一种无线传感器网络中目标移动轨迹算法

合集下载

基于APIT技术的无线传感器网络目标定位算法

摘
要：针对无线传感器网络的目标定位问题，出了一种基于能量的目标定位算法。首先通过移动锚提
节点轨迹的采集，形成虚拟锚节点，利用三边定位确定未知节点的位置，加锚节点的密度。采用近似三增
角形内点测试（ＰＴ算法对目标节点进行定位，加入了加权质心因子，锚节点对目标节点的不同影ＡＩ）并用
ｔｔＡＩ）ｅ（ＰＴｓ
Ｔａｇｔｌｃｔｎｌｏｉｈｂｓｄｏｎｒｙａｄｒｅｏａｉｇａｇｒｔｍａｅｎｅｅｇｎ
ＡＰＩｔｃｎｏｏｙｉｒｌｓｅｓｒｎｔｒｓＴｅｈｌｇｎｗｉｅｅｓｓｎｏｅｗｏｋ
ｉｉｃａｅ．ｎａｐｏｉａｏｔｎｔａｇｌｔｎｔｔＡＩ）ｔｈｏｇａｏｔｅｏｉｏｉｇｊｔｓｎｒｓｄＡｒｘｔｐｉ — －ｎａｏｓ（ＰＴｅｎｌｙｓｄｐｄｉｔｓｉｎｏｅｅｐｍｅｎｉｒｕｉｅｉｃｏｗａｅｎｈｐｔｎｏｂｃｆ
响力来确定加权因子，以提高定位精度。仿真结果表明：该算法可以有效地提高无线传感器网络目标定位
的精度。
关键词：无线传感器网络；定位方法；加权因子；近似三角形内点测试
中图分类号：Ｔ３３Ｐ９文献标识码：Ａ文章编号：１０－７７２１）８０６－３００９８（０００－０００
ａｄｎｅｌｃｉｔｎｏｉｅｅｓｓｎｏｅｗｏｋ．ｆｒａｄｎｅｇｔｄｆｃｏ．ｈｒｕｎｅｏＣｏｏｅｏｎｏｏａｚｉｆｒｌｓｅｓｒｎｔｒｓＡｅｄｉｇａｗｉｈｅａｔｒｔｅｉｌｅｃｆｄｌａｏｗｔｄｎａｈｒｎｄｓｔｕｋｏｎｌｃｔｎｉｓｄｔｅｅｉｅｔｅｗｅｇｔｇｆｃｏｎｍｐｏｅｔｅｐｓｔｎｎｃｕａｙＴｓｅｕｔｎｎｗｏａｉｓｕｅｏｄｔｒｎｈｉｈｉａｔｒａｄｉｒｖｈｏｉｏｉｇａｃｒｃ．ｅｔｒｓｌｏｍｎｉｓｉｄｃｔｈｔｔｅＡＰＴｔｃｎｌｇａｒｎｉｈｒｔｒｅｃｔｇｐｅｉｉｎ．ｕｈｃｕａｙｏｒｅｃｔｇｉｎｉａｅｔａｈＩｅｈｏｏｙｃｎｂｇｈｇｅｇｔｏａｉｒｃｓｉａｌｎｏｔｓｔｅａｃｒｃｆｔｇｔｏａｉｈａｌｎｎｗｒｌｓｅｓｒｎｔｒｓｃｎｂｍｐｏｅｆｃｉｅｙｉｅｅｓｓｎｏｅｗｏｋａｅｉｒｖｄｅｆｔｌ．ｅｖＫｅｒｓｙｗｏｄ：ｗｒｌｓｅｓｒｎｔｏｋ；ｏｉｏｉｇａｐｏｃｉｅｅｓｓｎｏｅｗｒｓｐｓｉｎｎｐｒａｈ；ｗｉｈｉｇｆｃｏ；ａｐｏｉｔｉｔｎｔａｇｌｔｎｔｅｇｔａｔｒｐｒｘｍａｅｐｎ－－ｎｕａｉｎｏｉｒｉｏ

