基于整体加权的多源数据融合研究

针对无线传感器网络中数据融合问题,分析了基于融合算法下数据压缩和节能的关系,在归纳和研究现行的融合算法后,对独立于应用的数据融合,提出了先单个传感器加权再整体加全权的融合算法,通过两次加权,使算法性能达到最优。通过软件层面设置加权参数实现数据压缩和传输,有效地提高决策准确性和节约能量。同时,根据无线传感器的数据冗余方式,结合路由传输机制,可以实现在传输层的数据整合,减少数据无效发送,延长无线传感器网络的周期。     

基于时间周期的无线传感器网络数据融合

无线传感器网络中传感器的能量有限,怎样节约能量延长传感器的寿命,是无线传感器研究网络研究中的重要问题。数据融合作为无线传感器网络的关键技术之一,它的作用体现在减少数据的上传量,提高数据准确性,节省能量等方面。研究传感器节点收集到的大量数据,发现数据满足周期性,提出了基于时间周期的数据融合算法。在融合算法中根据历史数据基于拉格朗日插值法的预测算法预测未来数据,设置误差阈值来检测预测数据。室外温度数据满足文章研究的条件,因此基于时间周期的无线传感器网络数据融合算法以沈阳地区夏天温度数据为样本,用Matlab进行仿真实验对该算法进行了验证,实验结果表明该算法减少了传输的数据量,节约了节点的能量,延长了网络的寿命。     

一种基于多叶节点生成树的低延时数据融合调度算法

无线传感器网络是物联网信息采集的基础载体。数据融合技术在节省无线传感器网络资源的同时会引起较大的延时。在实时应用场景下,研究最小延时数据融合调度问题就非常关键。首先给出了最小延时数据融合调度问题的形式化描述,依据多叶节点融合树有利于增加同时传输的节点数量的思想,提出了一种基于多叶节点生成树的低延时数据融合调度算法(LDAS),该算法包括多叶节点数据融合树的构建阶段和融合调度阶段。最后通过仿真和对比证明了方案的有效性。     

无线传感器网络中一种高效的安全数据融合协议

为了降低无线传感器网络能耗,保障网络安全,设计了一种基于模式码的安全数据融合算法。在传感器网络中借助于模式码进行数据融合,保障采集数据的安全,采用模糊算法获取传感器节点采集数据的状态,只将紧急数据和变化了的一般数据的模式码送到簇头进行处理,实现了网络能耗的最小化。     

基于数据融合的无线传感器网络路由协议

在无线传感器网络中,各个协议层的数据融合技术都有各自的算法,而网络层的数据融合技术则主要是与路由协议相结合。本文根据数据融合和路由协议的基本原理,分析了几种结合路由协议的数据融合算法,并对这几种算法进行分析和比较。     

无线传感器网络中一种高效的安全数据融合协议

为了降低无线传感器网络能耗,保障网络安全,设计了一种基于模式码的安全数据融合算法。在传感器网络中借助于模式码进行数据融合,保障采集数据的安全,采用模糊算法获取传感器节点采集数据的状态,只将紧急数据和变化了的一般数据的模式码送到簇头进行处理,实现了网络能耗的最小化。     

无线传感器网络LEACH路由协议的簇头多跳算法

针对无线传感器网络LEACH路由协议簇头分布不均匀、网络拓扑和能量消耗不均衡的问题,提出基于DCHS簇头选择策略的无线传感器网络LEACH路由协议的簇头多跳算法LEACH-MUL。该算法在非簇头节点中选择一个节点作为通信簇头节点,其它簇头节点进行融合后的数据发送到该簇头节点并进行数据再次融合,最后通信簇头节点将数据融合后的结果数据发送到基站BS。LEACH-MUL算法能够有效地均衡节点能耗,提高能量利用率,延长网络寿命。     

具有优化和安全特征的基于模式码比较的WSN数据融合协议

数据融合及其安全性是无线传感器网络(wireless sensor network,WSN)实现高效、安全通信的关键.提出了一种具有优化和安全特征的模式码比较无线传感器网络数据融合协议,在该协议中,基于非物理意义的模式码保证了数据的机密性,传感节点利用模式比较算法实现数据融合,结合一种优化的发送节点选择机制,在进行数据...     

基于神经网络的多传感加权融合算法的研究

数据融合技术是无线传感器网络的一个关键的技术,能减少传感器的传输量,从而明显提高网络的感知性能,延长网络生命周期,减少时间延迟.多传感器的数据融合可以获得比单一传感器更多,更准确的信息.针对从含有噪声的测量数据中估计出监测变量,对自适应加权融合算法进行改进,基于信任度方法对测量数据进行数据预处理,然后基于神经网络误差修正的方法实现各传感器权重的自适应匹配,从而得到较为准确的估计值.通过对比仿真实验,本文算法的融合结果在精度、容错性方面均优于均值估计算法和自适应加权融合算法;能够更好地适应当今大数据环境下对数据精确度的要求.     

