分布式粒子濾波算法在目標(biāo)跟蹤中的應(yīng)用

谷 靜， 史健芳

(太原理工大學(xué) 信息工程學(xué)院，山西 太原 030024)

分布式粒子濾波算法在目標(biāo)跟蹤中的應(yīng)用

谷 靜， 史健芳

(太原理工大學(xué) 信息工程學(xué)院，山西 太原 030024)

針對(duì)無線傳感器網(wǎng)絡(luò)中目標(biāo)跟蹤的精度與網(wǎng)絡(luò)能耗這一對(duì)矛盾，提出了一種改進(jìn)的分布式粒子濾波算法。通過調(diào)整濾波器的似然分布保持粒子的多樣性，同時(shí)將無線傳感器網(wǎng)絡(luò)中的跟蹤機(jī)制進(jìn)行改進(jìn)，采用根據(jù)跟蹤精度自適應(yīng)調(diào)整動(dòng)態(tài)簇內(nèi)工作的傳感器節(jié)點(diǎn)的數(shù)目。仿真結(jié)果表明：提出的改進(jìn)算法在提高跟蹤性能的同時(shí)減少了能量損耗，延長(zhǎng)了網(wǎng)絡(luò)的使用壽命。

無線傳感器網(wǎng)絡(luò)； 粒子濾波； 能量損耗

0 引 言

移動(dòng)目標(biāo)跟蹤是無線傳感器網(wǎng)絡(luò)(wireless sensor networks,WSNs)的研究熱點(diǎn)之一[1]，在設(shè)施管理、物流管理、健康服務(wù)等方面有著廣泛的應(yīng)用前景。開發(fā)基于無線傳感器網(wǎng)絡(luò)的跟蹤系統(tǒng)時(shí)，出現(xiàn)了2個(gè)具有挑戰(zhàn)性的問題：一是如何改進(jìn)現(xiàn)有的濾波算法使跟蹤更加精確；二是如何權(quán)衡其跟蹤精度與資源有限的問題，如能量、帶寬等[2]。由于節(jié)點(diǎn)的計(jì)算、感知和通信都由電池供電且通信帶寬有限，所以，大量文獻(xiàn)研究了如何平衡跟蹤精度與能量消耗這一對(duì)矛盾[3]。文獻(xiàn)[4]提出了分布式動(dòng)態(tài)簇跟蹤算法，在每一時(shí)刻喚醒目標(biāo)周圍的一部分節(jié)點(diǎn)對(duì)目標(biāo)進(jìn)行跟蹤，其余節(jié)點(diǎn)進(jìn)入休眠狀態(tài)，與集中式跟蹤算法相較，節(jié)省了大量節(jié)點(diǎn)的能量消耗，有效延長(zhǎng)了網(wǎng)絡(luò)使用壽命，節(jié)省資源空間。文獻(xiàn)[5]中提出一種可擴(kuò)展的動(dòng)態(tài)平均一致卡爾曼濾波算法，仿真結(jié)果指出，平均每一時(shí)刻工作的傳感器節(jié)點(diǎn)個(gè)數(shù)為6.39個(gè)。但是，卡爾曼濾波只適用于高斯白噪聲，對(duì)環(huán)境要求較高。

本文研究了分布粒子濾波算法在無線傳感器網(wǎng)絡(luò)中的應(yīng)用，粒子濾波算法無須假設(shè)高斯噪聲，理論上對(duì)任何模型都適用，尤其對(duì)非線性問題有比較好的性能。同時(shí)本文提出了一種分布式跟蹤機(jī)制，能夠減少動(dòng)態(tài)簇中工作的傳感器節(jié)點(diǎn)數(shù)目，從而節(jié)省網(wǎng)絡(luò)中的能量損耗。