无线传感网络的目标跟踪技术

41网络通信技术Network Communication Technology电子技术与软件工程Electronic Technology & Software Engineering要想在大数据背景下，节省传感器节点中的能量，需要对传感器网络进行优化，积极采用网格状结构，对其中的节点整合。

当网络没有侦测事件发生的时候，其中的普通节点就会处于休眠状态。

基于此，需要对无线传感网络的目标跟踪技术进行分析，从而保证数据信息传输的有效性。

1 目标跟踪技术的发展背景无线传感网络已经成为了社会发展中的必不可少的内容，其中所涉及到的数据信息也是非常多的，这就需要加强对目标跟踪技术的有效应用，可以说目标跟踪是无线传感器网络中的主要内容之一，其可以实现对多目标的跟踪定位，其目的是确定目标的位置以及运动状态，实现对其中信息的整合[1]。

在此过程中，还涉及到了WSN 中的定位和数据融合等多种关键技术，其中的目标节点会受到多个因素的影响，并且其中数据信息的机动性以及隐蔽性也比较强。

因此，需要对多目标跟踪问题进行整合，实现在复杂环境中数据信息的准确定位。

在无线传感网络的主要内容进行分析时，发现其中的目标跟踪方法是比较多的，要想提高系统跟踪的精度，需要节省节点中的能量开销，加强对其中节点的检测，及时发现其中的问题。

2 跟踪目标中的问题2.1 跟踪精度目前，无线传感器网络中的目标跟踪技术已经在计算机发展中得到了有效应用，是其中比较常见的算法，其中的目标计算位置和实际位置之间存在一定的误差，不断提高跟踪的精确度。

在此过程无线传感网络的目标跟踪技术张天宇（北京邮电大学北京市 100876）中，需要注意的是，其精度越高并不代表着效果就越好。

因此，要想提高目标的跟踪精确度，需要多融合一些较多的节点数据，这种方式会可以减少能量开销[2]。

2.2 跟踪能量消耗在对无线传感器网络进分析时，发现其中所跟踪的目标大都是应用于复杂的环境中，其中的节点能量消耗也是一个比较关键的问题。

无线传感器网络中的分布式目标跟踪与定位技术

无线传感器网络中的分布式目标跟踪与定位技术无线传感器网络（Wireless Sensor Networks，简称WSN）是一种由大量分布式无线传感器节点组成的网络系统。

