A NSGA-II based sensor selection scheme for target tracking in wireless sensor networks

Abstract

Bu tezde, kablosuz algılayıcı ağında (KAA) hedef takip problemi ̈uzerinde çalışıyoruz. Hedef enerji yayar ve algılayıcılar bu enerjiyi ̈olçüp, ̈olçümlerini Tümleştirme Merkezi (TM)'ne gönderir. TM bu ̈olçümlere göre hedefin yerini tahmin eder. Bir KAA'nın kaynakları sınırlı olduğundan, bütün algılayıcıları kullanmak yerine, yalnızca en bilgilendirici algılayıcılardan ̈olçümler almak ̈onemlidir. Amacımız, Baskınlanmamış Sıralayan Genetik Algoritma-II(BSGA-II)'yi kullanarak, iki ayrı ve birbirileriyle ters orantılı görev fonksiyonları olan tahmin hatasını ve gönderim yapan algılayıcıların toplam sayısını her zaman adımında minimize etmek için bir algılayıcı seçme stratejisi bulmaktır. Litaratürde bulunmuş sonuçlardan farklı olarak, hedefimiz doğru değişkenleri kullanarak BSGA-II'den sonuçları daha hızlı ve hatasız alabilmektir. ̇Ilk olarak, giriş ̧popülasyonunu her zaman adımında rastgele oluşturmak yerine, ̈onceki zaman adımının sonucundaki çözümleri kullanarak şimdiki zaman adımındaki giriş ̧popülasyonunu oluşturuyoruz. ̇Ikinci olarak, BSGA-II'yi en iyi sonuçları içeren listeyi(Pareto- Optimal Front) elde etmek için gereğinden fazla nesille çalıştırmak yerine, Nesilsel Uzaklık ̈olçüsünü kullanarak bir durdurma kuralı tanımlıyoruz. Buna ek olarak, KAA'da farklı popülasyon miktarları, geçiş ̧operatörleri, işlem gürültüsü katsayıları ve toplam algılayıcı sayıları kullanarak elde ettiğimiz çözümleri karşılaştırıyoruz.

In this thesis, we study the sensor selection problem in target tracking for a wireless sensor network (WSN). The target emits energy and the sensors transmit their measurments from the target to the Fusion Center (FC). FC estimates the location of the target by using these measurements. Since a WSN may have limited resources, it is critical to gather measurements only from the most informative sensors rather than all the sensors in the WSN. Our aim is to find the sensor selection strategy at each time step of tracking by the joint minimization of objective functions representing the estimation error and total number of sensors transmitting to the FC, where we use a Non-dominated Sorting Genetic Algorithm - II (NSGA-II) to determine the solutions between the two conflicting objectives. Different from the existing results in the literature, our aim is to get the solutions of NSGA-II accurate and fast by setting right parameters. Firstly, rather than randomly initializing the initial population of NSGA-II at each time step of tracking, we use the solutions of the previous time step in the initial population of the current time step. Secondly, rather than executing NSGA-II for excessive generations to observe the near Pareto-optimal front, we define a stopping rule by using the Generational Distance metric. We further compare the solutions proposed Multi-objective optimization problem under different population sizes and crossover operators as well as under target trajectories with different process noise parameters, and different total number of sensors in the WSN.