任 靜，熊慶宇，石為人

(重慶大學(xué)自動(dòng)化學(xué)院，重慶 400030)

無(wú)線傳感器網(wǎng)絡(luò)由于節(jié)點(diǎn)體積小、能耗低、隱蔽性好等優(yōu)點(diǎn)［1］，非常適合用于移動(dòng)目標(biāo)的跟蹤［2］。但是由于其節(jié)點(diǎn)能量有限，要求在保證跟蹤精度的同時(shí)還要考慮其它因素，例如網(wǎng)絡(luò)生存時(shí)間［3］、能量消耗等。傳感器節(jié)點(diǎn)的計(jì)算能力和存儲(chǔ)能力有限要求我們?cè)谠O(shè)計(jì)算法時(shí)要平衡網(wǎng)絡(luò)生存時(shí)間和能量有限，高精度和低計(jì)算能力［4］之間的關(guān)系。基于測(cè)距的定位算法［5］可以得到較精確的目標(biāo)位置，它是根據(jù)一些屬性模型得到節(jié)點(diǎn)和目標(biāo)之間的距離，這些往往不是它們之間的真實(shí)距離，容易造成積累誤差。

目前用于目標(biāo)跟蹤的預(yù)測(cè)方法主要有粒子群濾波、卡爾曼濾波［6］等，這些方法的共同特點(diǎn)就是需要大量的數(shù)據(jù)迭代計(jì)算，適合于集中式系統(tǒng)，不適合在資源有限的傳感器節(jié)點(diǎn)上進(jìn)行。在某一時(shí)刻移動(dòng)節(jié)點(diǎn)不可能全部被節(jié)點(diǎn)感知到，而且距離移動(dòng)目標(biāo)近的節(jié)點(diǎn)感知信號(hào)強(qiáng)度［7］要比距離移動(dòng)目標(biāo)遠(yuǎn)的節(jié)點(diǎn)的感知強(qiáng)度大，本文提出了一種基于預(yù)測(cè)策略的目標(biāo)跟蹤算法。該算法采用靜態(tài)網(wǎng)格網(wǎng)絡(luò)結(jié)構(gòu)，當(dāng)目標(biāo)進(jìn)入監(jiān)控區(qū)域后，節(jié)點(diǎn)攜帶的震動(dòng)傳感器感知到目標(biāo)，簇頭節(jié)點(diǎn)根據(jù)節(jié)點(diǎn)檢測(cè)目標(biāo)信號(hào)強(qiáng)度值來(lái)計(jì)算目標(biāo)位置，目標(biāo)位置計(jì)算采用一種基于檢測(cè)信號(hào)強(qiáng)度的加權(quán)質(zhì)心定位算法;簇頭節(jié)點(diǎn)根據(jù)目標(biāo)移動(dòng)的已知信息來(lái)預(yù)測(cè)移動(dòng)目標(biāo)未來(lái)的位置，利用分段線性擬合的思想，將整個(gè)網(wǎng)絡(luò)的軌跡預(yù)測(cè)分為簇內(nèi)預(yù)測(cè)以及相鄰簇間的預(yù)測(cè)，降低了目標(biāo)預(yù)測(cè)的計(jì)算時(shí)間復(fù)雜度;當(dāng)跟蹤簇頭節(jié)點(diǎn)發(fā)現(xiàn)目標(biāo)丟失，根據(jù)傳感網(wǎng)絡(luò)結(jié)構(gòu)提出了目標(biāo)恢復(fù)機(jī)制。

1 目標(biāo)跟蹤算法

1.1 算法思想

本文論述的無(wú)線傳感器網(wǎng)絡(luò)系統(tǒng)是采用靜態(tài)分簇網(wǎng)絡(luò)結(jié)構(gòu)。整個(gè)監(jiān)控區(qū)域被劃分成不同的虛擬單元格，每個(gè)節(jié)點(diǎn)根據(jù)自身地理位置信息被劃分到不同的單元格。監(jiān)控區(qū)域的節(jié)點(diǎn)被分成邊界簇頭節(jié)點(diǎn)、簇頭節(jié)點(diǎn)和簇內(nèi)節(jié)點(diǎn)，每個(gè)節(jié)點(diǎn)都有三種狀態(tài)即跟蹤狀態(tài)、偵測(cè)狀態(tài)和睡眠狀態(tài)。每個(gè)傳感器節(jié)點(diǎn)攜帶振動(dòng)傳感器，當(dāng)移動(dòng)目標(biāo)進(jìn)入到監(jiān)控區(qū)域時(shí)，節(jié)點(diǎn)便可監(jiān)測(cè)到信號(hào)能量強(qiáng)度。

目標(biāo)跟蹤流程圖如圖1所示。

圖1 目標(biāo)跟蹤流程圖

算法的具體實(shí)現(xiàn)步驟:

步驟1網(wǎng)絡(luò)初始化 整個(gè)監(jiān)控區(qū)域被劃分成不同的虛擬單元格，每個(gè)單元格稱為一簇。在沒(méi)有跟蹤任務(wù)時(shí)，監(jiān)控區(qū)域只有邊界簇頭節(jié)點(diǎn)處于偵測(cè)狀態(tài)，其余節(jié)點(diǎn)則處于睡眠狀態(tài)，每個(gè)邊界簇每隔一段時(shí)間更新一次簇頭節(jié)點(diǎn)。

步驟2目標(biāo)跟蹤 當(dāng)邊界簇頭節(jié)點(diǎn)偵測(cè)到未知目標(biāo)出現(xiàn)時(shí)，激活其簇內(nèi)節(jié)點(diǎn)對(duì)目標(biāo)進(jìn)行定位計(jì)算，邊界簇頭節(jié)點(diǎn)根據(jù)其簇內(nèi)節(jié)點(diǎn)發(fā)回的信息計(jì)算未知目標(biāo)的位置信息和路徑，從而預(yù)測(cè)目標(biāo)下一時(shí)刻的位置并喚醒附近節(jié)點(diǎn)繼續(xù)跟蹤。

步驟3下一時(shí)刻節(jié)點(diǎn)的喚醒 當(dāng)未知目標(biāo)運(yùn)動(dòng)區(qū)域超出一簇監(jiān)控范圍時(shí)，簇頭節(jié)點(diǎn)計(jì)算目標(biāo)下一時(shí)刻的位置信息并通知相應(yīng)簇頭節(jié)點(diǎn)啟動(dòng)跟蹤，休眠當(dāng)前簇頭節(jié)點(diǎn)及監(jiān)測(cè)信號(hào)強(qiáng)度值低的節(jié)點(diǎn)。

步驟4 目標(biāo)恢復(fù) 如果目標(biāo)意外丟失，則啟動(dòng)相應(yīng)的恢復(fù)喚醒機(jī)制。

1.2 目標(biāo)定位

目標(biāo)信號(hào)的強(qiáng)度是隨著傳輸距離的增加而呈指數(shù)衰減的［8］，當(dāng)目標(biāo)進(jìn)入監(jiān)控區(qū)域后，節(jié)點(diǎn)i在t時(shí)刻的采樣信號(hào)強(qiáng)度值ei(t)可用式(1)所示:

式中:s是目標(biāo)信號(hào)源的強(qiáng)度;α是信號(hào)強(qiáng)度的衰減指數(shù)(α約等于2);di(t)是t時(shí)刻節(jié)點(diǎn)i與跟蹤目標(biāo)之間的距離;ni～N(0，σ2)是測(cè)量噪聲，可近似為高斯白噪聲。由式(1)可知，當(dāng)目標(biāo)經(jīng)過(guò)節(jié)點(diǎn)i時(shí)，一般是一個(gè)由遠(yuǎn)到近再到遠(yuǎn)的過(guò)程，同一節(jié)點(diǎn)在不同時(shí)刻監(jiān)測(cè)到的信號(hào)強(qiáng)度值也是不相同的。同理，在同一時(shí)刻不同節(jié)點(diǎn)所監(jiān)測(cè)到的信號(hào)強(qiáng)度值也是不相同的。當(dāng)檢測(cè)強(qiáng)度值大于某一閾值時(shí)，便可參與到定位計(jì)算中。

