基于水下无线传感器网络的自组织目标跟踪算法研究

【摘要】：水下目标跟踪是海洋科学技术的重要研究方向之一,为海洋资源的开发利用和海洋安全的防御维护提供了关键技术。凭借多平台探测、实时数据共享等优势,基于水下无线传感器网络(Underwater Wireless Sensor Networks,UWSNs)的水下目标跟踪技术受到了越来越多的关注。然而,由于复杂水下环境会导致量测信息不足和目标跟踪精度下降,而节点处理、传输量测数据会增加网络的能耗负担,因此,如何解决跟踪精度和能量消耗之间的矛盾成为了UWSNs目标跟踪的主要问题。为此,本文基于UWSNs的自组织能力,分别从量测模型修正、节点深度调节、节点能量分配和多源数据融合等多个方面开展研究,逐步提高UWSNs目标跟踪的跟踪精度和能量效率。总体而言,本文的研究工作和主要贡献如下:首先,针对水声传播速度变化导致的量测模型偏差,本文提出了基于量测模型修正的目标跟踪算法。该方法引入一个表征声速变化影响的修正参数,利用过去时间的累积信息估计修正参数,并通过修正参数的迭代更新实现量测模型的自组织修正,提供准确的量测模型和数据。其次,针对UWSNs节点稀疏部署导致的量测信息不足,本文提出了基于节点深度调节的目标跟踪算法。该方法根据节点深度变化对跟踪精度的影响,设计动态的节点深度调节方案,实现节点位置结构的自组织调整,保证获取更加完备的量测信息。然后,针对降低UWSNs能耗导致的量测信息损失,本文提出了基于长时能量分配的目标跟踪算法。根据量测价值进行节点能量的自组织分配,用较多能量处理高价值量测以保留信息,而将低价值量测压缩至较少位数以减小能耗。在有限的能量条件下最大化全局信息,提高能量利用效率。最后,针对多源数据融合时各节点的量测差异,本文提出了基于互信息融合的目标跟踪算法。通过计算量化量测与目标状态之间的互信息,实现节点量测权重的自组织分配,并给出多传感器量测的加权融合方案,弥补降低UWSNs能耗导致的量测信息损失。总体而言,本文的研究针对基于UWSNs的自组织目标跟踪问题,从不同角度解决了目标跟踪精度和能量消耗问题,各个内容相辅相成,共同形成了一套比较完整的理论成果,为UWSNs自组织能力和水下目标跟踪理论研究提供了技术支撑。