这些节点能够感知环境中的各种物理量，并将收集到的数据通过网络传输给基站或其他节点。

WSN在农业、环境监测、智能交通等领域具有广泛的应用前景。

其中，分布式目标跟踪与定位技术是WSN中的一个重要研究方向。

目标跟踪与定位是WSN中的核心问题之一。

在许多应用场景中，需要对目标的位置进行实时监测和跟踪。

传统的目标跟踪与定位方法通常依赖于全局信息，要求节点之间进行频繁的通信，这不仅增加了能耗，还可能导致网络拥塞。

因此，研究人员提出了一系列分布式的目标跟踪与定位技术，以降低能耗并提高网络的可扩展性。

分布式目标跟踪与定位技术主要包括目标定位算法和目标跟踪算法。

目标定位算法用于确定目标的位置，而目标跟踪算法则用于跟踪目标的移动轨迹。

在WSN 中，节点通常通过测量目标到节点的距离或角度来实现目标定位。

常用的目标定位算法有多普勒测距算法、测角算法和基于信号强度的定位算法等。

这些算法可以根据不同的应用场景选择合适的方式来定位目标。

目标跟踪算法则是通过分析目标的运动特征来预测目标的下一个位置。

常见的目标跟踪算法有卡尔曼滤波算法、粒子滤波算法和扩展卡尔曼滤波算法等。

这些算法能够通过对目标的历史轨迹进行建模，从而实现对目标位置的预测和跟踪。

分布式目标跟踪与定位技术的关键问题之一是如何选择合适的节点进行目标跟踪和定位。

在WSN中，节点通常具有有限的计算和通信能力，因此需要选择一部分节点作为目标节点，负责目标跟踪和定位任务。

节点的选择可以通过节点自组织、节点自适应或节点协作等方式实现。

例如，可以通过节点之间的协作来实现目标跟踪和定位任务，即多个节点共同合作，通过相互通信和信息交换来提高目标定位和跟踪的准确性和可靠性。

此外，分布式目标跟踪与定位技术还需要考虑网络的能耗和通信开销。

无线传感器网络中的目标追踪与定位算法

无线传感器网络中的目标追踪与定位算法无线传感器网络（Wireless Sensor Network，简称WSN）是由大量的无线传感器节点组成的网络系统，这些节点可以感知环境中的各种信息，并将其传输到基站或其他节点。

