傳感網(wǎng)中目標(biāo)的移動式定位跟蹤研究綜述

彭 臻，王 田，王文華，王國軍，賴永炫

傳感網(wǎng)中目標(biāo)的移動式定位跟蹤研究綜述

彭 臻1，王 田1，王文華1，王國軍2，賴永炫3

(1.華僑大學(xué)計算機科學(xué)與技術(shù)學(xué)院，福建廈門，361021；2.廣州大學(xué)計算機科學(xué)與教育軟件學(xué)院，廣東廣州，510006；3.廈門大學(xué)軟件學(xué)院，福建廈門，361005)

介紹目標(biāo)跟蹤的過程以及移動跟蹤的特點；通過區(qū)分目標(biāo)定位為主的方法和目標(biāo)探測為主的方法，介紹定位為主的移動式目標(biāo)跟蹤方法(稱為目標(biāo)的移動式定位跟蹤)的研究現(xiàn)狀；分析和比較不同方法的特點和應(yīng)用領(lǐng)域，發(fā)現(xiàn)現(xiàn)有方法雖然可以提高跟蹤質(zhì)量、降低網(wǎng)絡(luò)整體能耗，但是還存在一些問題?；诖耍偨Y(jié)目標(biāo)的移動式定位跟蹤方法在方法類型、網(wǎng)絡(luò)結(jié)構(gòu)和節(jié)點模型等方面可能存在的研究熱點，指出其研究和發(fā)展趨勢。

無線傳感器網(wǎng)絡(luò)；移動節(jié)點；目標(biāo)跟蹤；目標(biāo)定位；網(wǎng)絡(luò)能耗

無線傳感器網(wǎng)絡(luò)(w ireless sensor networks)由大量小巧的傳感器節(jié)點組成[1]。節(jié)點通過無線通信建立網(wǎng)絡(luò)連接，并通過傳感裝置感知周圍的環(huán)境以監(jiān)測區(qū)域的狀態(tài)信息，從而實現(xiàn)信息世界與物理世界的融合[2]。因此，無線傳感器網(wǎng)絡(luò)在出現(xiàn)之初便引起了人們極大的關(guān)注。美國《商業(yè)周刊》認(rèn)為無線傳感器網(wǎng)絡(luò)是未來全球四大高技術(shù)產(chǎn)業(yè)之一；M IT技術(shù)評論認(rèn)為無線傳感器網(wǎng)絡(luò)技術(shù)是改變世界的十大新技術(shù)之一[3]。無線傳感器網(wǎng)絡(luò)的相關(guān)研究在21世紀(jì)初獲得了快速發(fā)展，其相關(guān)技術(shù)正被廣泛地應(yīng)用在國防軍事[4]、環(huán)境保護[5]、建筑體監(jiān)測[6]、醫(yī)療健康[7]和城市建設(shè)[8]等領(lǐng)域。目標(biāo)跟蹤是無線傳感器網(wǎng)絡(luò)的重要應(yīng)用[9]。與普通環(huán)境監(jiān)測應(yīng)用不同，目標(biāo)跟蹤中需要跟蹤的目標(biāo)是移動的，例如非法入侵者、野生動物等。當(dāng)目標(biāo)出現(xiàn)在監(jiān)測區(qū)域中時，網(wǎng)絡(luò)中的傳感器節(jié)點將從休眠狀態(tài)切換到活躍狀態(tài)[10]，并對目標(biāo)進(jìn)行持續(xù)感知以獲得其實時信息。當(dāng)目標(biāo)移動時，節(jié)點需要跟蹤目標(biāo)的移動軌跡，甚至提前喚醒部分節(jié)點[11]，防止目標(biāo)丟失。由于傳感器節(jié)點通常由電池供電，部署之后很難更換或充電，一旦節(jié)點的能量耗盡，則該節(jié)點“死亡”而無法正常工作。當(dāng)死亡節(jié)點越來越多時，監(jiān)測區(qū)域內(nèi)將出現(xiàn)盲區(qū)[12]，移動到盲區(qū)內(nèi)的目標(biāo)將無法被網(wǎng)絡(luò)監(jiān)測。因此，如何有效地減少跟蹤過程中的能耗是研究者關(guān)注的主要問題[13]。有時，為了降低跟蹤算法的復(fù)雜程度以減少能耗，研究者需要以降低跟蹤有效性為代價[14]。同時，監(jiān)測區(qū)域內(nèi)往往需要部署大量固定傳感器節(jié)點以提高網(wǎng)絡(luò)的健壯性[15]。隨著電子制造工藝和機械制造技術(shù)的發(fā)展，移動傳感器得到了廣泛的應(yīng)用[16]。相比固定傳感器，其適應(yīng)性更強，可應(yīng)用范圍更廣。特別是在目標(biāo)跟蹤應(yīng)用中，移動節(jié)點具有天生的優(yōu)勢。首先，當(dāng)目標(biāo)出現(xiàn)在監(jiān)測區(qū)域內(nèi)時，移動節(jié)點可以利用其移動性向目標(biāo)移動，從而增加對目標(biāo)的感知數(shù)據(jù)，提高監(jiān)測質(zhì)量[17]。因此，少量移動節(jié)點就能達(dá)到大量固定節(jié)點的監(jiān)測強度。并且，當(dāng)目標(biāo)移動時，移動節(jié)點可以跟隨目標(biāo)運動，有效地減少參與跟蹤的固定節(jié)點數(shù)量。另外，若有節(jié)點“死亡”，移動節(jié)點能夠進(jìn)行補充以保證網(wǎng)絡(luò)健壯性和對目標(biāo)的有效監(jiān)測[18]。因此，相比固定傳感器網(wǎng)絡(luò)目標(biāo)跟蹤，移動式目標(biāo)跟蹤方法能更好地監(jiān)測目標(biāo)，提高跟蹤質(zhì)量，同時減少節(jié)點的能耗，延長網(wǎng)絡(luò)生存期[19]。隨著越來越多的研究者提出了不同的移動式目標(biāo)跟蹤方法，許多研究將目標(biāo)跟蹤中的目標(biāo)定位和目標(biāo)探測混為一談，而實際上兩者有著不同的側(cè)重點。目標(biāo)定位是借助網(wǎng)絡(luò)中部分位置已知的節(jié)點來定位目標(biāo)[20]。常用的定位方法分為基于測距的方法和基于非測距的方法2種[21?22]?；跍y距的方法需要測量節(jié)點與目標(biāo)間的距離、角度等信息，再使用三邊測量、三角測量等方法定位目標(biāo)[23]?；诜菧y距的方法根據(jù)網(wǎng)絡(luò)連通性信息定位目標(biāo)。對于目標(biāo)的移動式定位跟蹤而言，如何在考慮網(wǎng)絡(luò)本身特點的情況下得到目標(biāo)的實時位置是需要解決的主要問題。而目標(biāo)探測[24]與目標(biāo)定位有明顯的區(qū)別。首先，兩者目的不同，目標(biāo)定位需要得到目標(biāo)的實時位置，而目標(biāo)探測主要關(guān)注感知目標(biāo)時得到的數(shù)據(jù)，這些數(shù)據(jù)反映了目標(biāo)的狀態(tài)信息。例如有的方法需要識別目標(biāo)的身份，甚至對目標(biāo)進(jìn)行區(qū)分[25]。這就使得目標(biāo)探測側(cè)重于考慮如何有效地感知目標(biāo)。其次，由于目的不同，目標(biāo)探測與目標(biāo)定位所使用的硬件也不相同。在目標(biāo)定位中，節(jié)點如果需要得到自身位置，往往需要向裝備有GPS(globalposition system)的錨節(jié)點尋求幫助[26]。而進(jìn)行目標(biāo)探測時，針對不同類型的物理量可能需要裝備不同的傳感器，例如聲傳感器和光傳感器等。總的來說，目標(biāo)探測重點關(guān)注如何通過有效地調(diào)度傳感器節(jié)點來收集目標(biāo)的狀態(tài)信息(如溫度、聲音、振動幅度等)，從而保證目標(biāo)能一直處于監(jiān)控之下。而目標(biāo)定位是目標(biāo)探測過程的基礎(chǔ)，通過定位出目標(biāo)的實時位置(一般指物理坐標(biāo))為節(jié)點探測提供跟蹤依據(jù)。因此，本文將兩者區(qū)分開，并詳細(xì)介紹目標(biāo)的移動式定位跟蹤。通過對其方法進(jìn)行歸納總結(jié)和分析它們的異同和特點，揭示方法之間的聯(lián)系，找到移動式目標(biāo)定位跟蹤需要解決的關(guān)鍵問題，探索可能的研究重點和發(fā)展方向，為未來的研究提供參考和建議。

