一种基于轨迹预测的无线传感器网络目标跟踪方法

摘要

本发明公开了一种基于轨迹预测的无线传感器网络目标跟踪方法，包括所有的网络边界节点均设置监听模式；当网络边界节点感知到移动目标出现时向其所在网格的网格簇头发送通告消息，网格簇头及网格成员节点切换工作模式；移动目标所处的网格内部的传感器节点在定位目标的同时对目标在t+Δt时刻可能到达区域进行预判和处理；网格及网格内的传感器节点的工作模式随着目标的移动不断调整；目标丢失后网格及网格内传感器节点执行恢复机制重新对移动目标定位。本发明通过设计合理的节点工作方式和完善的轨迹预测方法实现了对移动目标的实时准确跟踪，并极大减少了网络能耗；同时针对目标丢失等意外情况设计了目标恢复机制，有效地预防目标丢失的发生。

说明书

技术领域

本发明涉及一种基于轨迹预测的高能效目标跟踪方法，属于无线传感网技术领域，也属于目标跟踪技术的技术领域。

背景技术

无线传感器网络是一种资源有限、应用场景较为恶劣、应用条件复杂多变的无线网络，而无线传感网的应用则大部分都依赖于传感器节点的位置信息，因为只有在知道节点位置的基础上，才能设计更高效的路由机制，使数据更快速地到达汇聚节点，从而减少网络能耗，增大计算网络覆盖面积，实现网络负载均衡和信息的快速安全传输。但如今大量的无线传感网应用已经不再仅仅局限于获取节点位置信息，更要实时监测和跟踪网络中的移动目标。与研究离散检测事件不同的是，目标跟踪系统往往需要连续的监测行为，从而确保实时获取移动目标的位置及其相应的运动轨迹，这在目标定位的基础上极大提高了整个网络系统对目标定位的精确度和实时性的要求。

但是相比于数据处理能力较强、资源相对充足的传统网络目标跟踪系统，无线传感器节点极易受能量供给、通信效率和处理能力等多方面的限制，从而导致整个无线传感网目标跟踪系统具有许多难以克服的弱点。通常地，传感器网络被随机分布于目标监控区域，当目标移动至无线传感器网络中时，所有的传感器节点必须保持活跃状态来定位和跟踪移动目标，甚至判断出移动目标未来的潜在运动方向，对数据信息的收集和处理会消耗其许多能量，且节点由低成本的电池供电，长期无人看管，能量十分有限，不能二次充电。为了减少能源消耗，许多现有的研究重点集中在睡眠模式下不工作的传感器节点上。因此，如何在保证高跟踪精度的前提下，利用有限的能量资源及存储空间对目标进行精确定位与跟踪，并提高网络的整体工作效率和生命周期，是当下研究的热点和难点之一。因此，研究高跟踪精度和低能耗的无线传感网目标跟踪系统有着非凡的意义。

发明内容

本发明所要解决的技术问题是克服现有技术的缺陷，提供一种高跟踪精度和低能耗的无线传感网目标跟踪方法。

为解决上述技术问题，本发明提供一种基于轨迹预测的无线传感器网络目标跟踪方法，无线传感器网络包括传感器节点，其特征在于，包括以下步骤：

1)无线传感器网络初始化后，将所有的网络边界节点均设置为活跃模式并且网络内部其他传感器节点设置为监听模式；

2)当网络边界节点感知到移动目标O出现时向其所在网格的网格簇头发送通告消息，网格簇头及网格成员节点均切换为活跃模式；同时移动目标O所处的网格Gu设置为跟踪态，同时网格Gu内所有传感器节点切换为活跃模式；

