專利名稱：一種無線傳感器網絡目標定位與跟蹤方法
技術領域：
本發明涉及一種無線傳感器網絡目標定位與跟蹤方法，尤其涉及一種基于 S-支持向量回歸機的無線傳感器網絡目標定位與跟蹤方法。
背景技術：
無線傳感器網絡是新一代傳感器網絡，具有非常廣闊的應用前景。目標定 位與跟蹤是無線傳感器網絡的重要應用之一，它要求目標位置和運動軌跡估計 具有較高準確度，但傳感器節點測量信息通常包含較大噪聲，它直接影響到目 標定位與跟蹤的準確度，在相同測量信息下，不同方法對測量噪聲的影響具有 不同的抑制能力。傳統的目標位置估計方法利用最小二乘法、極大似然估計法 確定目標某時刻位置，但通過這些方法得到的定位結果容易受到傳感器節點測 量噪聲的影響而導致定位準確度不足，進而影響到目標運動軌跡的估計結果。國內專利號為CN200710164468.4的一種基于預測的無線傳感器網絡目標 跟蹤方法，該方法根據目標運動的當前測量數據或者歷史測量數據確定目標的 運動特征；結合目標的當前位置、速度、運動方向等信息預測目標的未來位置 以及下一監控節點的喚醒時刻；當目標位置預測失敗時，網絡根據目標的運動 歷史記錄和先驗知識逐級啟動預測失敗恢復過程。國內專利號為CN200810103125.1的一種無線傳感器網絡的目標跟蹤方法， 該方法利用歷史目標狀態信息和當前時刻觀測數據，進行重要性采樣，獲得粒 子狀態估計信息，計算得到軌跡存活指數和剩余測量值；根據軌跡存活指數決 定是否終止該軌跡，并更新軌跡集合；使用重采樣后的粒，獲得全部目標軌 跡的當前狀態估計，即移動目標的當前位置和運動速度，實現目標定位跟蹤。
以上方法重點考慮了無線傳感器網絡目標跟蹤預測或目標狀態估計問題， 未充分考慮傳感器節點測量噪聲對目標定位與跟蹤結果的影響，目標跟蹤過程 容易受到測量噪聲的干擾。發明內容為解決現有無線傳感器網絡目標定位與跟蹤方法受到傳感器節點測量誤 差影響導致的目標定位結果、目標軌跡擬合準確度較低的問題，本發明提供了 一種無線傳感器網絡目標定位與跟蹤方法，提高目標定位與目標軌跡估計的準 確度。本發明是通過以下技術方案實現的本發明所涉及的一種無線傳感器網絡目標定位與跟蹤方法，包括 在任意定位時刻，根據傳感器節點測量信息預估計目標位置； 建立包含目標預估計位置的學習區域； 在學習區域內選取任意數量的位置點；利用多項式核函數和f-支持向量回歸機逼近位置點到傳感器節點距離向 量與位置點坐標的映射關系得到決策函數；將傳感器節點到目標測距向量輸入決策函數得到目標位置估計值； 將目標位置估計值發送到基站;基站對目標位置歷史數據進行擬合來更新目標運動軌跡，實現目標跟蹤。 其中目標定位與跟蹤方法具體包括以下步驟傳感器節點通過RSSI方法測量到目標距離，利用最小二乘法預估計目標位置。建立以目標預估計位置為圓心的圓形學習區域。在圓形學習區域內確定若干同心圓，并在同心圓上選取位置點，且較小半 徑同心圓上的位置點數量不小于較大半徑同心圓上的位置點數量。
將每個位置點到各傳感器節點距離向量作為樣本輸入，分別將位置點x、Y坐標作為樣本輸出，構造分別用于估計目標X、 Y坐標的訓練樣本，所有位置 點形成分別用于估計目標X、 Y坐標的訓練樣本集，采用多項式核函數f-支持 向量回歸機對訓練樣本集進行學習得到分別用于估計目標X、 Y坐標的決策函 數。將各傳感器節點到目標的距離測量值組成的測距向量分別輸入用于估計 目標X、 Y坐標的決策函數，得到的函數值即為目標定位坐標。基站接收并存儲目標定位坐標值，利用多項式函數對目標定位歷史數據進 行最小二乘擬合得到新的目標運動軌跡，對目標運動軌跡進行實時更新。