信號(hào)峰值意味著此時(shí)目標(biāo)位于距離節(jié)點(diǎn)i最近，i所對(duì)應(yīng)的信號(hào)強(qiáng)度值ei(t)也為最大。據(jù)此，本文提出了基于檢測(cè)信號(hào)強(qiáng)度值的目標(biāo)位置定位算法，基本思想是:跟蹤節(jié)點(diǎn)檢測(cè)到目標(biāo)強(qiáng)度值相互之間的比值之和作為加權(quán)質(zhì)心定位算法的加權(quán)值。具體表述為:設(shè)目標(biāo)在t時(shí)刻的位置為L(zhǎng)(xt，yt)，此時(shí)監(jiān)控區(qū)域有n個(gè)參考節(jié)點(diǎn)(n≥3)，這些節(jié)點(diǎn)的坐標(biāo)分別為{(x1，y1)，(x2，y2)…(xn，yn)}，t時(shí)刻這些節(jié)點(diǎn)檢測(cè)到的目標(biāo)信號(hào)強(qiáng)度分別為e1(t)，e2(t)…en(t)。根據(jù)檢測(cè)到的目標(biāo)信號(hào)強(qiáng)度對(duì)跟蹤節(jié)點(diǎn)進(jìn)行從大到小排序，并選取前k個(gè)(3≤k≤6)跟蹤節(jié)點(diǎn)建立參考節(jié)點(diǎn)集合，G={(x1，y1)，(x2，y2)…(xk，yk)}。它們彼此互相獨(dú)立，各個(gè)跟蹤節(jié)點(diǎn)的加權(quán)因子分別為w1，w2…wk，則加權(quán)質(zhì)心定位計(jì)算得到的跟蹤目標(biāo)在t時(shí)刻的位置L(xt，yt)為:

定義Bij為t時(shí)刻，跟蹤節(jié)點(diǎn)i，j分別檢測(cè)到的目標(biāo)信號(hào)強(qiáng)度值的比值，即:

定義權(quán)值為:

根據(jù)權(quán)值信息，代入到式(2)中即可得到跟蹤目標(biāo)在t時(shí)刻的位置。

1.3 目標(biāo)位置預(yù)測(cè)

目前用于目標(biāo)跟蹤的預(yù)測(cè)方法主要有粒子群濾波、卡爾曼濾波等［9－10］，這些方法的共同特點(diǎn)就是需要大量的數(shù)據(jù)迭代計(jì)算，對(duì)節(jié)點(diǎn)的處理模塊要求比較高，不適合應(yīng)用在資源有限的傳感器節(jié)點(diǎn)上。本文利用分段線性擬合［11］思想，把目標(biāo)在監(jiān)控區(qū)域的運(yùn)動(dòng)分為在若干個(gè)簇內(nèi)的運(yùn)動(dòng)，假設(shè)目標(biāo)在一簇內(nèi)做直線運(yùn)動(dòng)，設(shè)目標(biāo)進(jìn)入當(dāng)前簇的起始位置為L(zhǎng)(xk，yk)，下一時(shí)刻的感知位置坐標(biāo)為(xk+1，yk+1)，采樣間隔時(shí)間為Δt，則在初始感知目標(biāo)的速度vk和加速度ak如式(5)、式(6)所示:

目標(biāo)的運(yùn)動(dòng)速度和方向決定了目標(biāo)在當(dāng)前簇內(nèi)的停留時(shí)間和移動(dòng)距離，設(shè)目標(biāo)在當(dāng)簇內(nèi)感知到m個(gè)位 置 信 息 為 (xk，yk)，(xk+1，yk+1) … (xk+m－1，yk+m－1)，利用目標(biāo)的這些位置信息可以構(gòu)建目標(biāo)做直線運(yùn)動(dòng)的直線方程y=ax+b，由最小二乘法求直線方程的參數(shù)a和b的值。設(shè)當(dāng)前目標(biāo)跟蹤簇的簇頭節(jié)點(diǎn)為坐標(biāo)原點(diǎn)，當(dāng)前監(jiān)控區(qū)域邊界曲線方程如式(7)所示:

tstqv是移動(dòng)目標(biāo)在當(dāng)前簇的停留時(shí)間，如式(9):

根據(jù)以上預(yù)測(cè)數(shù)據(jù)，當(dāng)前跟蹤簇的簇頭節(jié)點(diǎn)在一定的時(shí)間內(nèi)喚醒邊界節(jié)點(diǎn)進(jìn)行目標(biāo)跟蹤。如果移動(dòng)目標(biāo)的運(yùn)動(dòng)范圍超出了當(dāng)前簇的監(jiān)控范圍，則目標(biāo)在當(dāng)前簇的最終位置作為相鄰簇的初始位置，喚醒預(yù)測(cè)鄰居簇頭節(jié)點(diǎn)啟動(dòng)跟蹤任務(wù)。