3)移动目标O所处的网格Gu内部的传感器节点在定位目标的同时对目标在t+Δt时刻可能到达区域进行预判和处理；

4)网格及网格内的传感器节点的工作模式随着目标的移动不断调整；

5)目标丢失后网格及网格内传感器节点执行恢复机制重新对移动目标O定位。

进一步地，步骤2)具体包括：

S21：有2个或2个以上的网络边界节点传感器同时感知到移动目标O的出现时，能感知到目标的网络边界节点分别向其所在网格的网格簇头发送“目标接近网络”的通告消息；

S22：收到此消息的网格簇头将自主地从原本的监听模式切换为活跃模式，同时这些网格簇头将目标接近的消息广播至它们各自的网格内成员节点；

S23：各网格内成员在收到网格簇头广播的消息后，也随之将自己原先的监听模式自主地切换为活跃模式。

进一步地，步骤2)中当网格Gu变为“跟踪态”之后，此网格内部的网格簇头节点将以单条或多跳的通信方式，将“已追踪到移动目标”的消息广播给其他邻居网格内的网格簇头节点；收到此消息的网格簇头们，则分别通知其各自网格内的所有成员节点全部切换为监听模式，同时这些网格簇头在广播完消息之后将自己也还原为监听模式。

进一步地，步骤3)包括a、b两种情况，具体步骤为：

(a)若网格Gu是边界网格，则：

(1-1)当圆O处于网络边界外部的面积超过设定阈值时，网格 Gu中所有能够感知到移动目标O的传感器节点都采用卡尔曼滤波方法，对移动目标在t+Δt时刻的位置进行预测；若是网格Gu中所有能够感知到移动目标O的节点在此时通过卡尔曼滤波算法的预测后发现，移动目标在下一时刻的位置确实在网络之外，那么网格Gu中的网格簇头将以单跳或多跳的通信方式，向所有网格边界节点中的网格簇头节点广播发送“目标很有可能离开网络”的消息；收到此消息的各网格簇头则将其网格内的网络边界节点恢复为活跃模式；

(1-2)当圆O处于网络边界外部的面积并未超过提前设定的阈值时，则按照(b)“非边界网格”的方法进行相应的处理；

(b)若网格Gu是非边界网格，则：

(2-1)判断目标是否即将离开当前所在的网格

计算移动目标O离开当前所在网格Gu的权重W_out(G_u)，表达式如下

其中S_out(O)表示目标O处于网格Gu外的面积，W_out(G_u)为移动目标O离开当前所在网格Gu的权重，θ_k是指移动目标的速度矢量与目标到网格各边界的垂线间的夹角，λ为可调参数，Δt为采样间隔时间，假设移动目标做匀速运动，且速度为v；

若Wout(Gu)的值大于阈值Wout′，则说明移动目标即将离开当前网格Gu的可能性较大，移动目标O当前所在网格Gu采用卡尔曼滤波方法，对移动目标在t+Δt时刻的位置进行预测得到即将移动到的网格位置信息；移动目标即将移动到的网格的邻居网格内传感器节点都设置为活跃模式

(2-2)确定处于“预跟踪态”和“备跟踪态”的网格

移动目标O所处的网格Gu的每一个邻居网格Gv计算完各自的 Win(Gv)，表达式如下：

其中S(O,G_v)指的是圆O与网格G_v所重叠区域的面积大小，参数μ_k则是指移动目标O当前的速度矢量与目标同网格G_v的中心点的连线矢量间的夹角，λ′则为可调参数；

所有邻居网格Gv的Win(Gv)最大的网格，则进入“预跟踪态”，此时该网格G_i内的所有传感器节点均切换为活跃模式；而其余计算过>k则会将内部的网络边界节点)和网格簇头节点均切换为活跃模式，而其余节点则保持监听模式不变。

更进一步地，网格Gu中所有能够感知到移动目标O的传感器节点都采用卡尔曼滤波方法，对移动目标在t+Δt时刻的位置进行预测具体包括：

假设一般的非线性的状态方程为：

X_t+Δt|t＝IX_t|t+U_t+Δt>

观测方程为：

Z_t+Δt＝HX_t+Δt|t+V_t+Δt>

在公式(3)中，I是系统参数；X_t+Δt|t表示根据t时刻下的系统最优状态对系统在t+Δt时刻状态下的预测值；X_t|t则表示t时刻下的系统最优状态向量；参数U_t+Δt则表示系统的过程噪声；