1 無線傳感器網(wǎng)絡(luò)中的目標(biāo)跟蹤

在一個(gè)無線傳感器網(wǎng)絡(luò)中，稱一個(gè)移動(dòng)的物體為目標(biāo)，目標(biāo)發(fā)出的信息用來表征和識(shí)別目標(biāo)。一個(gè)傳感器節(jié)點(diǎn)有3種狀態(tài)：活動(dòng)狀態(tài)、休眠狀態(tài)、喚醒狀態(tài)。當(dāng)一個(gè)傳感器在活動(dòng)狀態(tài)時(shí)，它可以感知到目標(biāo)，隨時(shí)接收或者傳送數(shù)據(jù);而處于休眠狀態(tài)時(shí)，它停止感知目標(biāo)，停止接收或者傳送數(shù)據(jù)。一只傳感器在預(yù)定義的時(shí)間內(nèi)周期性地從睡眠狀態(tài)改為喚醒狀態(tài)。在喚醒狀態(tài)，傳感器收聽檢查請(qǐng)求或喚醒包，如果在該狀態(tài)接收到一個(gè)喚醒包，它的狀態(tài)會(huì)變成活動(dòng)狀態(tài)；如果在規(guī)定時(shí)間內(nèi)沒有轉(zhuǎn)變成活動(dòng)狀態(tài)，那么它將進(jìn)入睡眠狀態(tài)。假定傳感器網(wǎng)絡(luò)是同步的，傳感器定期同步喚醒或休息。傳感器可以準(zhǔn)確地檢測(cè)一個(gè)目標(biāo)的位置，每一個(gè)節(jié)點(diǎn)可以通過全球定位系統(tǒng)(GPS)或者其他機(jī)制知道自己的位置信息。每一個(gè)節(jié)點(diǎn)的通信范圍和感知范圍都是一樣的，本文假設(shè)傳輸距離是2倍的感知距離[6]，在這個(gè)范圍里，傳感器可以合作地跟蹤一個(gè)目標(biāo)，當(dāng)目標(biāo)離開傳感器X的感知范圍移動(dòng)到Y(jié)的感知范圍，這個(gè)范圍比保證了X和Y是鄰居節(jié)點(diǎn)。傳感器X可以直接告知傳感器Y有關(guān)目標(biāo)的信息，傳感器網(wǎng)絡(luò)便可以合作地跟蹤目標(biāo)。

當(dāng)目標(biāo)進(jìn)入無線傳感器網(wǎng)絡(luò)中，第一個(gè)檢測(cè)到目標(biāo)的傳感器作為簇頭節(jié)點(diǎn)，與其余檢測(cè)到目標(biāo)的簇成員節(jié)點(diǎn)組成一個(gè)動(dòng)態(tài)簇。本文選擇采用對(duì)硬件要求較低的接收信號(hào)強(qiáng)度指示(received signal strength indication,RSSI)極大似然估計(jì)算法得到目標(biāo)的最新狀態(tài)量測(cè)值。簇頭節(jié)點(diǎn)接收成員節(jié)點(diǎn)發(fā)送來的量測(cè)值，并進(jìn)行分布式粒子濾波算法，對(duì)目標(biāo)此刻的狀態(tài)值進(jìn)行估計(jì)并預(yù)測(cè)下一時(shí)刻的狀態(tài)值。

2 分布式粒子濾波算法

1)首先，進(jìn)行采樣得到樣本粒子并對(duì)重要性權(quán)值進(jìn)行初始化，得到采樣粒子相應(yīng)的權(quán)值，設(shè)為等權(quán)值粒子，如式(1)和式(2)所示

{x(k-1,i),i=1,…,Ns}→q(k-1,k-1),

(1)

(2)

其中，q()表示重要性函數(shù)，Ns表示采樣粒子數(shù)。

2)狀態(tài)更新和權(quán)值更新

利用狀態(tài)方程和量測(cè)方程進(jìn)行狀態(tài)更新和量測(cè)更新，并對(duì)更新后的權(quán)值進(jìn)行歸一化，分別如式(3)、式(4)和式(5)所示

{x(k,i)=f(x(k-1,i),w(k-1,i),k-1),i=1,…, Ns},

(3)

(4)

(5)

3)重采樣

剔除較小權(quán)值粒子，復(fù)制大權(quán)值粒子，重新設(shè)定粒子的權(quán)值

(6)

4)狀態(tài)更新

(7)

3 改進(jìn)的分布式粒子濾波算法

3.1 粒子濾波算法的改進(jìn)