1 目標(biāo)的移動式定位跟蹤概述

1.1 方法概述

傳統(tǒng)的目標(biāo)跟蹤通常包括3個相關(guān)部分：感知方式、定位方式和通信方式[27]。部署在監(jiān)測區(qū)域內(nèi)的節(jié)點需要對環(huán)境進(jìn)行感知，而感知方式?jīng)Q定了如何調(diào)度節(jié)點以更好地獲取目標(biāo)信息。通過感知得到的數(shù)據(jù)將為目標(biāo)定位提供“原材料”。定位方式需要從節(jié)點的眾多感知數(shù)據(jù)中提取出有效的部分，并通過相應(yīng)的算法得到目標(biāo)的當(dāng)前位置。最終，通信方式將決定數(shù)據(jù)轉(zhuǎn)發(fā)方式以及網(wǎng)絡(luò)的組織結(jié)構(gòu)，例如是平面型網(wǎng)絡(luò)還是分層型網(wǎng)絡(luò)。由此可見，目標(biāo)跟蹤方法中包含的3個部分相輔相成，而不同方法的側(cè)重點各有不同。

移動式目標(biāo)跟蹤是在傳統(tǒng)目標(biāo)跟蹤方法的基礎(chǔ)上提出來的，它的區(qū)別和優(yōu)勢在于網(wǎng)絡(luò)中存在移動節(jié)點，網(wǎng)絡(luò)的性能得到增強。而目標(biāo)的移動式定位跟蹤方法是指在目標(biāo)跟蹤的過程中不斷地定位目標(biāo)的物理或者邏輯位置，以提高目標(biāo)跟蹤的效率和質(zhì)量。

1.2 主要度量指標(biāo)

度量指標(biāo)是用來衡量目標(biāo)的移動式定位跟蹤方法性能高低的標(biāo)準(zhǔn)。對于不同的跟蹤方法，由于方法的側(cè)重點不同，度量指標(biāo)也各不相同。即使是相似的方法，由于其采用的建模方法千差萬別，度量指標(biāo)也會有較大差別。因此，以下列出的度量指標(biāo)是文獻(xiàn)中一些相對常見的概念，而并不是具體的數(shù)值定義和表示。

1)目標(biāo)跟蹤效率。目標(biāo)跟蹤效率是指在網(wǎng)絡(luò)生命期中能有效跟蹤到目標(biāo)的時間比例。它取決于網(wǎng)絡(luò)生命期和在網(wǎng)絡(luò)生命期中能定位到目標(biāo)的時間[28]。

2)目標(biāo)定位誤差。目標(biāo)定位誤差常常用來衡量定位精度。定位誤差的簡單形式可表示成目標(biāo)的測量位置與實際位置之間的歐式距離[29]。目標(biāo)定位精度的高低在很大程度上會影響目標(biāo)跟蹤的效率。

3)節(jié)點能耗。能耗是傳感器網(wǎng)絡(luò)的重要度量指標(biāo)。對于普通傳感器節(jié)點，能耗主要產(chǎn)生于數(shù)據(jù)的感知和傳輸過程。相關(guān)方法中通常將沒有參與跟蹤的節(jié)點轉(zhuǎn)入休眠狀態(tài)以節(jié)約能量。對于移動節(jié)點，還需要考慮其移動的能耗。不過，現(xiàn)階段的移動式跟蹤方法較少直接考慮移動節(jié)點本身的能耗問題[30]。

1.3 存在的問題和挑戰(zhàn)

目標(biāo)的移動式定位跟蹤方法存在的問題和挑戰(zhàn)主要有以下3個方面：

1)如何合理地調(diào)度移動節(jié)點跟蹤目標(biāo)。移動節(jié)點本身的特點使其可以不必被動地等待目標(biāo)到來，而是主動向目標(biāo)靠近。這樣帶來的新問題是選擇哪些移動節(jié)點向目標(biāo)靠近以及如何向目標(biāo)靠近。這通常需要與定位方式相結(jié)合來考慮。

2)如何有效地對目標(biāo)進(jìn)行定位。移動節(jié)點對目標(biāo)的定位方式與固定節(jié)點基本相同，但是定位方式將影響節(jié)點移動方式，例如，包含目標(biāo)預(yù)測的方法可能更傾向于將節(jié)點向預(yù)測位置處移動[31]。

3)如何選擇合適的網(wǎng)絡(luò)結(jié)構(gòu)。目前，分層式固定傳感器網(wǎng)絡(luò)在目標(biāo)跟蹤方法占有重要地位，取得了較好的效果。移動節(jié)點的加入使得網(wǎng)絡(luò)結(jié)構(gòu)更加多樣，例如，既可以是全移動節(jié)點組成的平面型網(wǎng)絡(luò)，也可以是全移動節(jié)點組成的分層型網(wǎng)絡(luò)，還可以是固定節(jié)點與移動節(jié)點組成的分層型網(wǎng)絡(luò)等等[32]。

2 目標(biāo)的移動式定位跟蹤分類

在目標(biāo)的移動式定位跟蹤方法中，不同跟蹤方法的特性各不相同，這些特性包括移動節(jié)點比例、移動自主性等。圖1所示為目標(biāo)的移動式定位跟蹤方法特性。根據(jù)各種跟蹤方法特性的不同，其存在多種分類方法，下面對各種分類方式進(jìn)行介紹。

圖1 目標(biāo)的移動式定位跟蹤方法特征Fig.1 Propertiesof location-centric target tracking solutions with mobile elements inWSNs

1)基于移動節(jié)點比例的分類。根據(jù)移動節(jié)點在網(wǎng)絡(luò)中所占比例不同，可以分為全移動和部分移動2種。全移動方法是指組成網(wǎng)絡(luò)的節(jié)點都是移動節(jié)點，這種網(wǎng)絡(luò)稱為移動傳感器網(wǎng)絡(luò)(mobile sensor networks，MSNs)。部分移動方法是指組成網(wǎng)絡(luò)的節(jié)點既有移動節(jié)點也有固定節(jié)點，這種網(wǎng)絡(luò)稱為混合傳感器網(wǎng)絡(luò)(hybrid sensornetworks，HSNs)[33]。