在公式(4)中，H是测量系统的参数，Z_t+Δt表示t+vΔt时刻的系统测量值；参数V_t+Δt则表示系统的测量噪声；

假设公式(3)中的参数U_t+Δt和公式(4)中的参数V_t+Δt都是高斯白噪声，且它们的协方差分别为Q和R，分别对X_t和Z_t作出如下定义：

X_t和Z_t分别表示移动目标在t时刻的横、纵坐标，和表示t 时刻移动目标分别在X轴方向和Y轴方向上的速度分量值；而和则分别表示系统测量得到的移动目标的横纵坐标；在对系统的最优状态进行预测时，我们需要不断地更新每个时刻的协方差W：

W_t+Δt|t＝IW_t|tI^T+Q>

在公式(7)中，W_t+Δt|t即是X_t+Δt|t对应的协方差，而W_t|t则是X_t|t对应的协方差，I^T是系统参数I的转置矩阵，Q则是系统过程噪声U_t+Δt的协方差；

结合t+Δt时刻的预测值X_t+Δt|t和测量值Z_t+Δt，得到t+vΔt时刻系统的最优化估算值X_t+Δt|t+Δt，即：移动目标在t+vΔt时刻最有可能到达的位置：

X_t+Δt|t+Δt＝X_t+Δt|t+K_t+Δt(Z_t+Δt-HX_t+Δt|t)>

其中，K_t+Δt是卡尔曼增益(Kalman>

卡尔曼增益K_t+Δt的表达式如下：

K_t+Δt＝W_t+Δt|tH^T/(HW_t+Δt|tH^T+R)>

，H^T是H的转置矩阵。

优选地，为了令卡尔曼滤波器能够不断地运行下去直到系统过程结束，需要继续更新t+vΔt时刻系统最优状态X_t+Δt|t+Δt所对应的协方差W_t+Δt|t+Δt，表达式：

W_t+Δt|t+Δt＝(I-K_t+ΔtH)W_t+Δt|t>

在上述的公式中，系统参数I和测量参数H的值分别为：

进一步地，步骤4)具体包括：

S41：若在t时刻，位于网格G_u内的移动目标O，在t+Δt时刻进入到了处于“预跟踪态”的某网格G_i中，则网格G_i开始变为“跟踪态”；同时，G_i内的网格簇头节点会通知网格G_u和所有处于“备跟踪态”的网格内的节点，使它们均恢复至监听模式；

S42：若在t时刻，位于网格G_u内的移动目标O，在t+Δt时刻进入到了处于“备跟踪态”的某网格G_k中，则网格G_k将开始变为“跟踪态”；同时，网格G_k中的网格簇头节点通知其网格内的所有成员节点均转变为活跃模式；网格G_k内的网格簇头会通知网格G_u和所有处于“预跟踪态”和“备跟踪态”的网格内的所有节点，使它们均及时地恢复至监听模式；

S43：若在t时刻正处于“跟踪态”的网格G_u，满足了W_out(Gu)>W_out′的情况，而移动目标却在t+Δt时刻仍然停留在了网格G_u内，同样地，网格G_u内的网格簇头将会通知网络内所有处于“预跟踪态”和“备跟踪态”的网格内的所有节点，使它们均恢复至监听模式。

进一步地，步骤5)具体包括：

S51：当传感器节点发现目标丢失时，在上一时刻t已完成对移动目标定位的传感器节点，立即向其所在网格的网格簇头发送 Error(ID,t,vt,at)消息，其中，ID为该节点的编号，v_t和a_t分别代表移动目标在t时刻的速度和位置坐标；S52：当网格簇头收到其网格内成员发送来的Error消息后，立即向其所在网格的所有邻居网格内的网格簇头广播此消息；

S53：邻居网格内的网格簇头收到此Error消息后，立即唤醒其所有的网格内成员节点，使它们均切换为活跃模式，以便于目标开展搜寻；

若仍未能发现目标，这些网格簇头则会继续将此Error消息广播至网络内的其他网格簇头节点，以便唤醒更多的节点来搜寻目标，依次循环这个广播的过程，直至网络内的所有网格簇头节点均接收到目标已丢失的消息；

