摘要：该文提出了一个新的基于跟踪单个移动目标的移动传感器网络蜂拥控制方法。这个方法通过控制网络中所有移动传感器质心的位置和速度（Single-CoM）或者每个传感器和它邻域质心的位置和速度来跟踪并观察一个移动目标（Multi-CoM）。此外，在自由空间内，质心的位置和速度按指数规律地向移动目标聚合。基于这种方法，目标节点将一直位于传感器网络的中心，而这对于传感器认识和辨别目标节点无疑是一个很大的优势。并且在整个目标跟踪过程中保证了移动传感器间无冲突和速度匹配，同时我们也研究了算法的稳定性。

　　关键词：蜂拥；目标跟踪；移动传感器网络；避障

　　中图分类号：TP311 文献标识码：A 文章编号：1009-3044（2014）07-1397-04

　　1 概述

　　近年来，传感器网络[1]被广泛研究，由于移动传感网络具有更好的对环境变化的适应性以及可重构性，因此移动传感网络可应用于众多如目标跟踪监测中的水下潜艇探测、保护濒危物种之类的领域。但是采用移动传感器来跟踪监测移动目标节点的过程中障碍物是不可避免的，这就要求我们采用合作控制方法。其中我们采用的是蜂拥控制方法，蜂拥是这样的一种现象：众多传感器在一起移动并相互通信的同时还确保无冲突、速度匹配以及向中心汇聚。大自然中的鱼、鸟、蚂蚁、蜜蜂之类就很好的说明了这点。多年来有关蜂拥控制的问题一直是研究的热点，近年来更是吸引了物理、数学和生物，尤其是控制科学方面的众多研究者。

　　本文提出了一个新的跟踪移动目标并躲避障碍的蜂拥控制移动传感器网络方法。在此方法中，Single-CoM和Multi-CoM被用来跟踪监测移动目标节点的位置。其主要目的是利用移动传感器网络的质心来跟踪监测目标节点。这意味着所有的移动传感器可以紧密的围绕在目标节点周围，使得传感器网络可以比较容易并且精确的观察识别目标节点。此外，在跟踪的过程中，无冲突和速度匹配得到了很好的保障。同样我们也考虑了算法的稳定性，并且在自由空间内，质心的位置和速度按指数规律地向移动目标聚合的。

　　2 相关研究

　　近些年提出了许多关于蜂拥控制的方法。Wang和Gu[2]基于图论、势函数、网络通信以及系统稳定性分析展现了机器人蜂拥方面的一些研究成果。文献[3]中提出了分布式蜂拥算法设计和分析的理论架构，此算法解决了自由空间和存在障碍物空间内的蜂拥问题。文献[4]和[5]提出了一个扩展了的蜂拥算法：在蜂拥群体中有一个速度不断变化的虚拟的领导者，并且只有少数的蜂拥个体知道。Shi和Wang研究了在虚拟领导者的状态以及蜂拥个体和周围相邻个体之间拓扑关系不断变化时移动个体的动态属性。Tanner等在文献[6]和文献[7]中利用动态双重积分器研究了在稳定或动态拓扑图下多个移动代理系统的稳定性。其中有关移动器械蜂拥算法的实验在文献[8]中得到了说明。Olfati-Saber在文献[9]中提出了一种基于跟踪监测移动节点蜂拥算法的针对移动传感器网络的蜂拥算法。文中还提出了一个扩展了的用来估测目标节点位置的Kalman过滤算法。在文献[10]中开发了一个可升级的多媒体平台来展示合作控制系统和传感器网络，并用5个TXT-1巨型卡车器械做实验使蜂拥问题得到了解决。

　　本文提出了具有避障功能的蜂拥算法的基础，并基于避障时利用蜂拥控制去跟踪监测移动目标节点提出了Single-CoM和Multi-CoM。

　　3 基于跟踪移动目标的蜂拥控制

　　3.1 蜂拥背景

　　4 总结

　　这篇论文研究了基于跟踪监测移动目标的移动传感器网络蜂拥控制方法。为了移动节点在有效地跟踪目标的同时，并保持传感器节点间的排列和无冲突，提出了基于single-CoM和Multi-CoM的蜂拥控制算法。同时也证明了所有移动节点质心的位置和速度按指数规律向目标聚合。很明确，通过控制质心，移动传感器网络节点能更好地跟踪和监测目标。也就是说，网络中所有传感器可以紧密围绕目标，这样它们更容易对目标进行识别。

　　参考文献：

　　[1] D.Culler，D.Estrin，and M.Srivastava.Overview of sensor networks[J].IEEE Computer，2004，37（8）：41-49.

　　[2] Z.Wang and D.Gu.A survey on application of consensus protocol to flocking control[C].in Proc of the 12th Chinese Automation and Computing Society Conference in the UK，England，2006：1-8.

　　[3] R.Olfati-Saber.Flocking for multi-agent dynamic systems：Algorithms and theory[J].IEEE Transaction on Automatic Control，2006，51（3）：401-420.

　　[4] H.Su，X.Wang，and Z.Lin.Flocking of multi-agents with a virtual leader part i：with a minority of informed agents[C].in Proc.46th IEEE Conf.Decision and Control，2007：2937-2942.

　　[5] H.Su，X.Wang，and Z.Lin.Flocking of multi-agents with a virtual leader part ii：with a virtual leader of varying velocity[C].in Proc.46th IEEE Conf.Decision and Control，2007：1429-1434.

　　[6] H.G.Tanner，A.Jadbabai，and G.J.Pappas.Stable flocking of mobile agents，part i：fixed topology[C].Proceedings of the 42nd IEEE Conference on Decision and Control，2003：2010-2015.

　　[7] H.G.Tanner，A.Jadbabai，and G.J.Pappas.Stable flocking of mobile agents，part ii：dynamic topology[C].Proceedings of the 42nd IEEE Conference on Decision and Control，2003：2016-2012.

　　[8] A.Regmi，R.Sandoval，R.Byrne，H.Taner，and C.T.Abdallah.Experimental implementation of flocking algorithms in wheeled mobile robots[C].American Control Conference，2005：4917-4922.

　　[9] R.Olfati-Saber.Distributed tracking for mobile sensor networks with information driven mobility[C].Proceedings of the 2007 American Control Conference，2007： 4606-4612.

　　[10] D.Cruz，J.McClintock，B.Perteet，O.A.orqueda，Y.Cao，and R.Fierro[J].Decentralized cooperative control a multivehicle platform magazine，2007：58-78.