在基于线性拟合的算法中较传统的算法是根据k 和k+1时刻的测量值来预测k+2 时刻的位置，易造成预测不准确及目标节点丢失的现象，但是对于传感器网络来说能量因素至关重要，因此应在计算复杂度低的前提下想方设法提高跟踪定位精度.本文基于线性拟合的思想，分析跟踪过程中的特点，选择合适的预测数据并采用多簇头结构，以提高跟踪精度.降低目标丢失率.

　　2 相关工作

　　2.1 预测数据选取

　　目标运动轨迹虽然无规律可寻，但在相当长的一段时间内它的运动趋势保持不变.如图1 所示，为目标在二维平面上沿X 轴正向运动时的情况（图中轨迹为任意曲线，为描述方便当目标发生转弯时称其为到达极值点）.可见目标在两个极值点之间时，沿X 轴和Y 轴的增减性不变；当到达极值点时，沿X 轴或Y 轴的增减性将会发生变化.既然目标在两个极值点之间运动趋势不变，可以根据这段时间内的历史数据来预测该段轨迹，即利用趋势相同的一段数据来预测目标节点下一位置，此时将极值点作为分界线.

　　运用符号函数来判断是否到达极值点.如图1 所示，当目标沿X轴正向运动时，若满足Sgn（xi-xi-1）* Sgn（yi-yi-1）==Sgn（xi+1-xi）* Sgn（yi+1-yi），则说明目标未到达极值点，相反则说明目标到达极值点；当目标反向运动时，X 轴和Y 轴的增减性同时变化.

　　集合F 用于存放预测所需的历史数据.在到达第一个极值点之前可以用（x1,y1）.（x2,y2）…（xi,yi）来预测（xi+1,yi+1）的位置，此时集合F={（xr,yr）|r=1,2,…，i}.利用符号函数判断目标是否达极值点，若到达极值点，即Sgn（xi-xi-1）*Sgn（yi-yi-1）/Sgn（xi+1-xi）* Sgn（yi+1-yi），则清空集合F中的所有数据项，将当前定位坐标及前一次的定位坐标放于F中，组成新的数据信息集合；否则，不断地向集合F中加入新的数据项.

　　2.2 多级簇头结构

　　利用不同级别的簇头在不同阶段完成不同的任务，最终达到提高定位跟踪精度.降低目标丢失率的目的，将簇头分为：主簇头.辅助簇头和预备簇头.

　　主簇头的选取需要兼顾剩余能量及与目标节点距离两个因素，且应选择能量较大.与目标距离近的节点作为主簇头.设当前簇头i 的剩余能量为Ei,测得与目标的距离为Di,根据式（1）计算簇头i 的阈值Ti: