傳感器網(wǎng)絡(luò)中圖像傳感節(jié)點及相關(guān)協(xié)議的研究

本項目將分析目前傳感器網(wǎng)絡(luò)中圖像數(shù)據(jù)的特征，提出面向圖像傳感器的壓縮算法；根據(jù)無線網(wǎng)絡(luò)傳輸?shù)膸捄蛨D像數(shù)據(jù)的特點，提出圖像傳輸時提高帶寬的方法。針對傳感器網(wǎng)絡(luò)實時性的要求，研究傳感器網(wǎng)絡(luò)中圖像的實時信號處理、運動物體的實時捕獲與跟蹤、目標識別等技術(shù)。從傳感器節(jié)點和無線通信協(xié)議兩方面出發(fā)，提出含圖像節(jié)點的傳感器網(wǎng)絡(luò)能源管理算法。實現(xiàn)具有無中心節(jié)點、自組織、自配置、多級跳躍等特性的低功耗圖像傳感器網(wǎng)絡(luò) 2100433B

無線傳感器網(wǎng)絡(luò)觀測數(shù)據(jù)的時空相關(guān)性揭示了無線傳感器網(wǎng)絡(luò)部署環(huán)境的動態(tài)性與不確定性，對指導(dǎo)和優(yōu)化無線傳感器網(wǎng)絡(luò)的節(jié)能設(shè)計有重要意義。本項目以概率圖模型為主要工具，分析和建模無線傳感器網(wǎng)絡(luò)中普遍存在的時空相關(guān)性，在此基礎(chǔ)上研究高效的節(jié)能策略，主要包括：研究傳感器節(jié)點的時空相關(guān)性雙聚類方法，同時從時間和空間兩個維度將觀測數(shù)據(jù)進行聚類分析；基于時空相關(guān)性聚類結(jié)果，研究相應(yīng)的拓撲控制策略來降低活躍節(jié)點的數(shù)量，達到顯著節(jié)能的效果；利用動態(tài)條件隨機場對觀測數(shù)據(jù)的時空相關(guān)性進行建模，研究相應(yīng)的參數(shù)估計方法，通過對活躍節(jié)點的觀測來精確推斷其他節(jié)點的狀態(tài)。本項目的預(yù)期成果擬在保證實際應(yīng)用性能的前提下，有效的降低必需的活躍節(jié)點數(shù)量，達到無線傳感器網(wǎng)絡(luò)顯著節(jié)能的目標。

為了延長網(wǎng)絡(luò)生存時間或保證網(wǎng)絡(luò)的連通性，可以在無線傳感器網(wǎng)絡(luò)中布置少量專門用于路由數(shù)據(jù)的中繼節(jié)點。本項目以幾何理論為基礎(chǔ)，系統(tǒng)深入地研究了無線傳感器網(wǎng)絡(luò)中的中繼節(jié)點布置問題，主要研究內(nèi)容和研究結(jié)果包括： (1) 研究了不同網(wǎng)絡(luò)模型和優(yōu)化目標下的簇內(nèi)中繼節(jié)點布置問題，由于作為簇頭的中繼節(jié)點的功能類似于一個獨立網(wǎng)絡(luò)中的基站，因此無線傳感器網(wǎng)絡(luò)中的基站布置算法也可用于求解類似的簇內(nèi)中繼節(jié)點布置問題。(i) 假設(shè)傳感器節(jié)點可以自動調(diào)整其無線發(fā)送功率，提出了一種基于最速下降法的中繼節(jié)點布置算法，使得傳感器節(jié)點發(fā)送數(shù)據(jù)所消耗的總功耗最小。在該算法中，先選擇基站的一個初始位置，然后沿著負梯度方向，通過不斷迭代求出總功耗的極小值點。實驗結(jié)果表明，該算法可以得到使得傳感器節(jié)點總功耗最小的中繼節(jié)點位置。(ii) 假設(shè)傳感器節(jié)點可以自動調(diào)整其無線發(fā)送功率，提出了一種基于貪婪搜索的中繼節(jié)點布置算法，最大化了所有傳感器節(jié)點的最短生存時間。首先證明了對于一個三維無線傳感器網(wǎng)絡(luò)，中繼節(jié)點的最優(yōu)位置最多只取決于所有傳感器節(jié)點中的某四個節(jié)點，然后通過貪婪搜索得到這四個節(jié)點。相比現(xiàn)有算法，該算法可以適用于三維空間。(iii) 假設(shè)傳感器節(jié)點具有固定的無線發(fā)送功率和通信范圍，提出了一種基于平面分割的中繼節(jié)點布置算法，使得傳感器節(jié)點用于傳輸數(shù)據(jù)的總功耗最小。通過所有傳感器節(jié)點的通信圓來分割二維平面，可以得到有限多個具有不同總功耗的中繼節(jié)點位置，從而將中繼節(jié)點位置在二維平面的無限搜索空間縮小為有限多個搜索空間。實驗結(jié)果表明，該算法可以得到使得傳感器節(jié)點總功耗最小的中繼節(jié)點位置。 (2) 研究了單層網(wǎng)絡(luò)中滿足連通性的中繼節(jié)點布置問題，提出了一種基于合并連通片的近似算法，以最小化使得網(wǎng)絡(luò)連通所需的中繼節(jié)點數(shù)目。在該算法迭代求解過程的每步中，先基于Voronoi圖求出各個連通片的外圍節(jié)點，然后嘗試布置最小數(shù)目的中繼節(jié)點，以連接其中兩個連通片或三個連通片中的外圍節(jié)點，形成新的連通片，重復(fù)該迭代過程直至所有節(jié)點連通。實驗結(jié)果表明該算法得到的平均中繼節(jié)點數(shù)目約為現(xiàn)有算法的90%。 通過本項目的研究，推動了無線傳感器網(wǎng)絡(luò)中繼節(jié)點布置問題的研究，促進了項目組團隊的成長，已發(fā)表和錄用了5篇相關(guān)論文，其中3篇被SCI收錄，5篇被EI收錄，此外還有4篇論文已投稿，已培養(yǎng)了1名碩士研究生畢業(yè)，現(xiàn)有5名在讀碩士研究生正在研究此方向。 2100433B

本課題以無線傳感器網(wǎng)絡(luò)的目標跟蹤為背景，研究節(jié)能的目標跟蹤協(xié)議和算法，解決目前目標跟蹤協(xié)議存在通信量大、參與跟蹤的節(jié)點數(shù)目多從而導(dǎo)致耗能多的問題。具體研究無線傳感器網(wǎng)絡(luò)目標跟蹤機制，節(jié)點感應(yīng)度計算模型，并研究基于節(jié)點感應(yīng)度的目標定位與跟蹤算法。 本項目提出了一種節(jié)點感應(yīng)度計算模型，該模型主要利用傳感器節(jié)點感應(yīng)到的信號強度與離目標的距離互相關(guān)特性，即感應(yīng)到的信號強度越大，則感應(yīng)度值越高。感應(yīng)度值將作為跟蹤過程中節(jié)點是否參與跟蹤的依據(jù)之一。提出了基于多邊形的目標跟蹤框架-FaceTrack,該跟蹤框架包括目標在多邊形區(qū)域之間的穿越過程中目標跟蹤方法，節(jié)點喚醒與休眠時機、主跟蹤節(jié)點的選擇方法等。模擬結(jié)果表明，F(xiàn)aceTrack跟蹤框架能有效定位目標所在多邊形區(qū)域。為了提高跟蹤精度，即實現(xiàn)目標在多邊形內(nèi)部動態(tài)移動的跟蹤與定位，本項目以節(jié)點感應(yīng)度模型為基礎(chǔ)，提出了一種節(jié)點自主決策是否參與跟蹤的目標跟蹤算法（NS-ADTT），該算法基于定位邊采用加權(quán)質(zhì)心算法對目標位置進行估計，并且，節(jié)點可根據(jù)自身感應(yīng)度值及局部網(wǎng)絡(luò)情況自主決策是否參與當前跟蹤。仿真結(jié)果表明，在目標跟蹤過程中，該算法在保證一定跟蹤精度的基礎(chǔ)上減少了參與跟蹤的節(jié)點數(shù)， 降低了網(wǎng)絡(luò)能耗，有效地延長了網(wǎng)絡(luò)生命周期。 本項目對其他跟蹤模式進行了探索，基于拍賣的思想，提出了基于拍賣的目標跟蹤算法Auction-Based Adaptive Sensor Activation Algorithm(簡稱AASA)。拍賣機制讓預(yù)測區(qū)域內(nèi)的節(jié)點通過競爭產(chǎn)生最適合參與目標跟蹤的節(jié)點。拍賣過程充分考慮了節(jié)點的剩余能量以及節(jié)點到目標預(yù)測距離。模擬結(jié)果表明,算法AASA在保持可接受跟蹤質(zhì)量的前提下,能有效地解決能量消耗不平衡的問題。