1.4 目標(biāo)恢復(fù)機(jī)制

由于目標(biāo)的運(yùn)動(dòng)速度、方向存在一定程度的誤差并且在預(yù)測(cè)時(shí)間內(nèi)，目標(biāo)的一些運(yùn)動(dòng)特性會(huì)突然發(fā)生較大的改變，致使目標(biāo)離開當(dāng)前的監(jiān)控區(qū)域，這種現(xiàn)象稱作是目標(biāo)丟失，為了能夠快速的重新跟蹤目標(biāo)，我們提出了一種有效的目標(biāo)恢復(fù)喚醒算法。

目標(biāo)丟失檢測(cè) 被喚醒的節(jié)點(diǎn)檢測(cè)到目標(biāo)時(shí)會(huì)向前一監(jiān)控節(jié)點(diǎn)發(fā)送確認(rèn)消息，否則在一周期內(nèi)沒(méi)有發(fā)現(xiàn)目標(biāo)則自動(dòng)進(jìn)入睡眠狀態(tài)，如果前一監(jiān)控節(jié)點(diǎn)在規(guī)定時(shí)間內(nèi)沒(méi)有收到喚醒節(jié)點(diǎn)發(fā)送的確認(rèn)消息，則表明目標(biāo)丟失，啟動(dòng)目標(biāo)恢復(fù)機(jī)制。

目標(biāo)恢復(fù) 目標(biāo)恢復(fù)分為兩個(gè)過(guò)程，首先當(dāng)前跟蹤簇頭節(jié)點(diǎn)洪泛命令，喚醒其簇內(nèi)所有節(jié)點(diǎn)搜索其監(jiān)測(cè)范圍內(nèi)的所有目標(biāo)信息，所有當(dāng)前簇內(nèi)節(jié)點(diǎn)在一個(gè)周期內(nèi)上傳其檢測(cè)信息，若當(dāng)前簇頭節(jié)點(diǎn)監(jiān)測(cè)到移動(dòng)目標(biāo)，則休眠不相關(guān)節(jié)點(diǎn)繼續(xù)進(jìn)行跟蹤;若沒(méi)有發(fā)現(xiàn)目標(biāo)說(shuō)明移動(dòng)目標(biāo)已經(jīng)離開當(dāng)前簇，當(dāng)前簇頭節(jié)點(diǎn)休眠其簇內(nèi)節(jié)點(diǎn)并且洪泛消息到一跳范圍的相鄰的簇頭節(jié)點(diǎn)，相鄰簇頭節(jié)點(diǎn)再啟動(dòng)搜索任務(wù)。

2 算法仿真分析

為了驗(yàn)證本文算法的有效性以及在定位精度和目標(biāo)丟失率方面的優(yōu)勢(shì)，利用MATLAB軟件對(duì)本文算法進(jìn)行仿真實(shí)驗(yàn)。仿真場(chǎng)景的基本設(shè)置為:400個(gè)節(jié)點(diǎn)隨機(jī)分布在100 m×100 m的二維監(jiān)控平臺(tái)，節(jié)點(diǎn)的傳輸半徑R=30 m，從文獻(xiàn)［12］可以知道簇的半徑與傳感器節(jié)點(diǎn)傳輸半徑之間的關(guān)系，如式(10)所示，可以計(jì)算出當(dāng)前監(jiān)控區(qū)域半徑r的范圍。

各個(gè)節(jié)點(diǎn)根據(jù)其地理位置信息被劃入分成半徑為8 m的監(jiān)控區(qū)域。目標(biāo)信號(hào)源強(qiáng)度s=100，衰減指數(shù) α=2，噪聲分布ni～N(0，σ2)，檢測(cè)閾值e0=1，目標(biāo)做直線運(yùn)動(dòng)，其中v=10 m/s，a=±cos(t)m/s2。仿真分別對(duì)本文算法、基于預(yù)測(cè)策略的能量高效目標(biāo)跟蹤算法(PES)［13］和基于無(wú)線傳感器網(wǎng)絡(luò)動(dòng)態(tài)簇的目標(biāo)跟蹤算法［14］進(jìn)行了10次仿真，跟蹤性能對(duì)比圖如圖2～4所示，圖中的數(shù)據(jù)為對(duì)應(yīng)參數(shù)10次仿真所得結(jié)果的平均值。

