一代分布式處理系統的有力工具。目標跟蹤是WSN的一個重要應用領域。由于傳感器節點體積小、價格低廉、采用無線通信方式以及WSN部署隨機，具有自組織性、魯棒性和隱蔽性等特點，非常適合于移動目標的定位和跟蹤。

目標跟蹤［1］是指監測者隨時隨地地掌握指定目標的位置信息、移動軌跡和當前狀態等信息。目標跟蹤在軍事和各種民用跟蹤系統中有廣泛的應用，例如在戰場上及時跟蹤敵方車輛的行進路線和兵力調動情況，將獲取的戰場信息及時發送回指揮中心、消防中的救援和生物學上的動物跟蹤等。WSN的目標跟蹤應用通常需要具有較強的實時性，許多傳統的目標跟蹤算法并不適用于WSN。在節點資源受限的條件下，如何通過節點間相互協作有效地實現目標的精確跟蹤具有十分重要的意義。

1 相關工作

目標跟蹤作為無線傳感器網絡的一項基本應用，已經得到了廣泛的研究，目前的跟蹤算法大都通過信號處理技術、分簇技術和連續目標定位技術來實現［2－6］。如文獻［2］針對主動傳感器與被動傳感器采樣頻率不相同的目標跟蹤問題，提出一種新的解耦算法。在沒有測距信息的采樣時刻，通過構造虛擬量測點的方法進行濾波跟蹤，有效地利用了全部測角信息，提高了跟蹤性能。文獻［3］根據無線傳感器網絡分布式目標跟蹤的特性，提出一種改進粒子濾波算法。將簇內各節點最新的觀測數據用極大似然估計法得到目標的狀態信息，該信息作為參考分布更換粒子濾波部分粒子，引入模糊推理的數據融合方法為各個節點濾波結果分配不同權值，通過加權平均法得到目標的狀態信息。文獻［4］針對傳統交互式多模型算法實行正則濾波的單一化缺點，利用卡爾曼濾波匹配系統線性部分，粒子濾波匹配非線性部分，根據匹配深度判斷目標遮擋程度，當目標被嚴重遮擋時，采用迭代的多級粒子濾波方法進行重采樣，并結合卡爾曼濾波更新模型概率。實驗結果表明，該算法實時性強，能提高模型濾波速度和目標狀態的估計精度，縮短計算時間，解決跟蹤過程中的遮擋問題。

基于信號處理的跟蹤算法增加了系統設計的復雜性，并且僅僅側重于信號處理方面;基于分簇的跟蹤算法需要對網絡進行分簇，會導致整個網絡的能量消耗不均勻，而且簇頭的選舉、更新和維護也會增加網絡負載;基于距離的定位算法對無線傳感器節點的硬件要求較高，成本較高，在操作的時候也會增加能量消耗。針對上述問題，提出了一種改進的目標跟蹤方法，并通過仿真實驗驗證了方法的有效性。

2 系統模型

研究的無線傳感器網絡目標跟蹤問題限定于以下的假設:

采用的WSN是同構網絡，即每個傳感器節點具有同樣的能力，相同的感應半徑和通信半徑。基于GAF(Geographical Adaptive Fidelity)的分簇算法把監測區域劃分成虛擬單元格，每個節點按照地理位置信息劃入相應的單元格。在沒有目標出現時候，網絡在每個單元格中周期地選舉一個簇頭節點，只有簇頭節點保持活動，其他節點進入睡眠狀態。當移動目標進入監測區域，簇頭節點喚醒簇內所有節點。

每個傳感器節點知道自己的地理位置，并且保存了所有直接鄰居的信息。為了獲取目標的位置，文章使用簡單的定位算法(三邊測量法或者RVI定位方法)來對移動目標進行定位。如果一個節點監測到移動目標外并且還接收到另外2個或者2個以上的鄰居節點監測信息，該節點就能夠計算出移動目標的位置。

為了節省能量，每個傳感器節點都有睡眠狀態、監測狀態和工作狀態。這里只考慮節點通信消耗的能量，網絡中節點發送數據采用的能量消耗模型如下:

式中，d為源節點到目標節點的距離;packetsize為包的大小;ET－elecEelec和ER－elec分別為傳輸電路和接收電路消耗的能量;Eamp為多路衰減模型的功率放大系數。

傳感器節點的感應模型是概率感應模型(PSM)，研究的對象是單目標跟蹤。

2.1 相關定義

為了方便描述，對將要用到的基本概念說明如下，設節點s為任意的傳感器節點。

定義1:新鄰居。t時刻(除去t－1時刻)目標處于節點s感應范圍內的節點。

定義2:固定鄰居。無論是t－1時刻還是t時刻，目標都處于節點s感應范圍內的節點。

2.2 鄰域監測

一般而言，傳感器節點的感應質量可以從3個方面考察:距離性、方向性和不確定性。不同的傳感器節點由于其功能和基本硬件的構成差異，其感應能力也各有不同，但依然存在2點共通的物理特性:①感應的能力和傳感器節點與被感目標之間的距離成反比;②感應到的時間越長，感應到的數據量越大。基于上述特性，定義re為節點在感應目標過程中的不確定度量值，r(r＞re)為所感應信息質量可靠的概率為1的最大半徑值，那么傳感器節點k在t時刻對任意目標點q的感知信息收益值為:

式中，d(k，q)為 k與 q之間的直線距離;α =d(k，q)－(r－re);λ、β為 d(k，q)在 (r－re)～(r+re)內變化時的傳感器感應的衰減系數。

節點k會與鄰域節點共享其感知結果，同時節點k也接收來自鄰域節點所感知的信息收益值并進行積累，定義節點k處所積累的感知信息收益值計算如下:

由式(2)和式(3)可知，節點k在感知到目標后，會將自己所感知的信息收益值Ik(t)共享給鄰域節點，從而使得鄰域節點處積累的信息收益值通過更新而有可能增大，若鄰域節點也發現了目標，那么就可以通過這種“正反饋”方式加強發現目標的趨勢，此時ΔIk(t)會進一步增加，當ΔIk(t)增大到一定程度，即滿足大于或等于閾值Th時(h是指為了確定目標的存在，t時刻節點在它的一跳范圍內積累了至少(h－1)個鄰居節點發現目標的信息)，節點就可判定其周圍出現了目標，即實現了鄰域監測;然而，并不是參與感知的傳感器節點越多越好，距離目標遠的節點可能由于干擾、噪聲和信號弱等原因所得到監測數據質量不高，距離目標近的節點得到的監測數據相對質量較高。因此，為了減少獲取低質量數據，則應該盡量減少距離目標遠的節點參與目標的跟蹤，這樣既可以節省距離目標較遠的節點進行無效感知而導致的能量浪費，又能提高感知的精確度。

2.3 節點狀態切換機制

這里將傳感器節點狀態分為睡眠、監測和工作3種狀態。睡眠狀態，所有模塊都被關閉，能量消耗最小;監測狀態，節點通過感應功能來收集和處理環境數據;工作狀態，節點進行目標的跟蹤。圖1描述了節點按照規則R1～R6進行狀態轉換的過程。圖1中，R1為收到beacon消息包;R2為節點監測不到目標;R3為積累信息收益值大于閾值;R4為積累信息收益值大于閾值;R5為定期T時間采集周圍環境計算信息收益值;R6為與鄰域節點協作定位目標。

圖1 節點狀態切換

這里為每個非睡眠狀態的節點設置了節點權值，如表1所示。

表1 節點權值分配表

表1中，R為目標的感應半徑，由于噪聲等其他因素的干擾，傳感器節點能夠感應到目標點有效范圍在0.8R～1.2R之間;d為目標到傳感器節點的距離;wD為移動目標到傳感器節點的距離所產生的距離權值;Dir表示目標遠離還是靠近傳感器節點的趨勢，wDir表示由目標移動趨勢所產生的趨勢權;節點權值用w表示，其值如下計算:

由上述節點權值計算公式知，當傳感器節點距離移動目標的距離d＜1/3R，并且移動目標還繼續靠近傳感器節點時，傳感器節點取得最大節點權值5，具有獲取最好的監測數據能力;當傳感器節點距離移動目標的距離d＞R，并且移動目標還繼續遠離傳感器節點時，傳感器節點取得最小節點權值0，傳感器節點不能夠對移動目標進行跟蹤。因此，為了得到更好的監測數據，并且能夠減少參與跟蹤的節點數目，設置權值閾值w，規定只允許ΔIk(t)大于w的傳感器節點才能夠轉換為工作節點，參與移動目標的跟蹤。

2.4 目標跟蹤

當節點k的積累信息收益值ΔIk(t)大于閾值Th時，則節點k可以判斷其鄰域出現了目標，此時節點k與其鄰域節點中同樣滿足閾值條件的節點，通過相互協作來實現目標跟蹤任務。通常并不是所有的鄰居節點都能提供有用的目標信息，ΔIk(t)越大，說明節點對目標的感知程度越清晰，節點所能提供的信息愈有益。這里規定只有鄰域節點積累的信息收益值滿足閾值條件且是目標的新鄰居和固定鄰居才參與協作跟蹤。下面給出目標跟蹤算法的部分偽碼:

2.5 基于數據報告的目標修正

目標跟蹤是一個動態的、需要不斷調整的過程，當目標的運動方向、速度或者軌跡發生改變時，監測節點必須發送一份數據報告給處理中心(Sink節點)，Sink進行自適應處理，以保證目標跟蹤的準確性和連續性。數據報告的內容則包含:發送報告的節點ID、時間、目標的位置、速度和方向等信息。一般數據報告由應用需求決定，即根據應用需要周期性地報告移動目標的消息。

由于目標移動的不確定性，如果采取恒定的數據報告頻率，即節點每間隔固定的時間向Sink節點發送數據報告，會造成一些不足:①當移動目標速度加快時，定位精確度下降;② 當移動目標速度很慢時，采用仍是較高的頻率，造成能量利用率不高;③當移動目標長時間靜止時會導致節點連續工作時間較長，造成節點能量過早耗盡，而導致網絡使用壽命縮短。如果能夠根據目標的移動狀態自適應地參與目標的跟蹤，改變傳感器節點的數據報告頻率，將有利于提高能量的利用率，并且能夠提高跟蹤過程中的精確度。因此，基于分簇的網絡結構，對數據報告的頻率進行了分析。

說明1:所有檢測到目標的節點會將數據先發送到簇頭節點，然后由簇頭節點發送數據到Sink;

說明2:當有2個或2個以上的簇同時監測到目標，則選取距離目標最近和剩余能量較大的那個簇頭作為領導節點。此時，所有監測到目標的簇頭節點先將數據先發送到領導節點，然后由領導節點發送數據到Sink。

當新的簇頭節點被選取成為領導節點后，原來的領導節點會將目標的上一個時刻Tpre的位置Locpre發送數據報告給新的領導節點。領導節點又接收到簇頭節點發送的最新數據，由定位算法得到目標在當前時刻Tcur的新位置Loccur，則可以得到目標的當前平均速率為:

又由文獻［7］可知，發送一次數據報告目標移動的最大位移Dth為:

式中，Rmax為傳感器節點的最大通信半徑;R為傳感器節點感應半徑;Dinter－sensor為領導節點能夠跟蹤到目標的最大距離;Emax為最大定位誤差。

根據式(5)和式(6)，領導節點可根據目標運動的平均速率、移動的最大位移Dth，動態地調整領導節點發送數據報告的頻率為:

假設 Rmax=R=40(最壞情況下)，Dinter－sensor=20 m Emax=10 m可以得到Dth≤5.86 m，取Dth=5 m，表示目標發送報告的頻率為f=v－/5，即使目標速度很小甚至為零，都應該向數據中心發送一次數據報告。