S54：网络内一旦有节点发现目标，则该节点立刻向其所属网格簇头发送一个应答包Find(ID,t′,vt′,at′)，其中v_t′和a_t′是目标在当前时刻t′的速度和位置坐标；同时，令该网格簇头所在的网格变为“跟踪态”；

S55：“跟踪态”网格内的网格簇头向其所有邻居网格中的网格簇头转发该Find消息，以表示其重新发现了目标而收到Find消息的网格簇头进一步将该消息发送至其它仍在搜寻目标的网格，直至网络内的所有网格簇头均收到目标已找到的消息，同时这些网格簇头会将其自身和其网格内成员节点均还原为监听模式。

本发明所达到的有益效果：本发明主要针对不规则的目标跟踪区域，通过设计合理的节点工作方式和完善的轨迹预测算法实现了对移动目标的实时准确跟踪，并极大减少了网络能耗；同时针对目标丢失等意外情况设计了目标恢复机制，有效地预防目标丢失的发生，并在目标丢失后及时地重新定位到目标，极大降低了目标丢失等意外造成的不良后果，同时提高了整个目标跟踪系统的稳定性和可扩展性。

附图说明

图1为本发明方法实施例中目标尚未出现时的网内节点工作情况图；

图2为本发明方法实施例中网络边界节点发现目标后的网内节点工作情况图；

图3为本发明方法实施例中目标进入网络后的网内节点工作情况图；

图4为本发明方法实施例中边界网格中的节点开展目标位置预测图；

图5为本发明方法实施例中预测后的目标位置在网络外图；

图6为本发明方法实施例中非边界网格中的节点开展目标位置预测图；

图7为本发明方法实施例中非边界网格对目标位置预测后的网格状态更新图；

图8为本发明方法实施例中目标在t+Δt时刻进入到“预跟踪态”的网格图；

图9为本发明方法实施例中目标在t+Δt时刻进入到“备跟踪态”的网格图；

图10为本发明方法实施例中移动目标在t+Δt时刻仍在网格Gu内图。

具体实施方式

下面结合附图对本发明作进一步描述。以下实施例仅用于更加清楚地说明本发明的技术方案，而不能以此来限制本发明的保护范围。

下面为该发明中用到的一些术语与定义：

(1)边界网格:若网络边界线经过了网格G_u的内部，则称G_u为边界网格。

(2)邻居网格：若网格G_u和网格G_v有共同的边或顶点，则称网格G_u和网格G_v互为邻居网格。

(3)网络边界节点：是指对于当前处于某网络中的传感器节点S_i，如若其感知范围超出了该网络的边界，即：节点S_i的感知半径大于>i自身到网络或网格边界的距离，则称：节点S_i为该网络(的边界节点。

(4)判定圆：假设移动目标做匀速运动，且速度为v，采样的时间间隔为Δt。假定移动目标在t时刻的位置坐标为(x_t,y_t)，那么在>t,y_t)为圆心，以vΔt为半径的圆所覆盖的区域中。判定圆是移动目标在t+Δt时刻可能达到的区域。

(5)传感器节点的工作模式：

(a)活跃模式：

活跃模式下，传感器节点的感知模块、通信模块和处理器模块全部打开。此时的节点可以持续感知和监测目标，并且可以接收和发送数据消息，同时还能通过计算对目标进行定位及轨迹预测；

(b)监听模式：

监听模式下，传感器节点的感知模块和处理器模块全被关闭，只有通信模块被打开。此时的节点仅仅能接收其他节点传送过来的消息，不能对接收到的消息进行相应的处理和转发，也不能对周围环境进行监测，无法自主感知到移动目标。处于监听模式下的传感器节点能耗较小，能有效地节省能量资源。(6)网格状态：

(a)跟踪态

当移动目标的位置正处于当前网格中时，则定义该网格处于“跟踪态”。每个网格的跟踪态都是从目标进入此网格开始，一直持续到目标离开此网格结束。当某网格处于“跟踪态”的时候，此网格内的所有节点必须都处于活跃模式，以便实时对目标进行定位和轨迹预测；

