本项目将分析目前传感器网络中图像数据的特征，提出面向图像传感器的压缩算法；根据无线网络传输的带宽和图像数据的特点，提出图像传输时提高带宽的方法。针对传感器网络实时性的要求，研究传感器网络中图像的实时信号处理、运动物体的实时捕获与跟踪、目标识别等技术。从传感器节点和无线通信协议两方面出发，提出含图像节点的传感器网络能源管理算法。实现具有无中心节点、自组织、自配置、多级跳跃等特性的低功耗图像传感器网络 2100433B

无线传感器网络观测数据的时空相关性揭示了无线传感器网络部署环境的动态性与不确定性，对指导和优化无线传感器网络的节能设计有重要意义。本项目以概率图模型为主要工具，分析和建模无线传感器网络中普遍存在的时空相关性，在此基础上研究高效的节能策略，主要包括：研究传感器节点的时空相关性双聚类方法，同时从时间和空间两个维度将观测数据进行聚类分析；基于时空相关性聚类结果，研究相应的拓扑控制策略来降低活跃节点的数量，达到显著节能的效果；利用动态条件随机场对观测数据的时空相关性进行建模，研究相应的参数估计方法，通过对活跃节点的观测来精确推断其他节点的状态。本项目的预期成果拟在保证实际应用性能的前提下，有效的降低必需的活跃节点数量，达到无线传感器网络显著节能的目标。

为了延长网络生存时间或保证网络的连通性，可以在无线传感器网络中布置少量专门用于路由数据的中继节点。本项目以几何理论为基础，系统深入地研究了无线传感器网络中的中继节点布置问题，主要研究内容和研究结果包括： (1) 研究了不同网络模型和优化目标下的簇内中继节点布置问题，由于作为簇头的中继节点的功能类似于一个独立网络中的基站，因此无线传感器网络中的基站布置算法也可用于求解类似的簇内中继节点布置问题。(i) 假设传感器节点可以自动调整其无线发送功率，提出了一种基于最速下降法的中继节点布置算法，使得传感器节点发送数据所消耗的总功耗最小。在该算法中，先选择基站的一个初始位置，然后沿着负梯度方向，通过不断迭代求出总功耗的极小值点。实验结果表明，该算法可以得到使得传感器节点总功耗最小的中继节点位置。(ii) 假设传感器节点可以自动调整其无线发送功率，提出了一种基于贪婪搜索的中继节点布置算法，最大化了所有传感器节点的最短生存时间。首先证明了对于一个三维无线传感器网络，中继节点的最优位置最多只取决于所有传感器节点中的某四个节点，然后通过贪婪搜索得到这四个节点。相比现有算法，该算法可以适用于三维空间。(iii) 假设传感器节点具有固定的无线发送功率和通信范围，提出了一种基于平面分割的中继节点布置算法，使得传感器节点用于传输数据的总功耗最小。通过所有传感器节点的通信圆来分割二维平面，可以得到有限多个具有不同总功耗的中继节点位置，从而将中继节点位置在二维平面的无限搜索空间缩小为有限多个搜索空间。实验结果表明，该算法可以得到使得传感器节点总功耗最小的中继节点位置。 (2) 研究了单层网络中满足连通性的中继节点布置问题，提出了一种基于合并连通片的近似算法，以最小化使得网络连通所需的中继节点数目。在该算法迭代求解过程的每步中，先基于Voronoi图求出各个连通片的外围节点，然后尝试布置最小数目的中继节点，以连接其中两个连通片或三个连通片中的外围节点，形成新的连通片，重复该迭代过程直至所有节点连通。实验结果表明该算法得到的平均中继节点数目约为现有算法的90%。 通过本项目的研究，推动了无线传感器网络中继节点布置问题的研究，促进了项目组团队的成长，已发表和录用了5篇相关论文，其中3篇被SCI收录，5篇被EI收录，此外还有4篇论文已投稿，已培养了1名硕士研究生毕业，现有5名在读硕士研究生正在研究此方向。 2100433B

本课题以无线传感器网络的目标跟踪为背景，研究节能的目标跟踪协议和算法，解决目前目标跟踪协议存在通信量大、参与跟踪的节点数目多从而导致耗能多的问题。具体研究无线传感器网络目标跟踪机制，节点感应度计算模型，并研究基于节点感应度的目标定位与跟踪算法。 本项目提出了一种节点感应度计算模型，该模型主要利用传感器节点感应到的信号强度与离目标的距离互相关特性，即感应到的信号强度越大，则感应度值越高。感应度值将作为跟踪过程中节点是否参与跟踪的依据之一。提出了基于多边形的目标跟踪框架-FaceTrack,该跟踪框架包括目标在多边形区域之间的穿越过程中目标跟踪方法，节点唤醒与休眠时机、主跟踪节点的选择方法等。模拟结果表明，FaceTrack跟踪框架能有效定位目标所在多边形区域。为了提高跟踪精度，即实现目标在多边形内部动态移动的跟踪与定位，本项目以节点感应度模型为基础，提出了一种节点自主决策是否参与跟踪的目标跟踪算法（NS-ADTT），该算法基于定位边采用加权质心算法对目标位置进行估计，并且，节点可根据自身感应度值及局部网络情况自主决策是否参与当前跟踪。仿真结果表明，在目标跟踪过程中，该算法在保证一定跟踪精度的基础上减少了参与跟踪的节点数， 降低了网络能耗，有效地延长了网络生命周期。 本项目对其他跟踪模式进行了探索，基于拍卖的思想，提出了基于拍卖的目标跟踪算法Auction-Based Adaptive Sensor Activation Algorithm(简称AASA)。拍卖机制让预测区域内的节点通过竞争产生最适合参与目标跟踪的节点。拍卖过程充分考虑了节点的剩余能量以及节点到目标预测距离。模拟结果表明,算法AASA在保持可接受跟踪质量的前提下,能有效地解决能量消耗不平衡的问题。