2)基于感知模型的分類。按網(wǎng)絡(luò)中節(jié)點感知模型，可以分為0-1模型[34]、衰減模型[35]和距離模型[36]3種。0-1模型中節(jié)點通常使用1 bit來表示能否感知到目標(biāo)。當(dāng)目標(biāo)在節(jié)點的感知半徑內(nèi)時能夠感知到目標(biāo)，否則無法感知。衰減模型假設(shè)節(jié)點接收到的目標(biāo)信號強度會隨著其之間距離增大而減弱，更加貼近實際情況。距離模型則關(guān)心節(jié)點與目標(biāo)間的距離，并且假設(shè)節(jié)點的視距非常長。這種模型用于特定的場合，比如用無人機作為移動節(jié)點。

3)基于移動自主性的分類。根據(jù)移動節(jié)點移動自主性的不同，可以分為中心調(diào)度和自主移動2種類型。在中心調(diào)度方法中，移動節(jié)點由數(shù)據(jù)中心統(tǒng)一調(diào)度。自主移動方法即分布式方法，節(jié)點在本地處理收集到的數(shù)據(jù)，并自行決策如何進(jìn)行下一步移動。

4)基于網(wǎng)絡(luò)結(jié)構(gòu)的分類。根據(jù)網(wǎng)絡(luò)結(jié)構(gòu)的不同，可分為平面型和分層型[32]2種。平面型方法指的是網(wǎng)絡(luò)中的傳感器節(jié)點地位平等，不存在特殊的數(shù)據(jù)收集節(jié)點或命令發(fā)布節(jié)點。而在分層型方法中，網(wǎng)絡(luò)則會將節(jié)點分出層次，高層的節(jié)點往往可以向低層的節(jié)點下達(dá)指令，例如喚醒、調(diào)度等等。

5)基于跟蹤目標(biāo)數(shù)量的分類。根據(jù)所需跟蹤目標(biāo)數(shù)量的不同，可分為單目標(biāo)和多目標(biāo)2種類型。單目標(biāo)方法只跟蹤單個目標(biāo)，這種方法實現(xiàn)較簡單，但不適合實際情況。而多目標(biāo)方法則需要考慮同時對多個目標(biāo)進(jìn)行跟蹤，這種方法比較符合實際的應(yīng)用場景，其需要考慮更多的問題，如移動節(jié)點的調(diào)度等。

本文將目標(biāo)的移動式定位跟蹤方法分為物理定位方法和邏輯定位方法兩大類。物理定位方法通過物理坐標(biāo)表示目標(biāo)位置，而邏輯定位方法通過范圍或區(qū)域來表示目標(biāo)位置。具體的分類情況如圖2所示。

圖2 目標(biāo)的移動式定位跟蹤方法分類Fig.2 Categoriesof location-centric target tracking solutions withmobileelements inWSNs

3 目標(biāo)的移動式定位跟蹤方法解析

定位是目標(biāo)跟蹤過程中的重要步驟。目標(biāo)定位是指當(dāng)目標(biāo)出現(xiàn)時，通過計算獲得其實時位置[37]。目標(biāo)跟蹤的過程可以看作是不斷定位的過程。這一過程中遇到的問題主要集中在2個方面。一是如何提高定位精度，保證跟蹤質(zhì)量。二是如何節(jié)約能耗，延長網(wǎng)絡(luò)生命期。因此，關(guān)于目標(biāo)定位的研究大都從這2方面展開[38]。按照位置表示方式的不同將這些研究分成即物理定位和邏輯定位2類方法。

3.1 物理定位方法

物理定位方法中目標(biāo)的位置表示為具體物理坐標(biāo)的形式，例如直角坐標(biāo)、極坐標(biāo)、GPS坐標(biāo)等。對目標(biāo)進(jìn)行定位之前，網(wǎng)絡(luò)中的某些節(jié)點知道自身的位置，其通常被稱為錨節(jié)點[39]。當(dāng)錨節(jié)點感知到目標(biāo)后，將與其他錨節(jié)點通過幾何位置關(guān)系共同得出目標(biāo)的物理位置。在目標(biāo)的移動式定位跟蹤中，移動節(jié)點由于需要對目標(biāo)實施跟蹤，所以常常也會充當(dāng)錨節(jié)點的角色[40]。為了更好地跟蹤目標(biāo)，一些方法對目標(biāo)的運動軌跡進(jìn)行預(yù)測。移動節(jié)點根據(jù)預(yù)測信息提前向目標(biāo)預(yù)測位置移動，從而更有效地對目標(biāo)進(jìn)行后續(xù)定位及跟蹤。根據(jù)是否包含預(yù)測步驟，本節(jié)將物理定位方法分成兩類，即包含預(yù)測的方法和不包含預(yù)測的方法。3.1.1包含預(yù)測的方法

包含預(yù)測的方法通過預(yù)測目標(biāo)的運動軌跡來提前調(diào)度移動節(jié)點對目標(biāo)進(jìn)行持續(xù)跟蹤。

早期的文獻(xiàn)中多采用移動機器人來充當(dāng)移動節(jié)點。文獻(xiàn)[41]關(guān)注于如何通過控制移動節(jié)點的配置來優(yōu)化對多個目標(biāo)的估計，提出的DSPCF(dynam ic sensor planning and control framework)方法將配置節(jié)點參數(shù)的問題形式化為跟蹤質(zhì)量函數(shù)，并利用粒子濾波進(jìn)行估計?；诠δ軓姶蟮臋C器人(如圖3所示)，文獻(xiàn)[41]所提出的方法具有很強的靈活性，如目標(biāo)數(shù)量、節(jié)點數(shù)量、函數(shù)的特定含意等都可以隨情況變化。文獻(xiàn)[42]研究的是利用多個移動節(jié)點跟蹤單個目標(biāo)，提出了AMSPF(adaptive mobile sensor positioning framework)框架。框架中的移動節(jié)點為無人機(unmanned air vehicles，UAV)，所有節(jié)點由基站控制?；纠脭U展卡爾曼濾波(extended Kalman filter，EKF)來估計目標(biāo)的位置和速度。

圖3 使用3個移動機器人定位目標(biāo)示意圖Fig.3 Illustration of target localization using threemobile robots

之后的研究中，移動節(jié)點選用更加小巧的傳感器節(jié)點。文獻(xiàn)[31]提出一種移動性輔助跟蹤算法MATA(mobility assisted tracking algorithm)，用于在混合傳感器網(wǎng)絡(luò)中跟蹤單個目標(biāo)。網(wǎng)絡(luò)中的節(jié)點會分成不同的簇，簇內(nèi)固定節(jié)點使用SIR(sampling importance re-sampling)粒子濾波算法估計目標(biāo)位置，再利用移動節(jié)點對于目標(biāo)實現(xiàn)β層覆蓋，即至少有β個節(jié)點的感知范圍能夠覆蓋目標(biāo)所在區(qū)域。

基于混合傳感器網(wǎng)絡(luò)中的目標(biāo)跟蹤，文獻(xiàn)[43]提出一種分布式能量優(yōu)化方法DEOM(distributed energy optimizationmethod)。網(wǎng)絡(luò)中的節(jié)點根據(jù)最大熵進(jìn)行分簇。簇頭節(jié)點通過平行粒子群優(yōu)化方法PPSO(parallelparticle swarm optim ization)來調(diào)度移動節(jié)點，從而最大化節(jié)點覆蓋并最小化能量消耗。目標(biāo)的位置通過改進(jìn)的粒子濾波進(jìn)行估計。該方法并沒有提出明確的跟蹤算法，而是對跟蹤過程的一種優(yōu)化。

文獻(xiàn)[44]提出一種分布式協(xié)作跟蹤算法CDTA (cooperative distributed tracking algorithm)。該算法主要包括節(jié)點部署和節(jié)點移動控制2個階段。節(jié)點部署階段主要通過定義目標(biāo)函數(shù)來優(yōu)化跟蹤精度和網(wǎng)絡(luò)能耗。節(jié)點移動控制階段利用梯度法來降低跟蹤誤差。但是，沒有對節(jié)點的監(jiān)測能力進(jìn)行說明，而是認(rèn)為節(jié)點可以監(jiān)測區(qū)域內(nèi)任何位置的目標(biāo)。

文獻(xiàn)[45]提出了一種移動控制框架DM ICS (distributedmobility implementation controlscheme)，在優(yōu)化多目標(biāo)跟蹤性能的同時考慮能量節(jié)約和覆蓋保證。但是其中的假設(shè)過于理想化：每個移動節(jié)點都能通過獲得目標(biāo)信號的TOA和DOA對目標(biāo)進(jìn)行跟蹤，且假設(shè)每個節(jié)點都能單獨定位目標(biāo)。

文獻(xiàn)[46]提出TLIT(target localization improving tracking)方法。當(dāng)目標(biāo)移動到某些節(jié)點附近時使用TOA方法計算目標(biāo)的坐標(biāo)進(jìn)而實現(xiàn)目標(biāo)的準(zhǔn)確跟蹤。此方法的缺點是假設(shè)網(wǎng)絡(luò)中節(jié)點都能定位到自己的位置并且所有節(jié)點都能相互通信，這對節(jié)點的硬件要求較高，同時還會增加節(jié)點能耗。

文獻(xiàn)[47]同時考慮相加性和相乘性噪聲，使用移動測距節(jié)點對單目標(biāo)進(jìn)行跟蹤，目的是提出最優(yōu)協(xié)調(diào)策略來提高跟蹤精度，使用概率模型對節(jié)點的監(jiān)測值進(jìn)行建模，并引入費舍爾信息矩陣(FIM)的行列式作為跟蹤精度的度量標(biāo)準(zhǔn)。其思路是對優(yōu)化組合進(jìn)行不斷簡化得到最終可行結(jié)果，其提出3個算法分別用于選擇合適的節(jié)點、減少節(jié)點的可能組合和優(yōu)化節(jié)點移動。通過前2個算法即CTSS(candidate task sensor selection)和MMCR(minimum-maximum combinations reduction)，節(jié)點的可能組合得到縮減，最終通過遍歷所有剩余可能情況來確定節(jié)點的最優(yōu)組合。然而，所提出的算法只針對單目標(biāo)跟蹤。

MEYER等[48]提出的方法CoSLAT(cooperative simultaneous localization and tracking)及其在文獻(xiàn)[49]中提出的改進(jìn)方法ACoSLAT(advanced CoSLAT)和文獻(xiàn)[50]提出的方法CS-DT(cooperative self-localization and distributed tracking)均是將定位和跟蹤相結(jié)合來提高定位精度和跟蹤效率。其中CoSLAT提出基于粒子狀態(tài)的貝葉斯規(guī)則，根據(jù)節(jié)點之間的通信信息和預(yù)測狀態(tài)不斷改變節(jié)點和目標(biāo)的狀態(tài)信息，但是其需要較高的通信和計算代價。ACoSLAT對其進(jìn)行改進(jìn)，不再使用全部狀態(tài)信息，而只使用部分重要信息，大大降低了通信和計算代價。CS-DT對它們進(jìn)行了擴展，實現(xiàn)了多目標(biāo)跟蹤，提出了低復(fù)雜度的狀態(tài)信息相乘方案。此方法的缺點是算法對節(jié)點硬件要求較高且能耗較大。

目標(biāo)的移動式定位跟蹤方法中，包含預(yù)測的物理定位方法是一種得到廣泛研究的方法。這類方法的關(guān)鍵在于如何準(zhǔn)確、高效地預(yù)測目標(biāo)的下一位置，以及如何根據(jù)預(yù)測結(jié)果對移動節(jié)點進(jìn)行調(diào)度和分配。

3.1.2 不包含預(yù)測的方法

相比包含預(yù)測的方法，不包含預(yù)測的方法并不會對目標(biāo)的運動軌跡進(jìn)行預(yù)測。這些方法往往根據(jù)其他的評價指標(biāo)(例如誤差、精度等)來調(diào)度移動節(jié)點。

在文獻(xiàn)[51]中，節(jié)點對和單目標(biāo)形成幾何三角形結(jié)構(gòu)來估計目標(biāo)位置(如圖4所示)。文中提出一種迭代分布式算法TBMTTS(triangulation basedmultitarget tracking strategy)，為每個目標(biāo)分配1對節(jié)點。對于跟蹤過程的多個時間片段，算法以最小化節(jié)點能耗為標(biāo)準(zhǔn)部署下一時間片節(jié)點的位置。該方法的不足在于其假設(shè)目標(biāo)在一段時間內(nèi)是固定不動的，并且關(guān)于定位誤差函數(shù)的具體定義并沒有給出描述。

圖4 2個移動節(jié)點的目標(biāo)跟蹤Fig.4 Targettracking using twomobile nodes

針對錨節(jié)點數(shù)量較少的情況，文獻(xiàn)[52]提出FACT (fastand accurate cooperative tracking)方法。網(wǎng)絡(luò)中的移動節(jié)點相互通信以獲得其鄰居信息，并使用貝葉斯推理來確定移動節(jié)點的位置，同時還分別在應(yīng)用于室外和室內(nèi)環(huán)境中時引入了無跡卡爾曼濾波(UKF)和多模粒子濾波來降低環(huán)境因素對位置預(yù)測的影響。缺點是此方法能降低能耗，但是并沒有給出能耗方面的數(shù)據(jù)，無法說明其在能耗方面的優(yōu)越性。

文獻(xiàn)[53]提出跟蹤單目標(biāo)的方法WTA(weighted tracking algorithm)。數(shù)據(jù)中心通過固定節(jié)點的TOA測量值來估計移動節(jié)點和目標(biāo)的狀態(tài)，借助半定規(guī)劃松弛法(semi-definite programming relaxation，SDP)處理多徑傳播噪聲下的定位問題，從而控制移動節(jié)點對目標(biāo)進(jìn)行跟蹤。但是其假設(shè)移動節(jié)點的移動速度大于目標(biāo)速度，這使得算法的通用性受到了限制。

針對網(wǎng)絡(luò)中部分受控的移動節(jié)點，文獻(xiàn)[54]運用機器學(xué)習(xí)理論為移動節(jié)點定義了一種基于核函數(shù)的回歸模型FSDKR(first and second derivatives for kernel-based regression)。該模型利用目標(biāo)估計誤差的一次、二次導(dǎo)數(shù)求解節(jié)點的下一位置。其新穎之處在于使用機器學(xué)習(xí)方法來處理節(jié)點數(shù)據(jù)并規(guī)劃節(jié)點的移動，但是并沒有明確指出所處理數(shù)據(jù)的物理意義。

