王会勤 付春玲 胡振涛 刘先省 金 勇

(*河南大学计算机与信息工程学院 开封475004)

(**河南大学物理与电子学院 开封475004)

(***黄淮学院 驻马店463000)

0 引言

无线传感器网络(wireless sensor networks,WSN)是由大量微传感器构成的自组织无线网络系统,具有传感器节点小型化、成本低、容错率高等优点,已在车辆导航、灾难恢复、航空和医疗保健等领域获得广泛应用[1-4]。目标跟踪是无线传感器网络最重要的应用之一,由于传感器节点传感、通信和计算资源有限,采用合理的传感器管理方法可在保证跟踪精度的同时降低WSN 能耗[5-6]。

为了减少通讯传输的能量消耗,文献[7,8]通过对传感器接收到的数据进行压缩量化,将条件后验克拉美罗界(conditional posterior Cramér-Rao lower bounds,CPCRLB)作为节点选择的优化准则,激活最优传感器节点进行目标跟踪任务。在监测概率约束的节点观测模型下,文献[9]将工作的传感器节点测量数据量化,提高目标观测精度。但是由于对原始监测数据进行了量化压缩,目标轨迹估计没有利用实际观测信息,因此该方法难以直观描述选择传感器的跟踪性能。文献[10]采用簇头随机选择方法,构建动态分簇结构,并适时调整分簇策略,降低WSN 总能耗,但该方法难以保证WSN 能量均衡。文献[11,12]以测量误差协方差矩阵迹为目标函数,将惩罚项描述为节点选择矩阵列数与节点选择次数的和,利用交替向量乘子法来解决此优化问题,但运算复杂度较高。文献[13,14]利用扩展卡尔曼滤波算法(extended Kalman filter,EKF)最小化估计误差,该方法以测量误差协方差矩阵的迹为目标函数,以卡尔曼增益矩阵的列为惩罚稀疏项,通过构造等式约束和增广拉格朗日函数,利用交替向量乘子法求解,但该方法未考虑WSN 能量均衡且运算复杂度较高。……