本發明提供的技術方案的有益效果是通過最小二乘法預估計目標位置來判斷目標可能存在的網絡區域(學習區 域)，從而可以確定有限的學習區域，通過學習區域內選取位置點來構造訓練 樣本，并利用基于多項式核函數的f-支持向量回歸機對訓練樣本進行學習得 到用于估計目標X、 Y坐標的決策函數，由此深入挖掘學習區域內位置點的絕 對位置和它相對傳感器節點相對位置的內部聯系，將利用RSSI方法得到的目標 到感知目標傳感器節點測距向量輸入決策函數得到目標位置估計值，能夠充分 利用f-支持向量回歸機的容噪能力減小目標位置估計誤差，通過基站實時接 收目標定位結果并擬合目標位置歷史數據，可以實時更新目標運動軌跡。通過 本發明能顯著減小傳感器節點測量噪聲對目標定位和軌跡估計的影響，提高目 標跟蹤準確度。
圖1是目標定位與跟蹤方法流程圖;圖2是目標定位與跟蹤方法具體實現流程圖；圖3是計算位置點距離向量示意圖；圖4是利用￡一支持向量回歸機進行目標定位的具體流程圖；圖5是基站實時擬合目標軌跡示意圖。
具體實施方式
為使本發明的目的、技術方案和優點更加清楚，下面將結合附圖對本發明 實施方式作進一步地詳細描述-參見圖l，本實施例提供了一種無線傳感器網絡目標定位與跟蹤方法，該 方法通過預估計目標位置確定學習區域，通過學習區域內訓練支持向量回歸機 實現目標定位，并通過基站擬合目標定位歷史數據得到目標軌跡，具體包括以下步驟步驟101:在任意定位時刻，根據傳感器節點測量信息預估計目標位置； 步驟102:建立包含目標預估計位置的學習區域； 步驟103:在學習區域內選取任意數量的位置點；步驟104:利用多項式核函數和S-支持向量回婦機逼近位置點到傳感器節 點距離向量與位置點坐標的映射關系得到決策函數;步驟105:將傳感器節點到目標測距向量輸入決策函數得到目標位置估計值；步驟106:將目標位置估計值發送到基站；步驟107:基站對目標位置歷史數據進行擬合來更新目標運動軌跡，實現 目標跟蹤。本實施例建立以目標預估計位置為圓心的圓形學習區域，并通過確定若干 同心圓選取位置點來構造訓練樣本集，利用得到的決策函數確定目標位置，具 體步驟參見圖2，包括步驟201:目標感知范圍內的傳感器節點測量目標接收信號強度(RSSI) 估計目標到傳感器節點的距離；步驟202:根據感知目標的傳感器節點坐標和傳感器到目標估計距離，利 用最小二乘法預估計目標位置，具體包括
設t時刻感知目標傳感器節點^(;^,:^)(hl,2,A,A0通過RSSI方法測量到目標r的距離為々，目標r坐標為0,，x)，坐標估計值為(4，少,)，則有下式成<formula>formula see original document page 8</formula>從第1個到第iV-1個方程依次減去第7V個方程得到<formula>formula see original document page 8</formula>(1)(2)令:<formula>formula see original document page 8</formula>則有目標r的估計坐標為》=04^)_、^。步驟203:建立以目標預估計位置為幾何中心的圓形學習區域；步驟204:在圓形學習區域內確定若干同心圓，并在同心圓上選取位置點，且較小半徑同心圓上的位置點數量不小于較大半徑同心圓上的位置點數量；步驟205:將位置點到感知目標傳感器節點距離向量作為樣本輸入，分別 將位置點X、 Y坐標作為樣本輸出，構造分別用于估計目標X、 Y坐標的兩個訓 練樣本，由所有位置點得到分別用于估計目標X、 Y坐標的兩個訓練樣本集；步驟206:采用多項式核函數f -支持向量回歸機對訓練樣本集進行學習得
到分別用于估計目標X、 Y坐標的兩個決策函數；步驟207:將感知目標傳感器節點到目標的測距向量分別輸入兩個決策函 數，得到的函數值即為目標定位坐標；步驟208:基站接收并存儲目標定位坐標值；步驟209:利用多項式函數對目標定位歷史數據進行最小二乘擬合得到新 的目標運動軌跡，實現目標跟蹤。參見圖3， f時刻有效感知目標r的傳感器節點為&(^^l，2，A，A0 (本實施例中^=5)，根據^到目標r距離測量值并采用最小二乘法預估計目標位置為r/， 建立以r/為圓心、i 為半徑的圓形學習區域0，并在e內(包括2邊界)確定附個同心圓，同心圓Q)M，2,…，w)與半徑小于C,的相鄰同心圓C半徑差值為^ 在C,上均勻分布位置點i^(^l,2，…，",.)，相鄰位置點A^和M.(_/_;)的圓心夾角為 竺rad，其中位置點M,與X軸圓心夾角為零，位置點碼到感知目標的傳感器節點&的實際距離為4",由此得到位置點碼到&距離向量H4",《",A ，《"'"，且當A 時，滿足",,2 ，將位置點M^.的距離向量 作為訓練樣本輸入值，將il4.的坐標、、A分別作為訓練樣本輸出，得到訓練樣本^% ，進而得到訓練樣本集7義={^/1 % = 1,2^ ,mj = 1，2,A ，",}、& I =(^.，々)，!' = 1,2^ ,m,_/ = l,2，A ，",}，利用多項式核函數和e-支持向量回歸機對訓練樣本集;^ 、 A進行學習來擬合A^.的距離向量^與坐標值 、 々的非線性關系，得到決策函數^=厶(。、A=/r(「)，其中A、 /y分別用 于估計贈刻目標的X坐標；,和Y坐標:P, ， & =[^,^2,八^,A ,c^]為f時刻感知 目標的傳感器節點Srt通過接收信號強度方法(RSSI)測量到目標r的距離《*構 成的測距向量。 本實施例利用多項式核函數f-支持向量回歸機對位置點距離向量與坐標 構成的訓練樣本集進行學習，并將目標測距向量輸入決策函數估計目標位置， 具體步驟參見圖4，包括步驟401: t時刻傳感器節點&感知目標信息；步驟402:計算位置點My到^的距離《"； 步驟403:位置點到所有感知目標信息的傳感器節點距離值《)構成距 離向量^;步驟404:位置點M,的距離向量P;分別與My的X、 Y坐標構成訓練樣本;^ 、、；步驟405:所有位置點M,的訓練樣本構成訓練樣本集& 、 & ; 步驟406:采用多項式核函數s-支持向量回歸機對訓練樣本集&、 ；^進行 學習；步驟407:通過步驟406得到分別估計目標X、 Y坐標的決策函數y^、 /y; 步驟408:根據傳感器節點S(i接收信號強度計算節點&到目標T的測量距 尚《；步驟409:所有感知目標的傳感器節點5^到目標T的測量距離《組成測距向 步驟410:將測距向量^分別輸入決策函數/,、力，決策函數輸出t時刻目標定位坐標；,、P,。參見圖5，無線傳感器網絡采用層次型拓撲結構，傳感器節點分為若干簇， 每個簇包括簇頭節點H力'-1,2,A，7)和簇內節點，簇頭節點可以相互通信，感知到目標信息的簇內節點將測量信息發送至簇頭節點，簇頭節點通過運行本發 明所述算法實現f時刻目標定位，并將定位結果通過其它簇頭節點傳送到基站， 基站接收和存儲f時刻目標定位坐標值，并利用多項式函數對目標定位歷史數據 進行最小二乘擬合，得到的多項式函數表達了/時刻新的目標軌跡。如圖4所示，簇頭節點仏將 6時刻的目標定位結果f;通過仏傳送到基站，基站對a寸刻 (r=i，2，A ,6)的目標估計位置f;進行擬合得到新的目標軌跡A，實現準確的目標跟蹤o
