專利名稱：基于粒子群優(yōu)化的傳感器網(wǎng)絡對機動目標的協(xié)同跟蹤方法
技術領域：
本發(fā)明屬于雷達技術領域，具體的說是一種自適應地選擇傳感器網(wǎng)絡中的雷達對目標進行最優(yōu)跟蹤的方法。
背景技術：
對于傳感器組網(wǎng)目標跟蹤而言，參與跟蹤的傳感器越多，獲得的關于目標的信息量就越大，進而可以獲得越優(yōu)的跟蹤性能。但是，隨著參與跟蹤的傳感器數(shù)量的增加，網(wǎng)絡能耗也相應增大。在實際應用中，傳感器網(wǎng)絡的資源總量往往是受限的，當多個傳感器均可實現(xiàn)目標跟蹤時，需要選擇代價最小，效果最佳的傳感器或傳感器組合進行跟蹤。因此，如何優(yōu)化目標跟蹤精度與傳感器網(wǎng)絡能耗，提高資源有效利用率，為傳感器網(wǎng)絡決策出最佳傳感器組合進行目標跟蹤，是實現(xiàn)對目標高精度協(xié)同跟蹤的一個關鍵問題。為了解決這個問題，現(xiàn)有技術有以下三種方法I. Christopher Μ. K.等人在“An information-based approach to sensormanagement in large dynamic networks [C].//Proceedings of the IEEE.U.S. : IEEE，2007，95 (5) :978-999. ”文獻[I]中，以最大化先、后驗概率密度函數(shù)間的信息增量為代價函數(shù)實現(xiàn)跟蹤傳感器的選擇，提高了目標跟蹤精度，但是該方法網(wǎng)絡能耗較大，同時這種采用集中式的傳感器選擇算法，一旦某一傳感器出現(xiàn)問題，會導致整個算法失效。2. LI Zhiming等人在“Sensor node deployment in wireless sensor networksbased on improved particle swarm optimization[C]. //Proceedings of 2009 IEEEInternational Conference on Applied Superconductivity and ElectromagneticDevices. Chengdu: IEEE, 2009:215-217. ”文獻[2]中，采用粒子群優(yōu)化對傳感器網(wǎng)絡中傳感器進行優(yōu)化部署，未考慮如目標檢測、跟蹤等具體探測行為，無法實時地對目標探測行為進行優(yōu)化。3. WANG Xue 等人在 “Distributed energy optimization for targettracking in wireless sensor networks[J].IEEE Transactions on MobileComputing, 2009,9(1) :73-86. ”文獻[3]中，考慮了跟蹤性能與網(wǎng)絡能耗的問題，但其以狀態(tài)估計的協(xié)方差矩陣的跡來衡量跟蹤效果，并以此作為傳感器選擇的標準。對于非線性、非高斯系統(tǒng)而言，狀態(tài)估計的協(xié)方差矩陣無法精確表征后驗概率密度函數(shù)，用其來衡量跟蹤效果是不精確的，進而選擇的跟蹤傳感器往往不是最佳的。

發(fā)明內容
本發(fā)明的目的在于克服已有方法的缺點，提供一種基于粒子群優(yōu)化的傳感器網(wǎng)絡對機動目標的協(xié)同跟蹤方法，以自適應地選擇傳感器網(wǎng)絡中的雷達對目標進行最優(yōu)跟蹤，確保在非高斯非線性環(huán)境下目標跟蹤精度的同時降低網(wǎng)絡能耗，滿足實際應用中對網(wǎng)絡低能耗的要求。為實現(xiàn)上述目的，本發(fā)明的技術思路是采用粒子群優(yōu)化算法對傳感器網(wǎng)絡中的動態(tài)傳感器的位置進行最優(yōu)化部署，用最優(yōu)化部署的傳感器組合對目標進行真實探測，并將探測結果進行融合。其具體實現(xiàn)步驟包括如下I. 一種基于粒子群優(yōu)化的傳感器網(wǎng)絡對機動目標的協(xié)同跟蹤方法，包括如下步驟I)根據(jù)目標當前的位置，采用粒子群優(yōu)化算法對傳感器網(wǎng)絡中的動態(tài)傳感器的位置進行重新部署；2)利用重新部署后的動態(tài)傳感器和靜態(tài)傳感器對目標的預測位置進行預探測，獲得關于目標位置的期望傳感器觀測值集合，其中，k為觀測時間，j為傳感器編號，N為動態(tài)傳感器總數(shù)，M為靜態(tài)傳感器總數(shù)；3)將期望傳感器觀測值集合μ/￡—^中的Ν+Μ個觀測值進行隨機組合，形成N。個期
望傳感器觀測值組合，其中，.=Σ=Λ (1λ，q表示第q個傳感器觀測值，Ckv是從N+M個期望觀測值中選擇的第q個觀測值的排列數(shù)；4)采用二值粒子群優(yōu)化算法求取上述N。個期望傳感器觀測值組合中的最優(yōu)傳感器觀測值組合(4a)在N。個期望傳感器觀測值組合中隨機選擇Np個傳感器觀測值組合，作為Np個粒子群位置向量集g⑴G，其中Y1 (t)為粒子群中第i個粒子在第t代的位置向量，
權利要求
1.一種基于粒子群優(yōu)化的傳感器網(wǎng)絡對機動目標的協(xié)同跟蹤方法，包括如下步驟 1)根據(jù)目標當前的位置，采用粒子群優(yōu)化算法對傳感器網(wǎng)絡中的動態(tài)傳感器的位置進行重新部署； 2)利用重新部署后的動態(tài)傳感器和靜態(tài)傳感器對目標的預測位置進行預探測，獲得關于目標位置的期望傳感器觀測值集合，其中，k為觀測時間，j為傳感器編號，N為動態(tài)傳感器總數(shù)，M為靜態(tài)傳感器總數(shù)； 3)將期望傳感器觀測值集合中的N+M個觀測值進行隨機組合，形成N。個期望傳感器觀測值組合，其中，乂，q表示第q個傳感器觀測值，是從N+M個期望觀測值中選擇的第q個觀測值的排列數(shù)； 4)采用二值粒子群優(yōu)化算法求取上述N。個期望傳感器觀測值組合中的最優(yōu)傳感器觀測值組合 (4a)在N。個期望傳感器觀測值組合中隨機選擇Np個傳感器觀測值組合，作為Np個粒子群位置向量集丨其中t(t)為粒子群中第i個粒子在第t代的位置向量，ΥΑ = \}(φ = 12,··,2ΝΓ}，J;'⑴為粒子i在第t代的位置向量YJt)的第I個分量,.Q/)代表一個傳感器選擇向量,乂'W = I代表該位置上對應的傳感器觀測值被選擇，XW=O代表該位置上對應的傳感器觀測值未被選擇； (4b)求取Np個粒子群位置向量集+{)·:(/)}=的適應度函數(shù)值F :p = \E^Da 其中，Etl為網(wǎng)絡能耗門限，Da為當前選擇的粒子所代表的期望觀測值組合的R6nyi信息增量，Dtl為R6nyi信息增量門限，ES為當前選擇的粒子所代表的期望觀測值組合的R6nyi信息增量； (4c)令上述Np個適應度函數(shù)值中最小值所對應的粒子為全局最優(yōu)粒子，利用全局最優(yōu)粒子對當前代粒子進行變異，獲取下一代新粒子； (4d)返回步驟(4b)，直至到達迭代次數(shù)的最大值，獲得全局最優(yōu)傳感器觀測值組合； 5)用最優(yōu)觀測值組合所對應的傳感器組合對目標進行真實跟蹤探測，并將跟蹤結果進行融合，得到k+Ι時刻目標狀態(tài)估計的融合值
2.根據(jù)權利要求I所述的基于粒子群優(yōu)化的傳感器網(wǎng)絡對機動目標的協(xié)同跟蹤方法，其特征在于步驟I)所述的采用粒子群優(yōu)化算法對傳感器網(wǎng)絡中的動態(tài)傳感器的位置進行重新部署，按如下步驟進行 (Ia)根據(jù)傳感器探測覆蓋率與傳感器能耗，計算粒子群位置向量集中Np個粒子的適應度函數(shù)值，其中Xi⑴為粒子群中第i個粒子在第t代的位置向量，Xl(I) = ^itW = 12,-,2N, }，χ:( 為粒子i在第t代的位置向量Xi (t)的第I個分量，Nc為期望傳感器組合數(shù)目； (Ib)根據(jù)上述Np個適應度函數(shù)值，以適應度函數(shù)值最小為準則選擇出第i個粒子的局部最優(yōu)位置向量…/仆)，…，/fW]和所有粒子的全局最優(yōu)位置Pk ⑴::::[翁)’…劇》…，/)，(f)\ ； (Ic)利用上述Pi (t)、pg(t)和Xi⑴計算粒子i在第t+i代的速度向量η'( + 1): V; (/ + I) = ω· V11 (r) + c, ·/; -{pi (/)-jf; (/)) + ·2 ->'2 · (ps ( ~-χ' (O) 其中，ω為慣性權重因子，V 是粒子i在第t代的速度向量的第I個分量,C1和C2為Hooke常數(shù)，!^和巧為
內均勻分布的隨機數(shù)，W⑴為Pi (t)的第I個分量是粒子i在第t代的位置向量的第I個分量，Pi(/)為pg(t)的第I個分量； (Id)利用粒子i在第t+Ι代的速度向量V;'(/ + I)獲取粒子i在第t+i代的位置Λ';' X1i (/ + I) = χ； (f)+v' (i + 1)； (Ie)返回步驟(la)，直至達到迭代的最大次數(shù)，得到傳感器網(wǎng)絡中動態(tài)傳感器低能耗高覆蓋率部署的位置。
3.根據(jù)權利要求I所述的一種基于粒子群優(yōu)化的傳感器網(wǎng)絡對機動目標的協(xié)同跟蹤方法，其特征在于步驟(4c)所述的利用全局最優(yōu)粒子對當前代粒子進行變異，通過如下公式進行 Iexchange^}'] (/)) rand <2χ--0,5 ζ, . %1 + ^ i
ν! (f)rand >2χ-；--0.5 , WIl+ e**' 其中.v/(/ + I)為第t+1代的位置向量Yi (t+1)的第I個分量，rand表不[O, I]內均勻分布的隨機數(shù)，exchange ( ·)表示O, I取反運算，.#)為粒子i在第t代的位置向量YiU)的第I個分量i;+'M “力+1)為粒子i在第t+Ι代的速度向量。
全文摘要
本發(fā)明公開了一種基于粒子群優(yōu)化的傳感器網(wǎng)絡對機動目標的協(xié)同跟蹤方法。其實現(xiàn)步驟是(1)根據(jù)目標當前的位置，采用粒子群優(yōu)化算法對傳感器網(wǎng)絡中的傳感器位置進行重新部署；(2)利用重新部署后的傳感器對目標的預測位置進行預探測，獲得關于目標位置的期望的傳感器觀測值集合；(3)將期望傳感器觀測值集合中觀測值隨機分成NC個期望傳感器觀測值組合；(4)采用二值粒子群優(yōu)化算法求取上述NC個期望傳感器觀測值組合中的最優(yōu)傳感器觀測值組合；(5)用最優(yōu)觀測值組合所對目標進行真實跟蹤探測，并將跟蹤結果進行融合。本發(fā)明能在非高斯非線性環(huán)境下保證目標跟蹤精度，降低網(wǎng)絡能耗，可用于傳感器網(wǎng)絡對機動目標的協(xié)同跟蹤。
文檔編號G01S13/66GK102967857SQ20121050134
公開日2013年3月13日 申請日期2012年11月28日 優(yōu)先權日2012年11月28日
發(fā)明者劉崢, 劉欽, 陳熠, 謝榮, 劉韻佛 申請人:西安電子科技大學