在WSN中，目标追踪与定位是一项重要的任务，它可以帮助我们实时监测和跟踪目标的位置和运动状态。

本文将介绍一些常用的目标追踪与定位算法，并讨论它们的优缺点。

一、基于距离测量的目标追踪与定位算法基于距离测量的目标追踪与定位算法是通过测量目标与节点之间的距离来实现的。

常用的距离测量技术包括RSSI（Received Signal Strength Indicator）和TOA （Time of Arrival）等。

这些算法通常需要节点之间进行通信和协作，以计算目标的位置。

1. RSSI算法RSSI算法通过测量目标与节点之间的信号强度来估计距离。

该算法基于信号衰减模型，根据信号强度与距离之间的关系，计算目标的位置。

然而，由于信号在传输过程中容易受到干扰和衰减，使得RSSI算法的定位误差较大，尤其在复杂的环境中。

2. TOA算法TOA算法通过测量目标与节点之间信号的传播时间来估计距离。

该算法利用无线信号的传播速度和时钟同步技术，计算目标的位置。

相比于RSSI算法，TOA算法具有更高的定位精度，但需要节点之间进行精确的时钟同步，增加了系统的复杂性和成本。

二、基于角度测量的目标追踪与定位算法基于角度测量的目标追踪与定位算法是通过测量目标与节点之间的角度来实现的。

常用的角度测量技术包括AOA（Angle of Arrival）和TDOA（Time Difference of Arrival）等。

这些算法通常需要节点之间进行通信和协作，以计算目标的位置。

1. AOA算法AOA算法通过测量目标与节点之间的信号入射角度来估计目标的位置。

该算法利用阵列天线或多个节点的信号测量结果，计算目标的方向和位置。

然而，AOA算法对节点之间的位置和天线阵列的几何结构要求较高，且容易受到信号多径效应和噪声的影响。

无线传感器网络启发式移动轨迹策略的研究

ｓｕｉｎｔｐｅ．ａｅｎｔｉｇａａｈｕｉｉａｏｉｍ，ａｅ，ｈＳ（ｏｔｅｅｒｙａｄＳｅｄｅｒｙａｄａｅｄＢｄｏｓｏｌｅｒｔｌｒｈｎｍｌｔｅｃｔｆｓｓｓｈ，ｓｃｇｔｙＳｓｒｎｄＳｃｉｎｐｅ）ｈｅｕｔ
ＩｔｇａｅａＩ）ｉｅｐｓｄｔｍａｕｅｔｅＳｂｉ．ｉｌｉｓｓｏｈｔｔｅＳｌｒｈｏｎｅｒｔｄＧｉＧｗｌｂｏｅｏｅｓｒｈＳａｉｙＳａｏｈｗｔａ，ｈＳａｏｉｍｉｎｔｎ（ｌｌｔｍｕｔｎｇｔｓ
点监控的区域。基于此研究目标，提出一种兼顾安全和时效性能的Ｓ（ｅｕｉｎｐｅ）ＳＳｃｒｙａｄＳｅｄ￣发式的移动轨迹策略ｔ
和相应的评价指标—— 综合增益ＩｔｇａｅｉＩ。此策略无需全网拓扑信息的支持，能动态地反映目标对安ｎｅｒｔｄＧａｎ（Ｇ）全和时效两种性能的不同需求。通过仿真试验证明，该策略对网络中节点密度和分布有更低的敏感性；和经典的
ｔｏｏｇｌｔｄｅ，．．ｇｖｎａｔｕｉｅｅｔｇＷＳｈｗｔｅｉｎａｂｅｔｌｃｍｏｉｎｔｃｔｉｈｈｒｕｈｙｓｕｉｉ，ｉｅｎｉｒｓｎｄｔｃｉＮ，ｏｏｄｓｎｏｊｃｏｔｒｋｗｉｈｇｄｅｎｏｎｇｏｏａｈ
Ｍａ．０８ｒ２０
无线传感器网络启发式移动轨迹策略的研究
秦宁宁① 张林② 山秀明② 徐保国①
２４２）１１２ ① 江南大学通信与控制工程学院无锡ｆ ② 清华大学电子系北京（

无线传感器网络的位置定位与跟踪

无线传感器网络的位置定位与跟踪无线传感器网络（Wireless Sensor Networks）是一种由大量分布式传感器节点组成的网络，这些节点能够通过无线通信相互连接并协同工作。

传感器网络的位置定位与跟踪是该领域的一个重要研究方向，它可以广泛应用于环境监测、智能交通、军事侦察等各个领域。

1. 引言无线传感器网络的位置定位与跟踪是指通过已部署的传感器节点获取目标节点的位置信息，并实时地追踪其运动轨迹。

由于传感器节点的资源受限以及网络环境的不确定性，传感器网络的定位与跟踪成为一个具有挑战性的问题。

本文将介绍一些常见的无线传感器网络定位与跟踪技术。

2. 基于距离测量的定位方法基于距离测量的定位方法是一种常见且有效的传感器网络定位技术。

该方法通过测量传感器节点之间的距离来推算目标节点的位置。

常见的距离测量方法包括基于信号强度的距离估计、时间差测量和角度测量等。

这些方法在定位精度和复杂度上存在差异，研究者们不断探索着如何提高定位精度和降低计算复杂度。

3. 基于信号强度的定位方法基于信号强度的定位方法是一种简单且易于实现的传感器网络定位技术。

该方法通过测量目标节点接收到的信号强度来推算其距离。

然而，由于信号在传输过程中会受到阻尼、衰减和多径效应的影响，使得基于信号强度的定位存在较大的误差。

为了克服这一问题，研究者们通常采用校准算法来提高定位精度。

4. 基于时间差测量的定位方法基于时间差测量的定位方法是一种通过测量目标节点接收到信号的到达时间差来推算其距离的传感器网络定位技术。

这种方法通常借助全球定位系统（Global Positioning System, GPS）以及同步算法来精确测量时间差。

然而，GPS在室内环境下信号弱化，导致精度下降；同时，同步算法的复杂度较高，使得该方法的应用受到限制。

5. 基于角度测量的定位方法基于角度测量的定位方法是一种通过测量目标节点和传感器节点之间的角度来推算其位置的传感器网络定位技术。

无线传感器网络中的目标跟踪算法研究

无线传感器网络中的目标跟踪算法研究无线传感器网络（Wireless Sensor Networks，WSN）是一种由大量分布式传感器节点组成的网络，用于监测和感知环境中的物理和化学变量。