改變粒子的權(quán)值即可改變似然函數(shù)的分布，使粒子向似然函數(shù)的峰值區(qū)移動(dòng)，從而增加粒子的有效性。本文設(shè)定了一個(gè)自適應(yīng)變量μ=|Rν|(其中,R為量測(cè)噪聲協(xié)方差的值;ν為殘差值，即量測(cè)值與估計(jì)值之差)，來調(diào)整權(quán)值的大小即調(diào)整采樣粒子的分布。μ值是隨著殘差大小的變化而變化的。當(dāng)系統(tǒng)噪聲較高時(shí)，利用最新量測(cè)值計(jì)算得到的殘差ν來計(jì)算μ的值使采樣得到的粒子更加有效，從而減弱了濾波過程中出現(xiàn)的粒子匱乏問題。該算法具體的計(jì)算步驟如下：

1)初始化

構(gòu)造采樣點(diǎn)集{x(k-1,i),i=1,…,Ns}和初始重要性權(quán)值

(8)

2)濾波

計(jì)算重要性權(quán)值

(9)

歸一化得到接收概率

(10)

輸出

(11)

3)重采樣：同標(biāo)準(zhǔn)粒子濾波；

4)預(yù)測(cè)

3.2 跟蹤機(jī)制的改進(jìn)

1)節(jié)點(diǎn)喚醒

當(dāng)t=k時(shí)，根據(jù)t=k-1時(shí)刻的預(yù)測(cè)值喚醒目標(biāo)周圍的傳感器節(jié)點(diǎn)。其中第一個(gè)檢測(cè)到目標(biāo)的傳感器節(jié)點(diǎn)作為簇頭節(jié)點(diǎn)CH(k)，其余檢測(cè)到目標(biāo)的傳感器節(jié)點(diǎn)作為簇成員節(jié)點(diǎn)。

2)接收信息

3)信息處理

4 仿真實(shí)驗(yàn)

為了驗(yàn)證本文提出的基于精度的節(jié)點(diǎn)最少動(dòng)態(tài)簇定位跟蹤算法的有效性，在Matlab軟件上做了以下仿真。假設(shè)在100m×100m的區(qū)域內(nèi)隨機(jī)布設(shè)了100個(gè)傳感器節(jié)點(diǎn)，每個(gè)傳感器節(jié)點(diǎn)的檢測(cè)半徑與通信半徑均為20m。一個(gè)目標(biāo)在該區(qū)域內(nèi)做勻速運(yùn)動(dòng)，速度為[vx,vy]=[1.5,0.6]/ms，目標(biāo)初始位置為(50，80)m，在1～34s和68～100s內(nèi)做右轉(zhuǎn)彎運(yùn)動(dòng)，在35～67s內(nèi)做左轉(zhuǎn)彎運(yùn)動(dòng)，轉(zhuǎn)彎角速率為7.45°/s,傳感器采樣周期為1s。仿真結(jié)果如圖1～圖3。

圖1表示了在布設(shè)有傳感器節(jié)點(diǎn)的網(wǎng)絡(luò)環(huán)境內(nèi)目標(biāo)運(yùn)動(dòng)的軌跡，標(biāo)準(zhǔn)粒子濾波算法和改進(jìn)后的粒子濾波算法估計(jì)結(jié)果；圖2表示了每一時(shí)刻內(nèi)工作的傳感器個(gè)數(shù)(默認(rèn)在通信半徑內(nèi)的傳感器都能接收到目標(biāo)傳來的信號(hào)并正常工作)；圖3表示了標(biāo)準(zhǔn)粒子濾波算法和改進(jìn)后的粒子濾波算法誤差比較。

圖1 目標(biāo)運(yùn)動(dòng)軌跡Fig 1 Moving trajectory of target

圖2 標(biāo)準(zhǔn)分布式與改進(jìn)的分布式算法在每一 時(shí)刻工作的傳感器節(jié)點(diǎn)數(shù)目Fig 2 Number of working sensor node of standard distributed and improved distributed algorithms at each moment

圖3 標(biāo)準(zhǔn)粒子濾波與改進(jìn)的粒子濾波跟蹤誤差結(jié)果比較Fig 3 Result comparison of tracking error of standard PF and modified PF

