一组移动智能体的多模式跟踪

我们考虑在给定来自组成员的含噪 RSSI 测量值与位置估计、且可用计算与能量资源有限的情况下，跟踪一组移动节点的问题。多边定位（multilateration）方案以高能效著称。然而，这些方案不能直接应用于邻域与资源可用性可能频繁变化的动态分组场景。现有的算法，如基于簇的 GPS 占空比调度、基于个体的跟踪以及基于多边定位的跟踪，只能部分应对动态分组场景的挑战。为有效应对这些挑战，我们提出了一种新的基于组的多模式跟踪算法。所提算法考虑组的拓扑结构以及资源的可用性，并在任意特定时刻决定最佳方案。我们采用一种聚类方法，其中簇头协调簇成员间的资源使用。我们针对各种固定采样间隔评估了所提算法的能量-精度权衡。评估基于使用 Reynolds 集群模型生成的 40 个节点的二维位置轨迹。在给定能量预算下，与现有节能协作算法相比，所提算法将平均跟踪误差最多降低 $20\%$。此外，所提算法在使用几乎一半能量的同时，精度与基于个体的跟踪相当。