(b)预跟踪态

当移动目标处于某网格(跟踪态)，且其离开此网格的可能性较大并超过了一定的阈值时，此网格周围的所有邻居网格则根据目标的运动状态和位置坐标等信息，分别计算移动目标在下一时刻会进入其内部的可能性。此时可能性最大的网格，就处于“预跟踪态”。当某一个网格被确定为“预跟踪态”时，其内部的传感器节点也随之切换为活跃模式；

(c)备跟踪态

对于当前处于“跟踪态”的网格和处于“预跟踪态”的网格的共同邻居网格，都称其处于“备跟踪态”。网格内部的网络边界节点和网格簇头均被切换为活跃模式以便及时监测到目标，其余节点则处于监听模式以节省能耗。

以下是本发明方法的一个具体实施例

(1)发现目标

在网络初始化时首先将长和宽分别为M和L的矩形网络，划分为若干个长和宽分别为m和l的矩形网格，此处，此处需要确保M/m和 L/l都为整数。此处网格的划分方法属于现有技术，在此不做赘述。

当整个网络系统完成了部署和建模等过程并投入运行之后，首先令所有的网络边界节点均处于活跃模式，以便它们能够实时监测到进入网络中的移动目标并及时汇报给各自的网格簇头，此时网络内部的其他节点则均处于监听模式。如图1是网络的局部放大图。

(2)对目标进行准确定位

若在这样的网络状态下，同时出现了不止一个的网络边界节点通过移动目标ZigBee信号值发现了移动目标，则这些网络边界节点将采用RSSI和APIT技术对移动目标进行定位；而若此时仅有一个网络边界节点发现了目标，则暂不对目标进行定位，直至出现同时有2个或2个以上的传感器节点同时监测到移动目标的情况出现。一旦移动目标被多于1个的网络边界节点所发现，这些能监测到目标的网络边界节点则分别向其所在网格的网格簇头发送“目标接近网络”的通告消息(在网格中令剩余能量最大的传感器节点为网格簇头)；收到此消息的网格簇头将会自主地从原本的监听模式切换为活跃模式，同时这些网格簇头会将目标接近的消息广播至它们各自的网格内成员节点(传感器节点)；各网格内成员在收到网格簇头广播的消息后，也会随之将自己原先的监听模式自主地切换为活跃模式。如图2中，目标O同时被网格G_u内的节点S_i和网格G_v内的节点S_j所发现，与图1>i和节点S_j所在网格的网格内节点均切换为活跃模式。此时，节点S_i和S_j则根据定位方案对移动目标O进行定位。

随着目标的不断移动，当其从网络外部逐渐进入网络内部之后，移动目标必然会处于某网格中，那么此时该网格则会处于“跟踪态”，即网格内部的所有节点均切换到活跃模式，以便对移动目标进行监测与定位。为了减少节点能量和网络能耗，当某网格变为“跟踪态”之后，此网格内部的网格簇头节点将会以单条或多跳的通信方式，将“已追踪到移动目标”的消息广播给其他网格内的网格簇头节点；而收到此消息的网格簇头们，则会分别通知其各自网格内的所有网格成员全部切换为监听模式(若有节点原本就处于监听模式，此处则无需更改自己的工作模式)，同时这些网格簇头在广播完消息之后会将自己也还原为监听模式，以节省能量。如图3中，移动目标最终进入了网格>u内，此时网格G_u内的节点均处于活跃模式；而网络内的其他节点则转换为监听模式。

(3)目标轨迹的预测当移动目标处于某网格内部并在不断地朝着某个方向运动时，该网格内的所有传感器节点除了需要共同对目标进行定位之外，还需要实时地预测该目标未来的运动趋势，即：移动目标在下一时刻可能到达的位置，以便这些工作节点能及时地提前唤醒目标下一时刻所处位置周围的正处于监听模式的传感器节点，从而保证实时有效的跟踪。

