王 珂，江潇潇，王永琦，江玉洁

（1.上海工程技术大学 电子电气工程学院，松江 201620；2.上海第二工业大学 计算机与信息工程学院，上海 201209）

0 引言

近年来，随着相关技术的发展，传感器的生产和部署成本逐渐降低，越来越多的学者聚焦于大规模传感器网络的理论和实践研究[1,2]，目标跟踪就是其中一个重要的研究方向[3]。在大规模传感器网络中进行目标跟踪时，部署的传感器数量通常大于进行数据处理时需要的节点数量，另外，全部节点之间数据传输也会加快电池能量消耗，降低网络寿命[4]。为了解决上述问题，需要在保证跟踪精度的情况下，在特定的时间间隔内选择一组最优的传感器节点参与跟踪。

近年来，众多学者针对传感器节点选择问题提出很多解决方法和模型，如基于信息论的方法，即熵[5]，相对熵[6]，以及瑞利散度[7]等，基于信息论的方法一般是通过最大化信息增益来选择传感器节点，这种方法存在的问题是其计算复杂度太高，尤其是在每个时间节点激活的传感器数目较大时。还有一种方法是基于后验克拉美罗下界（Posterior Cramer-Rao Lower Bounds，PCRLB）[8]进行求解，PCRLB是一个重要的工具，它对贝叶斯框架下的任何非线性滤波问题的状态估计提供了理论上的均方误差（mean squareed error，MSE）界限。L.Zuo等[9]提出了条件后验克拉美罗下界（Conditional Posterior Cramer-Rao Lower Bounds，CPCRLB），它基于真实的量测信息给出了比PCRLB更准确和有效的均方误差界限，更加适合于无线传感器网络的传感器节点管理。杨小军[10]等人采用穷举的方法解决节点选择问题。……