從圖2中可以看出:采用本文提出的改進(jìn)的分布式算法，在滿足一定精度的前提下，每一時(shí)刻工作的傳感器節(jié)點(diǎn)數(shù)目少于等于標(biāo)準(zhǔn)的分布式定位算法。例如:在t=[20,40]s的范圍內(nèi)，采用標(biāo)準(zhǔn)的分布式定位算法，每一時(shí)刻工作的傳感器個(gè)數(shù)達(dá)到12個(gè)左右，而采用了本文提出的改進(jìn)算法后，傳感器僅需要3個(gè)，很大程度上減小了網(wǎng)絡(luò)能量中的損耗。在圖3中也可以看到:使用本文提出的改進(jìn)粒子濾波算法的跟蹤結(jié)果優(yōu)于標(biāo)準(zhǔn)粒子濾波算法，減小了跟蹤誤差。

5 結(jié) 論

本文研究了分布粒子濾波算法在無線傳感器網(wǎng)絡(luò)中的應(yīng)用，并提出了一種改進(jìn)的分布式粒子濾波算法,首先，通過根據(jù)殘差設(shè)定的適應(yīng)系數(shù)μ來調(diào)整似然函數(shù)分布，增加采樣區(qū)域和高似然函數(shù)區(qū)域的重疊區(qū)域，使采樣得到的粒子更加有效，有助于改善粒子濾波的濾波性能使得跟蹤效果更加穩(wěn)定；然后，通過改進(jìn)無線傳感器網(wǎng)絡(luò)中的跟蹤機(jī)制，使動(dòng)態(tài)簇中工作的傳感器個(gè)數(shù)得到了最大的降低。通過仿真實(shí)驗(yàn)證明：該算法在提高目標(biāo)跟蹤精度的同時(shí)降低了無線傳感器網(wǎng)絡(luò)的能量消耗，延長(zhǎng)了傳感器網(wǎng)絡(luò)的使用壽命，符合無線傳感器網(wǎng)絡(luò)低功耗的特點(diǎn)，可以應(yīng)用在無線傳感器網(wǎng)絡(luò)環(huán)境下的非線性非高斯的目標(biāo)跟蹤中。

[1] 孫利民.無線傳感器網(wǎng)絡(luò)[M].北京：清華大學(xué)出版社，2005.

[2] 高慶華，金明錄.一種基于概率密度傳播的目標(biāo)跟蹤算法[J].電子與信息學(xué)報(bào)，2010，32(10)：2410-2414.

[3] Oualid Demigha,Walid-Khaled Hidouci.On energy efficiency in collaborative target tracking in wireless sensor network:A re-view[J].IEEE Communication Surveys & Tutorials,2013，15(3)：1210-1222.

[4] 劉立陽(yáng)，張金成.基于分布式動(dòng)態(tài)簇結(jié)構(gòu)的WSNs自適應(yīng)目標(biāo)跟蹤算法[J].傳感技術(shù)學(xué)報(bào)，2012，25(1)：110-113.

[5] 龍 慧，樊曉平，劉少?gòu)?qiáng).無線傳感器網(wǎng)絡(luò)可擴(kuò)展一致性目標(biāo)跟蹤算法研究[J].小型微型計(jì)算機(jī)系統(tǒng)，2012，33(11)：2429-2434.

[6] Jing Teng.Distributed variational filtering for simultaneous sensor localization and target tracking in wireless sensor networks[J].IEEE Transaction on Vehicular Technology, 2012,61(5)：2306-2318.

Application of distributed particle filtering algorithm in target tracking

GU Jing， SHI Jian-fang

(School of Information Engineering,Taiyuan University of Technology,Taiyuan 030024,China)

Aiming at contradiction of tracking precision and energy consumption of target tracking in wireless sensor networks(WSNs),an improved distributed particle filtering(PF)algorithm is proposed.It can keep the variety of the particles by adjusting likelihood distribution of filters and meanwhile the tracking mechanism is also improved，and it can adaptively adjust number of working sensor nodes in dynamic cluster according to the tracking precision.The simulation result shows that the proposed improved algorithm not only improve tracking quality but also reduces energy consumption and prolongs lifetime of network.

WSNs; particle filtering(PF); energy consumption

10.13873/J.1000—9787(2014)08—0158—03

2014—01—11

TP 301.6

A

1000—9787(2014)08—0158—03

谷 靜(1988-)，女，山西陽(yáng)泉人，碩士研究生，主要研究方向?yàn)槟繕?biāo)跟蹤與無線傳感器網(wǎng)絡(luò)。