假设移动目标做匀速运动，且速度为v，采样的时间间隔为Δt。假定移动目标在t时刻的位置坐标为(x_t,y_t)，那么在t+Δt时刻，移动目标的位置一定在以(x_t,y_t)为圆心，以vΔt为半径的圆所覆盖的区域中。如图4中，方形点代表移动目标，虚线圆形O则是移动目标在t+Δt时刻可能达到的区域。

假设在t时刻，某网格G_u正处于“跟踪态”，即：此时移动目标>u中。此时G_u内部的传感器节点会在定位目标的同时，对目标O在t+Δt时刻可能到达区域进行相应的预判和处理，具体过程如下——

(a)若网格G_u是边界网格，则：

情况1：根据圆O圆心坐标，和网络矩形区域边界坐标方程，求出求此圆在网络边界外部面积，这是常规求面积方法，属于现有技术；

当圆O此时处于网络边界外部的面积超过一定阈值时，优选地，这里的阈值取圆O在网络边界外部的面积占圆O的百分比为30％，本文所有的阈值均为30％。

则表明在t+Δt时刻，目标有移动至网络之外的可能性；

为了尽可能准确地判明该情况，网格G_u中所有能够监测到移动目标O的节点在此时，采用卡尔曼滤波方法，对移动目标在t+Δt时刻的位置进行预测。

卡尔曼滤波(Kalman filtering)算法一种有效的线性系统状态估计方程，通过系统的输入输出来观测数据。它通常根据系统当前的状态向量来对未来的状态向量进行预测，从而对系统的状态进行最优的估计，由于观测数据中包括系统中的噪声和干扰的影响，所以最优估计也可看作是滤波过程。用卡尔曼滤波算法表示的系统状态和测量模型如下：

假设一般的非线性的状态方程为：

X_t+Δt|t＝IX_t|t+U_t+Δt>

观测方程为：

Z_t+Δt＝HX_t+Δt|t+V_t+Δt>

在公式(1)中，I是系统参数；X_t+Δt|t表示根据t时刻下的系统最优状态对系统在t+Δt时刻状态下的预测值，即：根据t时刻移动目标的真正坐标来预测目标在t+Δt时刻可能到达的位置；X_t|t则表示t时刻下的系统最优状态向量，即：移动目标在t时刻的真正位置；参数U_t+Δt则表示系统的过程噪声。而在公式(2)中，H是测量系统的参数，Z_t+Δt表示t+vΔt时刻的系统测量值；参数V_t+Δt则表示系统的测量噪声。假设公式(1)中的参数U_t+Δt和公式(2)中的参数V_t+Δt都是高斯白噪声，且它们的协方差分别为Q和R(这里假设它们不随系统状态变化而变化)。

分别对X_t和Z_t作出如下定义：

X_t和Z_t分别表示移动目标在t时刻的横、纵坐标，和表示t 时刻移动目标分别在X轴方向和Y轴方向上的速度分量值；而和则分别表示系统测量得到的移动目标的横纵坐标。在对系统的最优状态进行预测时，我们需要不断地更新每个时刻的协方差W：

W_t+Δt|t＝IW_t|tI^T+Q>

在公式(5)中，W_t+Δt|t即是X_t+Δt|t对应的协方差，而W_t|t则是X_t|t对应的协方差，I^T是系统参数I的转置矩阵，Q则是系统过程噪声U_t+Δt的协方差。