目标跟踪是WSN中的一个重要应用，它通过节点之间的协作和信息融合，实时追踪环境中的目标物体。

目标跟踪算法的研究是优化WSN性能和提高目标定位精度的关键。

在无线传感器网络中，目标跟踪算法的研究涉及到多个方面，包括目标检测、目标定位和目标追踪等。

目标检测是指在感知环境中发现目标物体的过程，通过传感器节点采集环境信息，并根据预定义的目标特征对目标进行识别。

目标定位是通过多个传感器节点的测量数据对目标进行精确定位，以确定目标的位置信息。

目标追踪是通过节点之间的协作和信息融合，实时追踪目标物体的位置和运动轨迹。

针对目标跟踪算法中的目标检测问题，研究者们提出了多种方法。

传统的目标检测方法主要基于图像处理技术，通过图像处理算法对采集的图像进行分析和处理，以发现目标物体。

然而，由于无线传感器网络中的节点资源有限，传统的图像处理方法在算力和能耗方面都存在较大的问题。

因此，研究者们不断提出针对无线传感器网络的目标检测算法。

近年来，随着深度学习技术的兴起，基于深度学习的目标检测算法逐渐成为研究热点。

深度学习算法通过构建深层神经网络模型，利用大量的数据进行训练和学习，能够自动提取图像中的特征。

在无线传感器网络中，深度学习算法可以通过节点之间的协作，使用分布式的方式进行目标检测，并将检测结果传输给监控中心。

这种算法不仅能够提高目标检测的准确性，还能够降低通信能耗，提高网络的生存时间。

除了目标检测，目标定位也是目标跟踪算法中的重要问题。

目标定位算法通过节点之间的通信和信息融合，利用测量数据对目标进行定位。

在传感器节点资源有限的情况下，研究者们提出了许多有效的目标定位算法。

一种常见的方法是利用多智能体系统进行目标定位。

多智能体系统是一种由多个智能体节点组成的系统，节点之间可以通过通信和协作来实现任务目标。

无线传感器网络的目标跟踪算法

无线传感器网络的目标跟踪算法
陈凤娟
（辽宁对外经贸学院，辽宁大连
［摘
１１６０５２）
要］无线传感器网络有着广泛的应用，是一个重要的研究领域。在无线传感器网络的各个研究方向中，目标
跟踪是一个重－Ｊｔ－￣究内容，是很多研究方向的基础。无线传感器网络中的目标跟踪的方法很多，各种算法都有自己的优点和缺点。本文首先介绍了无线传感器网络的基本概念，然后分析各种跟踪算法的特点，提出一种跟踪算法的方案，
并对未来的研究做出展望。
［关键词］无线传感器网络；节点；目标丢失；目标跟踪；能量消耗［中图分类号］Ｇ６４２［文献标识码］Ａ［文章编号］１６７１－５９１８（２０１３）１１－０１１１－０２［本刊网址］ｈｔｔｐ：／／ｗｗｗ．ｈｂｘｂ．ｎｅｔ时间窗口内，目标匀速直线运动，采用不同的权值计算方式来建立不同的跟踪方案。该算法的优点是没使用网络中的所有节点，降低了网络能耗，存在的不足是不同的权值方案增加了网络消耗，跟踪精度虽然比ＣＴＢＤ跟踪算法有一定的提高，但是仍然不是很好。ＳＴＵＮ算法把整个网络中的传感节点按功能不同划分成树形结构，汇聚节点为树根，其他节点为树叶和树枝，树叶负责目标监测，树根负责计算目标位置。ＳＴＵＮ跟踪算法的优点是机制简单、信息的融合比较好、发送信息量小、路由信息明确，它的缺点是网络能力耗费很大，网络的稳定性也较差。ＤＣＳ算法根据目标的边界形成相应数量的簇，使用簇头节点收集边界节点发送过来的信息，最后传送到汇聚节点。ＤＣＳ算法的优点是能用簇动态的跟踪目标边界，不足是簇头节点的