文獻(xiàn)[55]提出了分布式方法IDTA(improved decentralized tracking approach)對多個目標(biāo)進(jìn)行跟蹤。移動目標(biāo)利用RSS信息計算自身位置，并根據(jù)位置組成不同的分組，每個分組選擇一個距sink節(jié)點較近并且剩余能量較多的節(jié)點作為頭結(jié)點，頭結(jié)點收集組內(nèi)目標(biāo)的位置信息并轉(zhuǎn)發(fā)給sink節(jié)點來跟蹤目標(biāo)。但是其要求移動目標(biāo)能根據(jù)自身到信標(biāo)節(jié)點的RSS信息對自身進(jìn)行定位，對硬件要求較高。

不包含預(yù)測的物理定位方法需要借助除位置以外的其他信息來規(guī)劃節(jié)點的移動和工作周期，常用的信息有能耗和誤差等。因此，這類方法的難點也在于如何通過這些信息來合理地調(diào)度移動節(jié)點。

3.2 邏輯定位的方法

相對于物理定位方法，邏輯定位方法得到的目標(biāo)位置表示成一個范圍或是用區(qū)域內(nèi)某些位置元素代替。目前，通過定位目標(biāo)的邏輯位置來實現(xiàn)目標(biāo)跟蹤的方法較少，主要的研究如下。

文獻(xiàn)[56]提出了方法CMACO(controlledmobility antcolony optimization)。網(wǎng)絡(luò)由規(guī)則部署的固定節(jié)點和受控的移動節(jié)點構(gòu)成。通過區(qū)間分析(interval analysis)，目標(biāo)的預(yù)測位置用矩形區(qū)域表示(如圖5所示)。并且移動節(jié)點將進(jìn)行重新部署來優(yōu)化對目標(biāo)預(yù)測區(qū)域的覆蓋。由于這是針對規(guī)則部署的固定節(jié)點和受控的移動節(jié)點組成的混合網(wǎng)絡(luò)，所提出的算法采用的是中心式的處理方式。

圖5 估計目標(biāo)位置Fig.5 Estimating of targetposition

類似地，文獻(xiàn)[57]提出的CMPSO(controlled mobility particleswarm optimization)和文獻(xiàn)[58]提出的HSNPSO(hybrid sensor network particle swarm optimization)方法均是用于解決混合網(wǎng)絡(luò)中的單目標(biāo)跟蹤問題。CMPSO和CMACO的思想基本相同，只是引入了粒子群優(yōu)化算法。HSNPSO方法同樣通過粒子群優(yōu)化算法(particleswarm optimization)使移動節(jié)點以移動距離最短的方式向目標(biāo)估計位置移動，并以目標(biāo)為質(zhì)心形成等邊三角形來表示目標(biāo)位置。

文獻(xiàn)[59]提出一種協(xié)同跟蹤方法AMCMS (autonomousmobile coordinativemoving strategy)。該方法在保證目標(biāo)的每步移動都能夠被監(jiān)測到情況下最小化所需調(diào)度的移動節(jié)點數(shù)量。該方法利用卡爾曼濾波模型來預(yù)測目標(biāo)的位置，利用區(qū)間分析(interval analysis)將目標(biāo)位置被表示成矩形，并調(diào)度移動節(jié)點覆蓋這些區(qū)域，移動節(jié)點需要均勻地部署到目標(biāo)的預(yù)測區(qū)域內(nèi)，這樣才能保證以最少的節(jié)點對區(qū)域進(jìn)行覆蓋(如圖6所示)。但是算法只給出了移動節(jié)點的數(shù)量，沒有給出各節(jié)點應(yīng)該移動到的位置。

圖6 最少節(jié)點的區(qū)域覆蓋Fig.6 Covering area w ith leastmodes

文獻(xiàn)[60]針對固定傳感器網(wǎng)絡(luò)的目標(biāo)跟蹤應(yīng)用提出了方法RPL(repositioning prediction localization)。該方法通過卡爾曼濾波器預(yù)測目標(biāo)的下一位置，并考慮如何優(yōu)化sink節(jié)點的移動來延長網(wǎng)絡(luò)的生命期。算法中目標(biāo)當(dāng)前位置與下一位置之間矩形區(qū)域內(nèi)的節(jié)點都將被激活，這可能導(dǎo)致大量的能量消耗。

文獻(xiàn)[61]提出方法Face Track，即將網(wǎng)絡(luò)區(qū)域通過不同的節(jié)點組合分割成很多個面(Face)，在目標(biāo)跟蹤過程中只需要定位移動目標(biāo)是否在某個特定的面中即可。文獻(xiàn)[62]在此基礎(chǔ)上引入了移動sink節(jié)點即tracker，提出了t-Tracking方法。當(dāng)目標(biāo)向另一面移動時，處于目標(biāo)移動方向的節(jié)點計算并預(yù)測目標(biāo)移動到面的時間，并轉(zhuǎn)發(fā)給tracker以使其能夠移動到目標(biāo)節(jié)點附件對其進(jìn)行跟蹤。該方法的優(yōu)點是考慮了傳感器節(jié)點的能量消耗問題，組成目標(biāo)所在面之外的節(jié)點處于休眠狀態(tài)，能夠減少能耗；另外，此方法減少了對定位的要求，能夠降低對節(jié)點硬件的要求。

使用邏輯定位的移動式跟蹤方法并不是很多。可以看到，移動節(jié)點通過調(diào)整自身位置可以更好地估計目標(biāo)位置，在定位目標(biāo)時顯示出特有的優(yōu)勢。

4 現(xiàn)有方法比較與分析

表1所示為目標(biāo)的移動式定位跟蹤方法中各個屬性的比較。由表1可知：

1)對于單個節(jié)點來說，節(jié)點感知模型主要有0-1模型、衰減模型和距離模型3種，大多數(shù)方法中使用0-1模型，這是因為這種模型簡單易實現(xiàn)；一些方法中使用了比較符合實際情況的衰減模型，只有少數(shù)使用了距離模型。對于整個網(wǎng)絡(luò)來說，有小部分定位方式采用的是中心式的調(diào)度，大部分方法都由移動節(jié)點自主移動進(jìn)行目標(biāo)定位跟蹤。

2)目標(biāo)定位主要使用物理定位來準(zhǔn)確表示目標(biāo)位置。小部分采用邏輯定位將目標(biāo)位置表示成一個區(qū)域。另外，大多數(shù)研究只考慮對單目標(biāo)的跟蹤而沒有考慮如何將其擴展為對多目標(biāo)的跟蹤。而且大部分跟蹤方法會預(yù)測目標(biāo)的位置，這樣可以提前調(diào)度移動節(jié)點向預(yù)測的位置移動，提高定位精度和跟蹤效率。

3)大部分方法采用的是平面型的網(wǎng)絡(luò)，這樣能夠減少方法的復(fù)雜性。同時，絕大多數(shù)方法都會使用多個節(jié)點相互協(xié)作的方法，這是因為對目標(biāo)進(jìn)行定位往往需要多個節(jié)點參與，由不同節(jié)點的數(shù)據(jù)共同確定目標(biāo)的位置。另外，大部分的方法都只考慮固定節(jié)點的能耗，而沒有考慮移動節(jié)點本身的能耗問題。