结合t+Δt时刻的预测值X_t+Δt|t和测量值Z_t+Δt，不难得到t+vΔt>t+Δt|t+Δt，即：移动目标在t+vΔt时刻最有可能到达的位置：

X_t+Δt|t+Δt＝X_t+Δt|t+K_t+Δt(Z_t+Δt-HX_t+Δt|t)>

其中，K_t+Δt是卡尔曼增益(Kalman>

K_t+Δt＝W_t+Δt|tH^T/(HW_t+Δt|tH^T+R)>

为了令卡尔曼滤波器能够不断地运行下去直到系统过程结束，需要继续更新t+vΔt时刻系统最优状态X_t+Δt|t+Δt所对应的协方差>t+Δt|t+Δt：

W_t+Δt|t+Δt＝(I-K_t+ΔtH)W_t+Δt|t>

在上述的公式中，系统参数I和测量参数H的值分别为：

若是网格G_u中所有能够监测到移动目标O的节点在此时通过卡尔曼滤波算法的预测后发现，移动目标在下一时刻的位置确实在网络之外，那么网格G_u中的网格簇头将以单跳或多跳的通信方式，向所有边界网格中的网格簇头节点广播发送“目标很有可能离开网络”的消息。收到此消息的各网格簇头则将其网格内的网络边界节点恢复为活跃模式，以便在随后的某个时刻，这些网络边界节点能够实时监测到有可能会再次进入网络的移动目标。

情况2：当圆O处于网络边界外部的面积并未超过提前设定的阈值时，则按照下文给出的“非边界网格”的方法进行相应的处理。

(b)若网格G_u是非边界网格，则：

步骤1：判断目标是否即将离开当前所在的网格

当圆O此时处于网格G_u外的面积S_out(O)超过了一定的阈值时，则表明移动目标O在t+Δt时刻有移动至邻居网格的可能性。为了确定该可能性的大小，这里定义“移动目标O离开当前所在网格G_u的权重”>out(G_u)如下：

在公式(9)中，θ_k是指移动目标的速度矢量与目标到网格各边界的垂线间的夹角(见图6中的夹角θ₁和θ₂)，λ为可调参数。由公式(9)可以看出，本发明在预测移动目标的运动轨迹时，不仅考虑到了目标在下一时刻可能到达的区域，还将目标当前的速度方向作为了一个重要参数，这在一定程度上大大提高了系统判断移动目标运动趋势的准确性。

若在经过公式(9)的计算后发现W_out(G_u)的值超出某一阈值W_out′，则说明移动目标即将离开当前网格G_u的可能性较大，为了确保目标跟踪的实时性和准确性，需要使目标在t+Δt时刻可能移动到的区域附近的传感器节点都处于活跃模式，并尽可能地确定目标在t+Δt时刻最有可能移动到的网格。

移动目标O当前所在网格Gu采用卡尔曼滤波方法，对移动目标在t+Δt时刻的位置进行预测得到即将移动到的网格位置信息；移动目标即将移动到的网格的邻居网格内传感器节点都设置为活跃模式；

步骤2：确定处于“预跟踪态”和“备跟踪态”的网格

令圆O的范围所覆盖到的每一个邻居网格G_v都分别按照公式(10)>in(G_v)。由几何关系易知(见图6)，在当前时刻t，网络内最多存在3个这样的网格>v。不难看出，在图6所示的场景中，这样的网格是G_i、G_j和G_k。

在公式(10)中，S(O,G_v)指的是圆O与网格G_v所重叠区域的面积大小，参数μ_k则是指移动目标O当前的速度矢量与目标同网格G_v的中心点的连线矢量(方向指向G_v的中心点)间的夹角(即图6中的μ₁、μ₂和μ₃)，λ′则为可调参数。

当圆O的覆盖范围内的每一个邻居网格G_v计算完各自的W_in(G_v)>in(G_v)的大小。W_in(G_v)最大的网格，则进入“预跟踪态”(如图7中的网格G_i)，此时该网格内的所有传感器节点均切换为活跃模式；而其余计算过W_in(G_v)的邻居网格，则进入“备跟踪态”>j和G_k)，处于“被跟踪态”下的网格则会将内部的网络边界节点和网格簇头节点均切换为活跃模式，而其余节点则保持监听模式不变。

(4)网络状态的更新

网络节点在对目标进行定位和轨迹预测的过程中，节点的工作模式、网格的状态以及网络的状态都在随着目标的移动而不断地发生改变，具体过程如下：

(a)若在t时刻，位于网格G_u内的移动目标O，在t+Δt时刻进入到了处于“预跟踪态”的某网格中(如图7中的网格G_i)，则网格G_i开始变为“跟踪态”；同时，为了降低不必要的感知能耗开销和网络能耗，G_i内的网格簇头节点会通知网格G_u和所有处于“备跟踪态”的网格(如图7中的网格G_j和网格G_k)内的节点，使它们均恢复至监听模式，即：取消它们的“跟踪态”和“备跟踪态”，如图8所示。