1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。

d( p(t)) = dt
⎛ ⎜⎝
dx(t) dt
⎞2 ⎟⎠
+
⎛ ⎜⎝
dy(t) dt
⎞2 ⎟⎠
(6)
进而,轨迹暴露量E可表示为
收稿时间: 2011-05-02; 定稿时间: 2011-07-29
马寅等:一种无线传感器网络中目标移动轨迹算法
33
移动轨迹算法的不足,提出了一种通过选择合适前进方向来生成移动轨迹的 AFMP(angle first moving path)算法.理论分析与仿真结果表明,AFMP 算法无需全局节点信息,对节点的感知半径无同构要求,对节点部署密度和分布有较低的敏感度,特别适用于只知节点局部信息的情况且算法复杂度也低于 Voronoi 算法和理想网格算法. 关键词: 无线传感器网络;移动轨迹;栅栏覆盖
文献[4]提出了一种基于全局节点信息采用网格划分的移动轨迹算法,移动目标穿越区域时沿着划分好的网格边前进.但该算法复杂度高,且实际情况中,移动目标不可能提前获取传感区域内所有传感节点具体分布情况.文献[5]讨论了一种基于局部节点信息采用 Voronoi 图划分的穿越算法,随着移动目标前进,在 Voronoi 图中加入新感知的传感节点并更新 Voronoi 图顶点优先级数.该算法在节点分布不均匀或节点数量较小时生成的穿越路径,与理想路径相差较大.文献[7]在文献[4]的基础上进行了改进,但计算复杂度仍然较高.文献[8]对文献[5]进行了改进,但未能摆脱 Voronoi 图的局限性.且上述文献中的节点均未考虑节点异构的情况.因此,本文提出了以角度为优先的新型算法,能够以较小的代价生成移动轨迹,并支持异构节点情况.
本文第 1 节给出问题描述及相关定义.第 2 节详细描述算法流程.第 3 节通过仿真实验验证了算法,并对比同类算法.文章最后得出结论,并介绍下一步研究计划.
1 相关定义
本文提及的无线传感器网络基于以下假设: (1) 无线传感区域 F 内部署了 n 个传感器节点,Si∈S,i=1,2,...,n,其感知半径为 Rsi. (2) 移动目标 O 能在发现半径 Rd(Rd>Rs)内发现传感器节点 Si 的存在及其感知半径 Rsi. (3) 移动目标 O 在无线传感区域内,从起点 p(ts)以均匀速度向终点 p(te)前进. 定义 1(智能移动目标 O). 具有移动能力,能合理规划出最佳穿越传感区域移动轨迹、降低自身被传感网络
示,移动目标 O 在区域 F 内沿轨迹 p(t)从点 p(t1)到点 p(t2),目标在区间[t1,t2]沿轨迹 p(t)的暴露定义 E 为
∫ E( p(t),t1,t2 )
=
t2 t1
I(F,
p(t))
d( p(t)) dt
dt
(5)
I(F,p(t))可以取IA(F,p(t))或IC(F,p(t)).设p(t)=(x(t),y(t)),则
一种无线传感器网络中目标移动轨迹算法∗
马寅 1,2,3, 王汝传 1,2,3, 孙力娟 1,2,3, 黄海平 1,2,3+
1(南京邮电大学计算机学院,江苏南京 210003) 2(南京邮电大学江苏省无线传感网高技术研究重点实验室,江苏南京 210003) 3(南京邮电大学宽带无线通信与传感网技术教育部重点实验室,江苏南京 210003)
t1
dp(t) dt dt
(2)
34
Journal of Software 软件学报 Vol.22, Supplement (1), October 2011
其中,t 表示时间.
定义 4(曝光强度 I). 为了定量描述感知区域内移动目标 O “曝光”的程度,本文采用了文献[4]中提出的全局
感知区域强度 IA(all-sensor field intensity):
Target Moving Path Algorithm in Wireless Sensor Networks
MA Yin1,2,3, WANG Ru-Chuan1,2,3, SUN Li-Juan1,2,3, HUANG Hai-Ping1,2,3+
1(College of Computer, Nanjing University of Posts and Telecommunications, Nanjing 210003, China) 2(Jiangsu High Technology Research Key Laboratory for Wireless Sensor Networks, Nanjing University of Posts and
无线传感器网络发展迅猛,已广泛应用于军事侦查、环境监控、健康监测以及工业自动化等等.在监测区域中,节点通过传感器探测来确定目标的存在性[1].在对立面上,移动目标寻找尽可能的安全轨迹来减少“曝光” 的可能性.比如,它可能在传感节点尚未覆盖的区域内选择移动轨迹等.