以上所述，僅為本發明較佳的具體實施方式
，但本發明的保護范圍并不局 限于此，任何熟悉本技術領域的技術人員在本發明揭露的技術范圍內，可輕易 想到的變化或替換，都應涵蓋在本發明的保護范圍之內。因此，本發明的保護 范圍應該以權利要求的保護范圍為準。
權利要求
1、一種無線傳感器網絡目標定位與跟蹤方法，其特征在于，所述方法主要包括A、在任意定位時刻，根據傳感器節點測量信息預估計目標位置；B、建立包含目標預估計位置的學習區域；C、在學習區域內選取任意數量的位置點；D、利用多項式核函數和ε-支持向量回歸機逼近位置點到傳感器節點距離向量與位置點坐標的映射關系得到決策函數；E、將傳感器節點到目標測距向量輸入決策函數得到目標位置估計值；F、將目標位置估計值發送到基站；G、基站對目標位置歷史數據進行擬合來更新目標運動軌跡，實現目標跟蹤。
2、 根據權利要求l所述的無線傳感器網絡目標定位與跟蹤方法，其特征在 于，所述步驟A還包括目標感知范圍內的傳感器節點通過測量目標接收信號 強度估計目標到傳感器節點的距離，并利用最小二乘法預估計目標位置。
3、 根據權利要求l所述的無線傳感器網絡目標定位與跟蹤方法，其特征在 于，所述步驟B具體包括建立以目標預估計位置為圓心的圓形學習區域。
4、 根據權利要求3所述的無線傳感器網絡目標定位與跟蹤方法，其特征在 于，在圓形學習區域內確定若干同心圓，并在同心圓上選取位置點，且較小半 徑同心圓上的位置點數量大于較大半徑同心圓上的位置點數量。
5、 根據權利要求l所述的無線傳感器網絡目標定位與跟蹤方法，其特征在 于，所述步驟C和D還具體包括將每個位置點到各傳感器節點距離向量作為樣 本輸入，分別將位置點X、 Y坐標作為樣本輸出，構造分別用于估計目標X、 Y 坐標的訓練樣本，所有位置點形成分別用于估計目標X、 Y坐標的訓練樣本集，采用多項式核函數S-支持向量回歸機對訓練樣本集進行學習得到分別用于估計目標X、 Y坐標的決策函數。
6、 根據權利要求l所述的無線傳感器網絡目標定位與跟蹤方法，其特征在 于，所述步驟E還具體包括將各傳感器節點到目標的距離測量值組成的測距 向量分別輸入用于估計目標X、 Y坐標的決策函數，得到的函數值即為目標定 位坐標。
7、 根據權利要求l所述的無線傳感器網絡目標定位與跟蹤方法，其特征在于，所述步驟G還具體包括基站接收并存儲目標定位坐標值，利用多項式函數對目標定位歷史數據進行最小二乘擬合得到新的目標運動軌跡，并對目標運 動軌跡進行實時更新。
全文摘要
本發明公開了一種無線傳感器網絡目標定位與跟蹤方法，所述方法主要包括在任意定位時刻，根據傳感器節點測量信息預估計目標位置，建立包含目標預估計位置的學習區域，在學習區域內選取任意數量的位置點，利用多項式核函數和ε-支持向量回歸機逼近位置點到傳感器節點距離向量與位置點坐標的映射關系得到決策函數，將傳感器節點到目標測距向量輸入決策函數得到目標位置估計值，將目標位置估計值發送至基站，基站對目標位置歷史數據進行擬合更新目標運動軌跡，實現目標跟蹤。通過本發明能顯著減小傳感器節點測量誤差對目標定位和軌跡估計的影響，提高目標跟蹤準確度。
文檔編號H04W84/18GK101393260SQ20081022556
公開日2009年3月25日 申請日期2008年11月6日 優先權日2008年11月6日
發明者劉桂雄, 周松斌, 張曉平 申請人:華南理工大學