ردگیری هدف با مانور شتاب‌دار با روشqdcac در شبکه‌های حسگر بی‌سیم با مقیاس بزرگ

روش‌های ردگیری مبتنی بر الگوریتم‌های بیزین در شبکه‌های حسگر بی‌سیم با توجه ‌به دقت ردگیری و مقیاس‌پذیری مناسب از متداول‌ترین روش‌ها می‌باشند. اما از سوی دیگر این روش‌ها، به علت سربار مخابراتی زیاد دارای کارآمدی لازم در پهنای باند و انرژی نیستند. باتوجه‌به محدود بودن منبع انرژی هر گره، در این مقاله روشی ترکیبی به نام qdcac مبتنی بر خوشه‌بندی دینامیک و فیلتر ذره‌ای چند مدی پیشنهاد شده است. در این روش با استفاده از خوشه‌بندی دینامیک بر اساس باند کرامر رائو پسین، موقعیت استخراج شده را به‌عنوان ورودی فیلتر ردگیر برای تخمین مکان و سرعت هدف مانور دار به کار گرفته و برای تعیین سرگروه بعدی و بیدارسازی گره‌های حسگر موثر در ردگیری از مکان تخمین زده شده هدف استفاده می‌کند. مشاهده می‌شود که در روش پیشنهادی مذکور علی‌رغم غیرخطی‌بودن الگوریتم پیمانه سازی مشاهدات و با وجود کاهش دقت نمونه‌های ارسالی به میزان 50 درصد (4 بیت) به‌منظور کاهش سربار اطلاعاتی و کاهش توان مصرفی شبکه، میزان دقت مکان یابی در الگوریتم ردگیری در حد بهتر از 1/7متر حفظ می‌شود که در گستره 8000متر مربعی میدان تست، مقدار مطلوبی است.

target tracking with accelerated maneuver using qdcac method in large scale wireless sensor networks

tracking methods based on bayesian algorithms are the most common methods in wireless sensor networks due to tracking accuracy and appropriate scalability. but، on the other hand، due to the high telecommunication overhead، these methods do not have the necessary efficiency in terms of bandwidth and energy. due to the limitation of the energy source of each node، in this article a combined method called qdcac based on dynamic clustering and multimode particle filter for target tracking is proposed. in this method، using the dynamic clustering based on the posterior cramer rao lower band، the extracted position is used as the input of the tracking filter to estimate the position and speed of the maneuvering target and uses the estimated location of the target to determine the next master node and wake up the sensor nodes effective in tracking. it can be seen that in the proposed method، despite the non linearity of the observation quantization algorithm and reducing the accuracy of the sent samples by 50% (4 bits) in order to reduce the information overhead and reduce the power consumption of the network، the accuracy level in the tracking algorithm is better than 1.7 meters، which is a desirable value in the 8،000 square meter test field.