移动轨迹的研究也被称为栅栏覆盖(barrier coverage)[2,3],目前的研究包括基于全局节点信息和基于局部节点信息两类,主要利用网格(grid)划分[4]和 Voronoi 划分[5]策略来选择路径的下一位置点集合,然后依据各自给出的路径风险程度定义来最优地选择下一位置点,使得移动目标沿着一条“曝光”尽可能最低的轨迹到达终点[6].
其中,d(s,q)是传感器节点 s 与点 q 的二维平面上的欧几里德距离,正常数λ与 k 是与技术和环境相关的参数.
定义 3(轨迹长度Γ). 当移动目标 O 在区域 F 内沿轨迹 p(t)从点 p(t1)到点 p(t2)时,所有相邻点的二维欧几里德距离之和,即轨迹长度:
∫t2
Γ ( p(t),t1,t2 ) =
Telecommunications, Nanjing 210003, China) 3(Key Laboratory of Broadband Wireless Communication and Sensor Network Technology of Ministry of Education, Nanjing University
摘要: 无线传感器网络一般用于监控传感区域中发生的各种事件;在对立面上,智能移动目标着力于寻找曝光量尽可能低的轨迹来通过传感区域,以免被监测到.针对智能移动目标寻找合适移动轨迹的问题,分析了目前已有的
∗ 基金项目: 国家自然科学基金(60973139, 61003039, 61003236); 江苏省科技支撑计划(工业)(BE2010197, BE2010198); 江苏省级现代服务业发展专项资金; 江苏省高校自然科学基础研究项目(10KJB520013, 10KJB520014); 高校科研成果产业化推进工程项目(JH10-14); 江苏省博士后基金(20090451240, 20090451241); 江苏高校科技创新计划项目(CX09B-153Z, CX10B-197Z, CX10B200Z); 江苏省六大高峰人才项目(2008118); 江苏省计算机信息处理技术重点实验室基金(KJS1022)
定义 2(发现概率 S). 一般地,由于传感器节点的理论或物理特性不同,需要建立大量不同的复杂模型来表
示其感知能力.但由于存在共性是感知能力随着距离的增加而降低,结合文献[5,9]和实际情况,可定义无线传感
器节点 s 对在 q 点的移动目标 O 的发现概率:
S
(s,
q)
=
[d
λ
(s, q)]k
(1)
Abstract: Wireless sensor networks are widely used to monitor various kinds of events that happened in the sensing area. On the contrary, in order to avoid being detected, intelligent mobile targets are exerting themselves to seek paths with the least exposure passing the sensing area. Looking at the issue of intelligent moving targets seeking the appropriate moving path, the study analyzed the defects of existing moving path algorithms and proposed the AFMP (Angle First Moving Path) algorithm that generates a moving path via choosing the appropriate direction. Theoretical analysis and simulation results illustrate that the AFMP algorithm does not require global node information and isomorphic sensing radius of nodes. Also, it has a lower sensitivity when compared to the node deployment density and distribution. Therefore, the algorithm is especially suitable for the case when only local node information is known. Moreover, the complexity of the algorithm is lower than that of the Voronoi algorithm and the ideal grid algorithm. Key words: wireless sensor network; moving path; barrier coverage