首先對(duì)本文提出的目標(biāo)定位算法與質(zhì)心算法，DV-Hop算法進(jìn)行了對(duì)比，分別對(duì)其進(jìn)行五次仿真，每次的仿真定位誤差方差如下表1所示。

表1 本文、質(zhì)心、DV-Hop定位誤差

分析表1可知，由于受到許多不確定性的干擾，質(zhì)心算法和DV-Hop算法的定位誤差較大，而本文定位算法精度比較高，這是由于本文算法中的加權(quán)值充分利用了各個(gè)位置檢測(cè)目標(biāo)信號(hào)強(qiáng)度值，使離目標(biāo)近的節(jié)點(diǎn)在目標(biāo)位置中的權(quán)值大，與目標(biāo)距離遠(yuǎn)的節(jié)點(diǎn)在目標(biāo)位置結(jié)算中所占的權(quán)值小，其結(jié)果更接近目標(biāo)的真實(shí)位置。

圖2顯示了本文算法跟蹤目標(biāo)的結(jié)果，并與基于預(yù)測(cè)策略的能量高效目標(biāo)跟蹤算法(PES)進(jìn)行了對(duì)比，結(jié)果顯示，兩種算法都能夠很好的近似模擬目標(biāo)實(shí)際運(yùn)動(dòng)軌跡，特別是當(dāng)目標(biāo)做直線運(yùn)動(dòng)時(shí)，算法基本和目標(biāo)運(yùn)動(dòng)軌跡吻合;但當(dāng)目標(biāo)突然改變方向時(shí)，PES算法由于只有一個(gè)節(jié)點(diǎn)跟蹤目標(biāo)，所以在目標(biāo)突然改變方向時(shí)不能夠很好的做出反應(yīng)，實(shí)時(shí)性比較差，而本文算法有多個(gè)節(jié)點(diǎn)協(xié)作跟蹤目標(biāo)，能比PES以更快的速度做出改變，從而實(shí)時(shí)跟蹤目標(biāo)。本文的定位算法能夠很好的計(jì)算出移動(dòng)目標(biāo)位置，采用基于分段線性擬合預(yù)測(cè)策略很好的擬合了目標(biāo)的運(yùn)動(dòng)軌跡，擬合度較高。

圖2 曲線軌跡跟蹤結(jié)果

圖3所示為目標(biāo)丟失率隨著速度的增加而變化的曲線，目標(biāo)丟失率是指在跟蹤過(guò)程中，無(wú)效的定位次數(shù)在本次目標(biāo)跟蹤中總的定位次數(shù)的比值。

圖3 目標(biāo)丟失率對(duì)比圖

從圖3可以看出，當(dāng)目標(biāo)運(yùn)動(dòng)速度較低時(shí)，三種算法都比較穩(wěn)定，目標(biāo)丟失率比較低;隨著目標(biāo)運(yùn)動(dòng)速度的增加，尤其是當(dāng)目標(biāo)運(yùn)動(dòng)速度達(dá)到15 m/s時(shí)，PES算法由于無(wú)法快速喚醒節(jié)點(diǎn)導(dǎo)致其目標(biāo)丟失率顯著增加，動(dòng)態(tài)簇算法和本文算法都能較好的適應(yīng)速度的變化，目標(biāo)丟失率變化不大，本文算法由于采用了靜態(tài)分簇以及合理的目標(biāo)恢復(fù)機(jī)制，當(dāng)目標(biāo)丟失時(shí)能夠迅速找到目標(biāo)，從而降低目標(biāo)丟失率。

圖4所示為分別對(duì)PES算法，動(dòng)態(tài)簇算法和本文算法隨速度變化的能耗進(jìn)行了仿真，由于動(dòng)態(tài)簇算法組簇的能耗比較大，所以雖然目標(biāo)運(yùn)動(dòng)速度較慢，但是能耗依然較大;但隨著速度的增大，PES算法的目標(biāo)丟失率相應(yīng)增大，找回目標(biāo)所需的能耗更大。從圖中可以看出本文算法能耗隨速度的變化比較穩(wěn)定，這可以說(shuō)明本算法采用的節(jié)點(diǎn)調(diào)度機(jī)制能夠在不影響跟蹤精度的同時(shí)減少能耗。

圖4 能量消耗對(duì)比圖

3 結(jié)論

目標(biāo)跟蹤是無(wú)線傳感器網(wǎng)絡(luò)主要應(yīng)用之一，同時(shí)也是目前傳感器網(wǎng)絡(luò)研究的重要課題。本文在提出的網(wǎng)絡(luò)結(jié)構(gòu)基礎(chǔ)上，提出了基于加權(quán)質(zhì)心算法的目標(biāo)位置計(jì)算方法，可以在不增加計(jì)算量的情況下提高目標(biāo)跟蹤的精度。針對(duì)其他預(yù)測(cè)方法需要大量的數(shù)據(jù)迭代計(jì)算，改進(jìn)了分段線性擬合預(yù)測(cè)方法，算法仿真結(jié)果表明該算法可以很好的預(yù)測(cè)目標(biāo)的位置，降低目標(biāo)丟失的概率，另外目標(biāo)丟失時(shí)，還給出了目標(biāo)意外丟失時(shí)的目標(biāo)恢復(fù)機(jī)制，從而進(jìn)一步減低目標(biāo)丟失率。

［1］孫利民，李建中，陳渝，等.無(wú)線傳感器網(wǎng)絡(luò)［M］.北京:清華大學(xué)出版社，2005:8－10.

［2］Guojun Wang，Huan Wang，Jiangnong Cao，et al.Energy-Efficient DualPrediction Based Data Gathering for Environmental MonitoringApplications［C］//IEEE Communication Society subject matter experts for publication in the WCNC 2007 proceedings:3516－3521.

［3］Bhattacharya A，Das S K.Lezi-Update:An Information Theoretic Framework for Personal Mobility Tracking in PCS Networks［J］.ACM/KluWer Journal on Wireless Networks)，March－May 2002，8(2－3):121－135.

［4］Jeongkeun Lee，Kideok Cho，Seungjae Lee.Distributed and Energy-Efficient Target Localization and Tracking in Wireless Sensor Networks［J］.Computer Communications，2006，(29):2494－2505.

［5］任倩倩，李建中，李金寶，等.無(wú)線傳感器網(wǎng)絡(luò)中一種能源有效的移動(dòng)對(duì)象跟蹤方法［J］.通信學(xué)報(bào)，2009，30(4):50－59.

［6］Lee W C，Xu Y.On Localized Prediction for Power Efficient Object Tracking in Sensor Networks［C］//Proceedings of the 23rd Inter-national Conference on Distributed Computers Systems Workshops，434－439，2003.

［7］Kawuu W Lin，Ming Hua Hsieh，Vincent S Tseng.A Novel Prediction-Based Strategy for Object Tracking in Sensor Networks by Mining Seamless Temporal Movement Patterns［J］.Expert Systems with Applications，2010，(37):2799－2807.

［8］Wang G，Wang T，Jia W，et al.Local Update-Based Routing Protocol in Wireless Sensor Networks with Mobile Sinks［C］//Proceedings of the 2007 IEEE International Conference on Communications(ICC 2007)，Glasgow，Scotland，UK，June 2007.

［9］曾明，危阜勝，陳冠升，等.面向目標(biāo)跟蹤的WSN協(xié)同調(diào)度策略及拓?fù)淇刂疲跩］.華南理工大學(xué)學(xué)報(bào)(自然科學(xué)版)，2010，38(6):60－65.

［10］石為人，賈傳江，梁煥煥.一種改進(jìn)的無(wú)線傳感器網(wǎng)絡(luò)DV-Hop定位算法［J］.傳感技術(shù)學(xué)報(bào)，2011，24(1):83－87.

［11］危阜勝，胥布工，高煥麗，等.基于無(wú)線傳感器網(wǎng)絡(luò)的分布式處理目標(biāo)跟蹤系統(tǒng)［J］.傳感技術(shù)學(xué)報(bào)，2009，(10).132－137.

［12］潘旭武，楊東勇.一種面向目標(biāo)跟蹤的無(wú)線傳感器網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)［J］.計(jì)算機(jī)系統(tǒng)應(yīng)用，2007，(12):37－40.

［13］Winter J，Lee W C，Xu Y，Prediction Based Strategies for Energy-Saving in Object Tracking Sensor Networks，Proc.2004 IEEE International conference on Mobile Data Management，346－57，2004.

［14］鄧克波，劉中.基于無(wú)線傳感器網(wǎng)絡(luò)動(dòng)態(tài)簇的目標(biāo)跟蹤［J］.兵工學(xué)報(bào)，2008，29(10):1197－1202.