根據(jù)分析比較可以看出根據(jù)不同的應(yīng)用，各種方法的具體內(nèi)容不盡相同。但是總的來說，這些方法所針對的問題均集中在2方面：數(shù)據(jù)質(zhì)量和能量效率。數(shù)據(jù)質(zhì)量是指節(jié)點感知到的數(shù)據(jù)測量值的有效性，以及由測量值所得到結(jié)果的精確性。對于能效方面，移動性節(jié)點能夠緩解對固定節(jié)點的能量要求，但是移動節(jié)點自身的能耗成為一個新的問題。實際上，數(shù)據(jù)質(zhì)量的提高往往意味著能耗的增加。在提高跟蹤質(zhì)量的同時減少能耗是十分困難的，這可能也是許多方法沒有討論移動節(jié)點能耗問題的原因。

表1 目標(biāo)的移動式定位跟蹤方法特點比較Tab le 1 Properties com parison betw een location-centric target tracking solutionsw ithmobile elements

5 未來研究方向

如前所述，在目標(biāo)跟蹤中移動節(jié)點可以很好地彌補固定節(jié)點在目標(biāo)跟蹤中跟蹤效率低、可靠性差等缺點。由此，提出了許多在普通傳感網(wǎng)中無法實現(xiàn)的方法。但是，這些方法依然存在諸多問題。本節(jié)歸納這些問題，指出未來研究方向。

1)多采用混合型網(wǎng)絡(luò)。在現(xiàn)有研究中，采用全移動和采用混合網(wǎng)絡(luò)的研究基本持平，但在全移動網(wǎng)絡(luò)中，節(jié)點的移動會導(dǎo)致網(wǎng)絡(luò)不穩(wěn)定、增加網(wǎng)絡(luò)能耗、移動控制數(shù)據(jù)增多等現(xiàn)象產(chǎn)生。而在混合型網(wǎng)絡(luò)中采用的移動節(jié)點數(shù)目較少，目標(biāo)跟蹤一般使用固定節(jié)點，只有當(dāng)固定節(jié)點無法跟蹤到目標(biāo)時再調(diào)度移動節(jié)點。這樣，既可以減少節(jié)點移動產(chǎn)生的能耗，又能最大限度保證網(wǎng)絡(luò)的穩(wěn)定性，因此，會成為目標(biāo)跟蹤研究的發(fā)展趨勢。

2)提出統(tǒng)一的度量標(biāo)準(zhǔn)?，F(xiàn)有研究中所采用的度量標(biāo)準(zhǔn)參差不齊，很難對各種方法進(jìn)行深入比較。因此，若能對移動目標(biāo)的定位跟蹤提出統(tǒng)一的度量標(biāo)準(zhǔn)，可以使研究者清楚地比較各種方法的效能，更加便利于今后的研究。

3)考慮移動節(jié)點自身的限制?，F(xiàn)有研究多假設(shè)移動節(jié)點的能量和移動不受限制。但通常移動節(jié)點的能量也是有限的，并且在實際應(yīng)用中其移動會受到各種因素的限制，因此，在以后的研究中需要考慮移動節(jié)點自身的限制，比如可以考慮對節(jié)點充電來緩解其能耗限制，在仿真網(wǎng)絡(luò)場景中設(shè)置障礙等，使其更加符合實際的應(yīng)用場景。

4)目標(biāo)位置采用邏輯表示。目前，目標(biāo)的移動式定位跟蹤研究中，目標(biāo)的位置表示多采用物理坐標(biāo)。實際上，確定目標(biāo)的大致位置就能夠?qū)ζ溥M(jìn)行跟蹤，因此，可以更多地使用邏輯坐標(biāo)的方式。另外，采用邏輯坐標(biāo)還能夠降低對目標(biāo)定位精度的要求，降低對節(jié)點的硬件要求和能耗。

5)建立更實際的感知模型。大部分傳感網(wǎng)中使用的感知模型都是0-1模型。這種模型簡單易實現(xiàn)，但是不貼近實際情況。有部分方法使用了衰減模型，但是移動傳感器節(jié)點的移動使其與普通的衰減模型可能并不完全相同。這是因為節(jié)點的移動會對監(jiān)測產(chǎn)生擾動。因此，如何對移動節(jié)點建立更完善的感知模型是需要解決的問題。

6)考慮使用分層網(wǎng)絡(luò)。對于傳感網(wǎng)的其他研究領(lǐng)域，例如路由、數(shù)據(jù)收集等，分層型網(wǎng)絡(luò)相比平面型網(wǎng)絡(luò)都表現(xiàn)出了一定的優(yōu)勢。目前關(guān)于分層型網(wǎng)絡(luò)中的移動式目標(biāo)跟蹤研究較少。分層型網(wǎng)絡(luò)可能為移動節(jié)點的調(diào)度帶來新的啟發(fā)，因此，這也將成為未來一個新的研究趨勢。

6 總結(jié)

傳統(tǒng)的無線傳感器網(wǎng)絡(luò)由固定節(jié)點組成，節(jié)點的移動性限制使其在跟蹤過程中常常遇到跟蹤質(zhì)量難以保證、網(wǎng)絡(luò)整體能耗較高等問題。而移動節(jié)點的優(yōu)勢正好在于其能根據(jù)需要改變自身位置。因此，移動節(jié)點的加入可以為目標(biāo)跟蹤應(yīng)用提供新的解決方法。本文對目標(biāo)的移動式定位跟蹤方法進(jìn)行了大量調(diào)研，通過比較和總結(jié)，指出了其存在的種種問題并指出了未來的研究方向。這些分析和探索將為以后的研究提供有價值的參考。

[1]AKYILDIZ IF,SU W,SANKARASUBRAMANIAM Y,et al. W ireless sensor networks:a survey[J].Computer Networks, 2002,38(4):393?422.

[2]王文華,王田,吳群,等.傳感網(wǎng)中時延受限的移動式數(shù)據(jù)收集方法綜述[J].計算機研究與發(fā)展,2016,53(11):1?19.

WANG Wenhua,WANG Tian,WU Qun,et al.Survey of delay-constrained data collection w ith mobile elements in WSNs[J].Journal of Computer Research and Development, 2016,53(11):1?19.

[3]李建中,高宏.無線傳感器網(wǎng)絡(luò)的研究進(jìn)展[J].計算機研究與發(fā)展,2008,45(1):1?15.

LIJianzhong,GAO Hong.Survey on sensor network research[J]. Journal of Computer Research and Development,2008,45(1): 1?15.

[4]DURISIC M P,TAFA Z,DIMIC G,et al.A survey of military applications of w ireless sensor networks[C]//2012 M editerranean Conference on Embedded Computing(MECO).Piscataway,NJ:IEEE,2012:196?199.

[5]WANG Tian,PENG Zhen,LIANG Junbin,et al.Detecting targets based on a realistic detection and decision model in w ireless sensor networks[C]//International Conference on W ireless Algorithms,Systems and Applications.Berlin:Springer International Publishing,2015:836?844.

[6]LIU Xuefeng,CAO Jiannong,TANG Shaojie,et al.A generalized coverage-preserving scheduling in WSNs:a case study in structural health monitoring[C]//INFOCOM,2014 Proceedings IEEE.Piscataway,NJ:IEEE,2014:718?726.

[7]DíAZ-RAMíREZ A,BONINO F A,MEJíA-ALVAREZ P. Human detection and tracking in healthcare applications through the use of a network of sensors:human behavior understanding in networked sensing[M].Berlin:Springer,2014:171?190.