3 仿真實驗與分析

為了測試與評估所提出的目標跟蹤方案的性能，這里使用Matlab2009進行仿真，模擬場景的具體參數如表2所示。

表2 模擬參數

模擬移動目標在網絡中以10 m/s的速度勻速運動，在不同權值設置下的總能量消耗如圖2所示。其中，W=1表示移動目標在感應半徑2/3R外并且遠離節點，網絡消耗的能量大致相當于經典跟蹤算法DCTC在網絡中消耗能量。從圖2中可以看出，網絡中總能量消耗隨著節點權值的增加而明顯減少，這是因為節點權值越大，意味著對參與跟蹤的節點與移動目標之間的距離越來越小，從而大量減少參與跟蹤的傳感器節點數目，也大大減少了冗余數據或者低質量數據的產生。

圖2 不同節點加權值隨時間變化總能量消耗

圖3則給出了所提出算法與infocom2009會議中性能較好的PM算法［8］的跟蹤準確率比較結果。其中，PM算法是一種Path Matching算法，將原始的目標跟蹤問題轉化為圖論中的最短路徑問題進行優化。從圖3中能看出2種算法在傳感器節點比較稀疏的情況下跟蹤的準確率比較低，這是因為它們的感測范圍不足以覆蓋整個坐標區域，單個分簇內節點數目不足，跟蹤精確度不高。從120個傳感器節點開始，隨著節點數目的增多，2種算法的跟蹤準確率都在增加。這里提出方案的性能要好于PM算法，這是因為，PM算法是全局性的，在網絡初始化時需要對網絡中任意2個傳感器節點做中垂線對網絡區域進行劃分，而提出方案是局部性的，通過定義感應信息收益值和鄰域協作進行目標監測，在監測過程中，設定了節點的權值以避免離目標較遠的節點參與目標跟蹤，最后根據應用的需求，以給定的頻率發送數據報告到Sink，對目標進行修正，從而保證了目標跟蹤的精確度和延續性。

圖3 不同節點數目下的目標跟蹤準確率比較

4 結束語

提出一種改進的目標跟蹤方法，方法分為鄰域檢測、目標跟蹤和目標修正3個階段來進行。首先節點通過獲取對于目標位置的感知信息收益值來實現鄰域檢測;然后每個節點通過計算自己的節點權值來決定是否參與目標的跟蹤;最后，基于目標的運動趨勢，通過發送數據報告來自適應地對目標進行修正。仿真實驗表明該方法是有效的。下一步的工作是在已有的基礎上提高目標跟蹤的精度，并對算法進行擴展，使之能夠應用于多目標跟蹤和噪聲環境下。 ■

［1］LI D，WONG K，HU Y H，SAYEED A.Detection，Classification and Tracking of Targets in Distributed Sensor Networks［J］.IEEE Signal Processing Magazine，2002，19(2):123－132.

［2］郭蘊華.異類異步多傳感器的目標跟蹤算法［J］.計算機工程，2010，36(24):142 －144.

［3］黃小平，王 巖，陳冰潔.基于粒子濾波的分布式目標跟蹤算法［J］.計算機工程，2011，37(4):84 －86.

［4］劉 濤，李 明，駱瑞玲.改進的交互式多模型跟蹤算法［J］.計算機工程，2009，35(22):207 －209.

［5］ZHANG W，CAO G.DCTC:Dynamic Convey Tree-Based Collaboration for Target Tracking in Sensor Networks［J］.IEEE Transactions on Wireless Communications，2004，11(5):1689－1701.

［6］JEONG J T，HWANG T.MCTA:Target Tracking Algorithm Based on Minimal Contour in Wireless Sensor Networks［C］.USA:Proceedings of the 26th IEEE International Conferenceon Computer Communications(INFOCOM 2007)，2007(5):2371 －2375.

［7］LEE J.Distributed and Energy-efficient Target Localizatin and Tracking in Wireless Sensor Networks［J］.Computer Communications，2006，11(29):2494 －2505.

［8］ZHONG Z，ZHU T.Tracking with Unreliable Node Sequences［J］.IEEE Infocom，2009(6):1215－1223.