针对多传感器目标跟踪中的能源使用和跟踪精度之间的不平衡问题,提出了一种权衡网络寿命和精度的方法,即基于自适应预测聚类的多组群目标跟踪方法(APCMT),实现了同时跟踪多个组群。首先进行聚类,即捕捉组群行为属性的改变,例如形成、合并以及分裂;然后选择传感器,激活对组群区域有贡献的传感器,并进行组群跟踪。仿真场景在1 000 m×1 000 m的正方形区域内,随机部署500个传感器,与Kalman、效能节点选择(EENS)方法以及改进的动态簇(IDC)方法相比,提出的方法在跟踪精度方面更高。由于需要激活的传感器更少、计算时间更短,网络寿命得到了明显的提升。