[8]ZHANG Desheng,HUANG Jun,LIYe,et al.Exploring human mobility w ith multi-source data at extremely largemetropolitan scales[C]//Proceedings of the 20th Annual International Conference on Mobile Computing and Networking.New York: ACM,2014:201?212.

[9]WANG Tian,PENG Zhen,LIANG Junbin,et al.Follow ing targets formobile tracking in w ireless sensor networks[J].ACM Transactionson Sensor Networks(TOSN),2016,12(4):31.

[10]王晟,王雪,畢道偉.無線傳感器網(wǎng)絡(luò)動態(tài)節(jié)點選擇優(yōu)化策略[J].計算機研究與發(fā)展,2015,45(1):188?195. WANG Sheng,WANG Xue,BI Daowei.Dynamic sensor selection optimization strategy for w ireless sensor networks[J]. Journal of Computer Research and Development,2008,45(1): 188?195.

[11]RAMYA K,KUMAR K P,RAO V S.A survey on target tracking techniques in w ireless sensor networks[J].International Journal of Computer Science and Engineering Survey,2012,3(4): 93?108.

[12]WANG Tian,JIAWeijia,WANG Guojun,et al.Hole avoiding in advance routing w ith hole recovery mechanism in w ireless sensor networks[J].Adhoc&Sensor W ireless Networks,2012, 16(1/2/3):191?213.

[13]GAO Deyun,ZHU Wanting,XU Xiaoyu,et al.A hybrid localization and tracking system in camera sensor networks[J]. International Journal of Communication Systems,2014,27(4): 606?622.

[14]PINO-POVEDANO S,ARROYO-VALLES R,CID-SUEIRO J. Selective forwarding for energy-efficient target tracking in sensor networks[J].Signal Processing,2014,94(1):557?569.

[15]CAIONE C,BRUNELLID,BENINIL.Distributed compressive sampling for lifetime optimization in dense w ireless sensor networks[J].IEEE Trans on Industrial Informatics,2012,8(1): 30?40.

[16]XING Guo liLaIn Mig, nmiWnAg N,GTia t,alE. fficient rende za vl og uosr if to hrmmo s bilityw- i e rnea slbeel nsessdor networIk EsET[ErJa ]n . sao cnMt oi boiCnlos empu t 2 0i1n12g1,( 1): 4?76 0 .

[17]AHMED R,AVARITSIOTIS J N.M obile element based localization and tracking using path-loss model in WSNs[C]// Science and Information Conference(SAI).Piscataway,NJ: IEEE,2014:1023?1026.

[18]WANG Tian,PENG Zhen,CHEN Yonghong,et al.Continuous tracking for mobile targets with mobility nodes in WSNs[C]// International Conference on Smart Computing(SMARTCOMP). Piscataway,NJ:IEEE,2014:261?268.

[19]WANG Tian,PENG Zhen,WANGCheng,etal.Extracting target detection know ledge based on spatiotemporal information in w ireless sensor networks[J].International Journal of Distributed Sensor Networks,2016,DOI:10.1155/2016/5831471.

[20]WANG Wenhua,WANG Tian,BHUIYAN M Z A,et al. Improving the localization probability and decreasing communication cost formobile users[C]//Security,Privacy and Anonym ity in Computation,Communication and Storage: SpaCCS 2016 International Workshops.Berlin:Springer International Publishing,2016:197?207.

[21]XIAO Qingjun,XIAO Bin,CAO Jiannong,et al.Multihop range-free localization in anisotropic wireless sensor networks:a pattern-driven scheme[J].IEEE Transactions on M obile Computing,2010,9(11):1592?1607.

[22]HAN Guangjie,XU Huihui,DUONG T Q,et al.Localization algorithms of wireless sensor networks:a survey[J]. Telecommunication Systems,2013,52(4):2419?2436.

[23]M ISRA S,KAPRIN R,WOLFINGER B E.Selfishness-aware target tracking in vehicular mobile w imax networks[J]. Telecommunication Systems,2015,58(4):313?328.

[24]AHMED N,RUTTEN M,BESSELL T,et al.Detection and tracking using particle-filter-based w ireless sensor networks[J]. IEEE Transactions on M obile Computing,2010,9(9): 1332?1345.

[25]JINDAL A,LIU M.Networked computing in w ireless sensor networks for structural health monitoring[J].IEEE/ACM Transactionson Networking,2012,20(4):1203?1216.

[26]WANG Jing,GHOSH R K,DAS S K.A survey on sensor localization[J].Journal of Control Theory and Applications, 2010,8(1):2?11.

[27]BIAN G R,ZHANG H H,KONG F C,et al.Research on warehouse target localization and tracking based on KF and WSN[J].Sensors&Transducers,2014,163(1):255?261.

[28]PENG Zheng,WANG Tian,BHUIYAN M Z A,et al. Dependable cascading target tracking in heterogeneous mobile camera sensor networks:algorithmsand architectures for parallel processing[C]//A lgorithms and A rchitectures for ParallelProcessing,Springer International Publishing.Berlin:Springer, 2015:531?540.

[29]CHEN Hongyang,SHI Qingjiang,TAN Rui,et al.Mobile element assisted cooperative localization for w ireless sensor networks w ith obstacles[J].IEEE Transactions on W ireless Communications,2010,9(3):956?963.

[30]ZHANG Shigeng,CAO Jiannong,CHEN Lijun,et al.Accurate and energy-efficient range-free localization for mobile sensor networks[J].IEEE Transactions on M obile Computing,2010, 9(6):897?910.

[31]W IMALAJEEWA T,JAYAWEERA S K.M obility assisted distributed tracking in hybrid sensor networks[C]//2010 IEEE International Conference on Communications.Piscataway,NJ: IEEE,2010:1?5.

[32]HEINZELMAN W B,CHANDRAKASAN A P, BALAKRISHNAN H.An application-specific protocol architecture for w ireless microsenor networks[J].IEEE TransactionsonW ireless Communications,2002,1(4):660?670. [33]WANG Y C,PENG W C,TSENG Y C.Energy-balanced dispatch ofmobile sensors in a hybrid w ireless sensor network[J]. IEEE Transactions on Parallel and Distributed Systems,2010, 21(12):1836?1850.

[34]TENG J,SNOUSSIH,RICHARD C.Decentralized variational filtering for target tracking in binary sensor networks[J].IEEE Transactionson M obile Computing,2010,9(10):1465?1477.

[35]TAN Rui,XING Guoliang,WANG Jianping,et al.Exploiting reactive mobility for collaborative target detection in w ireless sensor networks[J].IEEE Transactions on Mobile Computing, 2010,9(3):317?332.

[36]LIWenling,JIA Yingm in.Consensus-based distributed multiple model UKF for jump markov nonlinear systems[J].IEEE Transactionson Automatic Control,2012,57(1):227?233.

[37]ZHANG Bowu,CHENG Xiuzhen,ZHANG Nan,et al.Sparse target counting and localization in sensor networks based on compressive sensing[C]//INFOCOM,2011 Proceedings IEEE. Piscataway,NJ:IEEE,2011:2255?2263.

[38]DEM IGHA O,HIDOUCI W K,AHMED T.On energy efficiency in collaborative target tracking in w ireless sensor network:a review[J].IEEE Communications Surveys& Tutorials,2013,15(3):1210?1222.

