文档介绍：本科毕业设计(论文)外文
文献翻译
学院: 物理与电子工程学院
专业: 光电信息工程(光伏)
姓名:
学号:
附件1:外文资料翻译译文
新颖的传感器调度和节能量化跟踪目标无线传感器网络
摘要:本文着重于讲述传感器调度和信息量子化为目标跟踪的无线传感器网络。减少能源消耗的量,选择下一个任务传感器和数字转换率的数据是必要的和有效的。在现有的工作里,传感器调度的目标包括最大化跟踪精度和减少能源成本。在本文中,集成的传感器的主要特征是调度和量化技术用于平衡之间的折衷跟踪精度和能耗,提出的方案包括一个新颖的过滤过程的调度方案,和一个压缩的量子化的扩展卡尔曼滤波算法(EKF)。该平台采用的方法是降低门槛采样间隔来减少执行时间的所有操作。一个真正的跟踪系统测试平台的传感器调度和量子化方案的好坏,是最后能源消费和跟踪精度的平台在不同方案进行比较得出的。
关键词:无线传感器网络;矢量量化;目标跟踪
介绍
通过无线传感器网络目标跟踪(轮)是一个规范的问题。轮有多种用途,如监测、医疗、救援、栖息地监测[1]。它一直是一个热点问题和一个非常具有挑战性的任务,尽管许多研究已经完成从不同的角度.
能源的限制是其中最关键的问题轮。对于目标跟踪应用程序,所需的性能跟踪应该满足的时候,能量消耗最小化。众所周知,传感器管理常用的网络平衡跟踪准确性和能源消耗。例如,在[2],自适应传感器调度为目标跟踪提供了改善周期传感器调度方案[3]和令人满意的跟踪精度能量消耗少。在[4],考虑传感器调度的实现计划在[2]和[3]到Micaz mote,分布式竞争传感器调度方案提供。该方案在[4],不仅减少了计算复杂度和采样间隔,但也达到更好的跟踪精度和较低的有可能失去目标。一种自适应多传感器调度方案提出[5]改变了最佳采样间隔在每一个时间吗根据给定的步跟踪精度阈值。为了减少能源消费而不是恶化的跟踪性能,集群的任务是选择根据传感器他们的联合探测概率在[5]。算法在[2 - 5]只需要关注如何管理传感器节点。
在[6],一个有效的压缩卡尔曼滤波(位置)算法是研究减少的总体传播信息或数据。该算法在[6],取代状态误差协方差矩阵在著名的卡尔曼滤波算法通过一个对角矩阵,还维护由一个上界的收敛性的原始协方差矩阵。通过使用量化或数字化信息用于传输代替原始测量值或模拟信号,传输数据的总体也减少了。传感器的能量消耗以及无线带宽降低[7]。因此,量化的传播信息可以被视为一种有效的方法增加轮的终生。
在本文中,一个测试床的轮跟踪系统是发达。在发展的过程中,我们发现一些传感器调度方案,petitionbased[3]传感器调度在[4],并不完美,因为大型计算的影响或一些异常情况测量损耗、物理信号干扰和跟踪的协方差矩阵的状态估计有时是负面的)。因此,一个健壮的调度提出了避免上述情况。除了从传感器调度技术进行有效的跟踪,量化技术被认为是减少能量消费。一个简单和计算开销不大的量化器也介绍给增加轮寿命。拟议的量化器使用一个向量量化器和有效压缩传输信号。最后,为了实现一个更好的性能(跟踪精度)的集成系统,一个方法降低阈值的采样间隔提供减少执行时间的所有操作。其余的文章是有组织的如下。在部分2,系统模型下给出了调查。在第三节,所提出的鲁棒调度和量化算法,并介绍了一些关于如何降低阈值的采样间隔的实用给出了平台。在第四节,发达的目标跟踪系统和实验显示。最后,在第五部分,给出了结论。
目标跟踪的无线传感器网络实现,跟踪位置和速度的一个吗对象,以下条件满足:
(1)传感器节点是静态的,他们的头寸前已知。传感器节点可以通过使用本地化位于算法或之前使用。例如,传感器节点是均匀分布在一个矩形的领域区域假定为二维在本文。
(2)每个传感器节点可以检测目标在检测地区之间的距离,让自己和目标。然而,一个传感器可能无法正常工作甚至如果目标在检测区域。
(3)每个节点可以接收/发送数据包从/到其他节点通过无线信道。包丢失时,因为
影响的信号强度变化和种类的噪音。每个节点可以与它的邻国节点在一定距离的节点。我们不考虑路由问题。该模型的一个二维恒定速度被认为是。它的目标运动的动力学方程如下:
X(k + 1)= F(Δtk)X(k)+ w(k,Δtk),(1)
在Δtk = tk + 1−tk是采样间隔的一种吗的测距传感器。测距传感器我们特别选择是测距声纳。X(k)和F(Δtk)是国家过程和系统矩阵在时间tk。上面的X(k)是一个fourelement向量(x(k),十五(k),y(k),青年志愿(k)),v表示目标的速度沿着x轴向或y方向。
P(k + 1 | k + 1)E(X(k + 1)−ˆX(k + 1 | k + 1))
×(X(k + 1)−ˆ