一种基于IMM-LSTM-C跟踪和IBPDO的节点选择联合框架，用于水下声学传感器网络中的高效协作跟踪 张文博、 侯亚迪、 朱洪波

《Sensors》：A Joint Framework of IMM-LSTM-C Tracking and IBPDO-Based Node Selection for Energy-Efficient Cooperative Tracking in Underwater Acoustic Sensor Networks Wenbo Zhang, Yadi Hou and Hongbo Zhu

　　

摘要

随着水下航行器的日益普及，传感器网络中对目标进行精确且节能的跟踪变得至关重要。然而，现有的方法大多分别关注跟踪精度和能源效率，而一个能够同时优化这两者的系统级框架仍然缺失。为了解决这一难题，本文提出了一个联合优化框架，该框架具有两个主要贡献。首先，为了在复杂机动条件下提高跟踪精度，我们开发了一种基于长短期记忆分类（IMM-LSTM-C）的交互式多模型算法，该算法将多步模型概率整合到LSTM网络中以实现精确的运动分类，相比IMM-BP算法，精度提高了7.1%。其次，为了在保持跟踪性能的同时降低网络能耗，我们引入了一种改进的二元草原犬优化（IBPDO）算法用于节点选择，并通过柯西变异和基于对立的学习机制对该算法进行了增强。仿真结果表明，IBPDO的精度比BWOA高出6.1%–8.2%，并且与LNS相比能耗降低了12%。此外，整个联合框架展现了协同效应，使得跟踪误差减少了19.3%，能耗降低了15.4%，相比IMM + LNS基线方案有显著改进。所提出的框架在水下声学传感器网络中实现了跟踪精度和能源效率之间的有效平衡。