[39]ZHOU Zhong,CUI Junhong,ZHOU Shengli.Efficient localization for large-scale underwater sensor networks[J].Ad Hoc Networks,2010,8(3):267?279.

[40]HAN Guangjie,XU Huihui,JIANG Jinfang,etal.Path planning using a mobile anchor node based on trilateration in w ireless sensor networks[J].W ireless Communications and Mobile Computing,2013,13(14):1324?1336.

[41]SPLETZER J R,TAYLOR C J.Dynam ic sensor planning and control for optimally tracking targets[J].The International Journalof RoboticsResearch,2003,22(1):7?20.

[42]ZHAN P C,CASBEER D W,SW INDLEHURST A.Adaptive mobile sensor positioning for multi-static target tracking[J]. IEEE Transactions on Aerospace and Electronic Systems,2010, 46(1):120?132.

[43]WANGXue,MA Junjie,WANGSheng,etal.Distributed energy optimization for target tracking in wireless sensor networks[J]. IEEE Transactions on Mobile Computing,2010,9(1):73?86.

[44]CHEN Wei,FU Yinfei.Cooperative distributed target tracking algorithm in mobile w ireless sensor networks[J].Journal of ControlTheory and Applications,2011,9(2):155?164.

[45]FU Yinfei,YANG Le.Sensor mobility control for multitarget tracking in mobile sensor networks[J].Int Journal of Distributed Sensor Networks,2014(1):1?15.

[46]PATELN B.Target localization improving tracking accuracy and energy efficiency in w ireless sensor network[D].New York: Ahmedabad University.Am rut Mody School of Management, 2015:1?21.

[47]YANG Zaiyue,SHI Xiufang,CHEN Jim ing.Optimal coordination ofmobile sensors for target tracking under additive and multiplicative noises[J].IEEE Transactions on Industrial Electronics,2014,61(7):3459?3468.

[48]MEYER F,RIEGLER E,HLINKA O,et al.Simultaneous distributed sensor self-localization and target tracking using belief propagation and likelihood consensus[C]//2012 Conference Record of the Forty Sixth ASILOMAR Conference on Signals,Systems and Computers(ASILOMAR).Piscataway, NJ:IEEE,2012:1212?1216.

[49]MEYER F,HLAWATSCH F,WYMEERSCH H.Cooperative simultaneous localization and tracking(coslat)w ith reduced complexity and communication[C]//2013 IEEE International Conference on Acoustics,Speech and Signal Processing (ICASSP).Piscataway,NJ:IEEE,2013:4484?4488.

[50]MEYER F,HLINKA O,WYMEERSCH H,et al.Cooperative simultaneous localization and tracking in mobile agent networks[J].Computer Science,2014(1):1?15.

[51]KAMATH S,MEISNER E,ISLER V.Triangulation based multi target tracking with mobile sensor networks[C]//2007 IEEE International Conference on Robotics and Automation. Piscataway,NJ:IEEE,2007:3283?3288.

[52]SATHYAN T,HEDLEY M.Fast and accurate cooperative tracking in wireless networks[J].IEEE Transactions on Mobile Computing,2013,12(9):1801?1813.

[53]XU Enyang,DING Zhi,DASGUPTA S.Target tracking and mobile sensor navigation in w ireless sensor networks[J].IEEE TransactionsonMobile Computing,2013,12(1):177?186.

[54]GHADBAN N,HONEINE P,MOURAD-CHEHADE F,et al.M obility using first and second derivatives for kernel-based regression in w ireless sensor networks[C]//2014 International Conference on Systems,Signalsand Image Processing(IWSSIP). Piscataway,NJ:IEEE,2014:203?206.

[55]ALHM IEDAT T,SALEM A O A,TALEB A A.An improved decentralized approach for tracking multiple mobile targets through Zigbee WSNs[J].International Journal of Wireless& MobileNetworks,2013,5(3):61?76.

[56]MOURAD F,CHEHADE H,SNOUSSI H,et al.Controlled mobility sensor networks for target tracking using ant colony optim ization[J].IEEE Transactions on M obile Computing,2012, 11(8):1261?1273.

[57]SELVARAJK,BALAJIS.Controlled mobility sensor networks for target tracking using particle swarm optim ization[C]//2013 International Conference on Current Trends in Engineering and Technology(ICCTET).Piscataway,NJ:IEEE,2013:388?391.

[58]KUMAR A S,PARVIN R.Energy conserving hybrid sensor network for target tracking inwireless sensornetworks[C]//2013 International Conference on Communications and Signal Processing(ICCSP).Piscataway,NJ:IEEE,2013:55?59.

[59]BAI Jing,CHENG Peng,CHEN Jiming,et al.Target tracking w ith limited sensing range in autonomous mobile sensor networks[C]//2012 IEEE 8th International Conference on Distributed Computing in Sensor Systems(DCOSS).Piscataway, NJ:IEEE,2012:329?334.

[60]RAHMéJ,BOUKHATEM L,AL AGHA K.Predictive sink mobility for target tracking in sensor networks:advanced infocomm technology[C]//5th IEEE InternationalConference on Advanced Infocomm Technology(ICAIT).Vincent G.Berlin: Springer,2013:283?295.

[61]WANG Guojun,BHUIYAN M Z A,CAO Jiannong,et al. Detectingmovements of a target using face tracking in wireless sensor networks[J].IEEE Transactions on Parallel and Distributed Systems,2014,25(4):939?949.

[62]Bhuiyan M Z A,WANG Guojun,VASILAKOSA V.Local area prediction-based mobile target tracking in wireless sensor networks[J].IEEE Transactions on Computers,2015,64(7): 1968?1982.

(編輯 趙俊)

Survey of location-centric target tracking w ith mobileelements in w irelesssensor networks

PENG Zhen1,WANGTian1,WANGWenhua1,WANGGuojun2,LAIYongxuan3

(1.School of Com puter Science and Technology,Huaqiao University,X iamen 361021,China; 2.Schoolof Computer Science and Educational Software,Guangzhou University,Guangzhou 510006,China; 3.Schoolof Softw are,X iamen University,Xiamen 361005,China)

The basic process of target tracking and the properties of tracking solutions w ith mobile elements were introduced.By distinguishing location-centricmethods and detection-centricmethods,the current research status of the location-centric target trackingmethodswere reviewed.The properties and application fields of different solutionswere analyzed and compared.A lthough the existing solutions can significantly improve tracking quality and reduce energy consum ption of the whole netw ork,there are also some problems.Based on these discoveries,some possible research hotspotsofmobile solutionswere summarized inmany aspects,such asmethod types,network architecture,nodemodel, and so on,indicating the future direction of research and development.

w ireless sensor netw orks;mobile elements;target tracking;target localization;network energy consum ption

TP393

A

1672?7207(2017)03?0701?11

10.11817/j.issn.1672-7207.2017.03.019

2016?03?10；

2016?06?03

國家自然科學(xué)基金資助項目(61672441)；國家科技支撐計劃項目(2015BAH16F00/F01/F02)(Project(61672441)supported by the National Natural Science Foundation of China;Project(2015BAH16F00/F01/F02)supported by the National Key Technology Support Program)

王田，博士，副教授，從事無線傳感器網(wǎng)絡(luò)，移動計算，社交網(wǎng)絡(luò)等研究；E-mail:cs_tianwang@163.com