[发明专利]无线传感器网络本地式节点管理方法

说明书

技术领域

本发明涉及一种无线传感器网络节点管理方法，特别是一种无线传感器网络本地式节点管理方法。

背景技术

无线传感器网络是由多个微型无线传感器协同组织构成的，每个微型无线传感器具有无线通信、数据采集和处理、协同合作等功能，无线传感器网络中的传感器节点可以随机或特定地布置在目标环境中，传感器节点之间通过特定协议自组织起来，获取周围环境的信息，相互协同完成特定任务。

目前，无线传感器网络技术被广泛应用在医疗卫生、军事应用、环境保护、质量安全和动植物监测等领域，其中被动目标监视跟踪技术因为具有隐蔽性能好的独特优点而得到广泛的关注和深入的研究，被动目标监视跟踪技术是指通过测量被监视目标自身发出的声音信号来确定目标位置，预测目标的运动方向。由于目标自身发出的声音信号在空间传播过程中存在明显的衰减、延迟和回声干扰等现象，而且无线传感器网络在能量供应、通信能力和单一节点工作能力等方面也存在着各种制约，所以无线传感器网络中处于不同地理位置的节点具有不同的定位性能和工作能力。在进行每次测量之前，无线传感器网络需要经过自组织管理程序选择网络中特定的部分节点来完成目标定位和跟踪工作，达到既能提供高定位精度的结果，又节约节点能量消耗的目的，在高性能完成目标跟踪任务的同时，延长无线传感器网络的寿命。

在无线传感器网络的声源目标定位技术中，由于具有设计简单和资源占用率少等优点，时延估计技术应用最为广泛。时延估计技术要求无线传感器网络的每个传感器节点由组成阵列的多个声音传感器构成，在每个节点，声音传感器所组成的阵列可以是线状或方阵等多种形式。无线传感器网络节点根据声音到达阵列中每个声音传感器的不同时延估计出声源目标所处的位置信息。声源目标的位置信息包括目标与传感器节点的距离，目标与传感器节点的相对方向，以及目标在系统坐标系中的坐标等。无线传感器网络通过聚合每个传感器节点得到的位置信息，通过估计方法得到高精度的目标定位信息，目前常用的估计方法有最大似然估计方法和最小二乘估计方法等。对于运动目标，无线传感器网络往往使用贝叶斯滤波器或者卡尔曼滤波器等技术，考虑采样测量信息之间的相关性，利用网络的观测历史优化网络每个采样时刻的结果，达到高精度定位移动目标的目标。

现有的无线传感器网络节点管理方法分为两种类型：子区域类型和全区域类型。子区域类型节点管理方法是无线传感器网络将整个监视覆盖范围分为多个互不重叠的子区域，每个子区域内规则分布数目相同的传感器节点。子区域内的传感器节点负责监视和测量本子区域内的目标状态，更新卡尔曼滤波器的状态，追踪目标的运动趋势。当某一个子区域内的传感器节点通过卡尔曼滤波器的预测功能判断目标将从该子区域移出进入到相邻的另一个子区域时，该子区域的节点就通知相邻子区域中的节点进行工作，并将卡尔曼滤波器中的目标状态向量和协方差矩阵等相关观测记录报告给相邻子区域中的节点。相邻子区域中的节点继续完成跟踪监测任务，原子区域中节点则进入休眠状态，直至有新的目标进入该子区域。该节点管理方法的优点在于方法设计简单，系统负担小，但该节点管理方法只能应用在节点均匀设置、网络充分覆盖情况。当无线传感器网络节点随机布设时，由于无线传感器网络工作区域的有效覆盖和覆盖均匀性很难保证，使这种管理方法对目标处于两个或多个子区域相接的边缘区域时无法适用，而且当某一子区域中的节点出现工作故障时，无线传感器网络无法利用相邻子区域中的节点进行补偿工作。全区域类型节点管理方法是基于无线传感器网络中的所有节点都是备选节点的管理方法，由于各个节点的观测性能、通信状况和能量储备等性能不尽相同，该节点管理方法利用某些数学或物理标准，从网络所有节点中选择出最合理的部分完成目标的定位和跟踪工作。这些数学或物理标准可以按照无线传感器网络的不同要求由设计者自行选择设计。例如，设计者可以根据无线传感器网络跟踪目标使用的卡尔曼滤波器中的目标位置的协方差矩阵，构造表征均方意义下目标定位误差函数作为评价不同节点组合定位性能的标准，或称为代价函数，该节点管理方法根据该代价函数选择使目标定位均方误差最小的节点组合在下一个采样时刻进行工作。与子区域类型节点管理方法相比，全区域类型节点管理方法能够达到在选择提供最优目标定位精度的部分节点组合的同时，合理使用了网络资源，更能适用于随机部署无限传感器网络的紧急应用环境。但是，全区域类型节点管理方法中基于最佳距离选择的节点管理方法计算负担很大，要求每个节点要有很强的计算能力，浪费了无线传感器网络分布式工作的优点；而全区域类型节点管理方法中基于全局信息的节点管理方法在实现跟踪目标的同时，需要遍历网络所有节点组合可能性，因此需要通过大量的遍历运算才能完成节点选择，而且要求每个节点保存所有节点的位置信息，存在运算负担大、存储需求大、结构复杂等缺陷