(b)若在t时刻，位于网格G_u内的移动目标O，在t+Δt时刻进入到了处于“备跟踪态”的某网格中(如图7中的网格G_k)，则网格G_k将开始变为“跟踪态”；同时，为了做好迎接即将到来的目标的准备，网格G_k中的网格簇头节点需要通知其网格内的所有网格成员节点均转变为活跃模式(由前述定义可知，处于“备跟踪态”的网格中，仅有网格簇头和网络边界节点处于活跃模式)，即网格G_k由“备跟踪态”变为了“跟踪态”，如图9所示。同样地，为了降低不必要的感知能耗开销和网络能耗，网格G_k内的网格簇头会通知网格G_u和所有处于“预跟踪态”和“备跟踪态”的网格(即图7中的网格G_i和网格>j)内的所有节点，使它们均及时地恢复至监听模式，即：取消它们的“跟踪态”、“预跟踪态”或“备跟踪态”等状态，如图9所示。

(c)若在t时刻正处于“跟踪态”的网格G_u，满足了W_out(Gu)>W_out′的情况，而移动目标却在t+Δt时刻仍然停留在了网格G_u内(尽管这种情况出现的可能性并不算大)，同样地，为了降低不必要的感知能耗开销和网络能耗，网格G_u内的网格簇头将会通知网络内所有处于“预跟踪态”和“备跟踪态”的网格内的所有节点，使它们均恢复至监听模式，即：取消这些网格的“预跟踪态”或“备跟踪态”，如图>

值得一提的是，为了减少不必要的感知开销和网络能耗，在上述的(a)和(b)这两种情况下，若网格G_u和网格G_v分别是边界网格和非边界网格，且若所有的网络边界节点在t+Δt时刻都处于活跃模式，则网格G_v内的网格簇头还需要向所有处于网络边界网格中的网格簇头广播“目标仍在网络内部”的消息，而收到此消息的网格簇头及其网格内成员节点则会恢复为监听模式。

(5)目标丢失后的恢复机制

Step1：当发现目标丢失时，在上一时刻t已完成对移动目标定位的传感器节点，立即向其所在网格的网格簇头发送Error(ID,t,v_t,>t)消息。这其中，ID为该节点的编号，v_t和a_t分别代表移动目标在>

Step2：当网格簇头收到其网格内成员发送来的Error消息后，立即向其所在网格的所有邻居网格内的网格簇头广播此消息；

Step3：邻居网格内的网格簇头收到此Error消息后，立即唤醒其所有的网格内成员节点，使它们均切换为活跃模式，以便于目标开展搜寻。若仍未能发现目标，这些网格簇头则会继续将此Error消息广播至网络内的其他网格簇头节点，以便唤醒更多的节点来搜寻目标，依次循环这个广播的过程，直至网络内的所有网格簇头节点均接收到目标已丢失的消息。

Step4：网络内一旦有节点发现目标，则该节点立刻向其所属网格簇头发送一个应答包Find(ID,t′,v_t′,a_t′)。同样地，v_t′和a_t′是目标在当前时刻t′的速度和位置坐标(若当前无法完成对目标的定位，则a_t′字段可以为空)。同时，令该网格簇头所在的网格变为“跟踪态”；

Step5：“跟踪态”网格内的网格簇头向其所有邻居网格中的网格簇头转发该Find消息，以表示其重新发现了目标。而收到Find消息的网格簇头进一步将该消息发送至其它仍在搜寻目标的网格，直至网络内的所有网格簇头均收到目标已找到的消息，同时这些网格簇头会将其自身和其网格内成员节点均还原为监听模式。

以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明技术原理的前提下，还可以做出若干改进和变形，这些改进和变形也应视为本发明的保护范围。