基于数字水印的无线传感器网络数据安全融合方案

针对无线传感器网络中数据的安全问题,提出了一种基于数字水印的无线传感器网络数据安全融合方案。构建数据融合树将节点分层;叶节点采集数据后加密并向上层节点转发,每个中间节点接收到子节点的数据包之后先判断来源,然后验证数字水印以判断数据的正确性并进行数据融合处理,再将结果继续转发给上层节点,以此类推,直到基站收到数据结果。分析表明,此数字水印算法能够有效防止传感器数据被窃听,还能检测出数据在传输过程中是否被篡改。根据仿真结果,数据融合算法与其他算法相比,降低了单个节点传输数据的能量消耗,从而降低了整个网络的能量消耗,一定程度上延长了网络的生命周期,有一定的实用价值。     

基于回归预测算法的无线传感器数据融合

无线传感器网络技术作为21世纪最有影响力的世纪技术,得到了越来越多的广泛关注,而无线传感器的能量问题,是制约无线传感器网络发展的核心问题之一。由于无线传感器的能量十分有限,因此要求尽最大可能减少能量的消耗,进而达到延长使用寿命的目的。课题从研究无线传感器节点采集到的数据开始,通过对采集到的周期数据进行分析,找出某种潜在规律,从而选择一种现有的回归模型进行下一周期的预测,如果下一采集周期的采集数据满足预测规律,则不必向汇聚节点上传数据,进而减少了数据的传送次数,节约了能量。基于回归预测算法的无线传感器数据融合是依据沈阳地区的温度数据为样本,同时应用MATLAB仿真模拟,根据模拟验证的结果表明该算法确实做到了减少数据的传输量,达到了节约传感器能量,延长了无线传感器网络寿命的目标。     

无线传感器网络数据融合低能耗睡眠调度算法

数据融合是解决无线传感器网络能量受限问题的关键技术之一。对节点状态的合理调度能够对数据融合过程的网络能耗进行优化。文中从传感器节点能量消耗模型着手,提出了一种适用于周期性数据融合的低能耗睡眠调度算法。该算法在分析影响网络能耗根本因素的基础上,采用时分复用方法,通过减少数据传输次数、降低网络融合时延,实现低能耗的数据融合。实验与仿真结果表明,该算法能够在各种融合树结构下有效降低网络能耗。     

基于信任模型的WSNs安全数据融合算法

为了抵御无线传感器网络内部的恶意攻击行为和故障节点的误操作行为对数据融合结果的影响,提出一种基于信任模型的多层不均匀分簇无线传感器网络安全数据融合算法.该算法基于多层不均匀的分簇网络拓扑实现安全数据融合能够有效均衡网络中节点的能耗.通过节点间的通信行为和数据相关性建立信任评估模型,并引入动态的信任整合机制和更新机制,实现簇内和簇间的信任评估,选择可信融合节点并将可信节点所收集的数据进行基于信任值加权的数据融合.仿真实验表明,该算法能够实现精确的信任评估,有效识别内部恶意攻击节点,得到的数据融合结果具有较高的精确度,实现了安全的数据融合.     

基于GA优化BP神经网络的WSN数据融合技术研究

为减少无线传感器网络中节点的数据通讯量,降低能量消耗,达到数据融合的目的,设计了一种基于遗传算法优化BP神经网络的数据融合算法(BPGA),阐述了数据融合原理、BP神经网络和遗传算法,介绍了遗传算法优化BP神经网络的数据融合方法,利用遗传算法优化神经网络的权值、阀值及隐含层结构,然后通过优化后的神经网络提取无线传感器网络中原始数据的特征信息,并将特征信息发送给汇聚节点,从而提高网络数据采集效率,延长网络生命周期。最后通过与LEACH、BPNDA算法进行仿真实验比较,证明了其有效性。     

基于UKF的无线传感器异步数据融合优化算法

提出了一种基于无迹卡尔曼滤波(UKF)的无线传感器异步数据融合算法,利用RNAT机制识别无线传感器网络中的冗余节点,构造数据冗余树来实现冗余数据的去除.根据重复数据消除的结果,在每个传感器检测范围半径相等的环境下,采用四圆定位法,任意选择2个检测目标信息的节点,计算2个圆形检测区域边界的交点,根据迭代法找到并近似目标.设定了不同传感器的原始传感器相互独立、同一传感器不同原始量测量值相互独立的前提条件,计算出各通道的测量值,利用未测量卡尔曼滤波器以滤波的形式更新测量值,引入卡尔曼滤波增益矩阵,并结合异步数据定位结果实现数据融合.实验结果表明,融合后的数据利用率高于现有结果,算法耗时短、能耗低,且具有较高的数据融合精度,整个融合的准确率在90％以上.     

一种能耗均衡高效的无线传感器网络数据收集方案

无线传感器网络资源有限,传感器节点之间节点的能量消耗不均衡,使得整体网络生命周期缩短.针对无线传感器网络数据收集过程中能量消耗不均衡的问题,给出一种基于能耗均衡高效的数据收集算法.该算法将网络部署区域划分为大小不等的栅格,并根据节点剩余能量以及采用簇首轮换的方式,然后采用数据融合技术,可以有效提高节点能量消耗均衡度且可以大大延长网络寿命.仿真与性能分析结果表明:与典型数据收集算法相比,该算法在能耗均衡度和网络生命周期方面具有更好的性能.     

基于证据理论加权融合的无线传感器网络路由算法

针对当前无线传感器网络路由算法存在数据传输成功率低、 网络时延长和丢包率高等缺陷, 为获得更优的数据传输结果, 提出一种基于证据理论加权融合 的无线传感器网络路由算法. 首先引入聚类分析算法对无线传感器网络进行分簇, 使簇首的分布更均匀, 解决簇首过于集中、 簇成员节点分配不合理的问题; 然后采用证据理论计算剩余能量、 节点间通信距离、通信能耗的权值, 并根据权值对每个节点的性能进行综合评价, 根据综合评价结果选择每个簇最合理的簇首; 最后与其他无线传感器网络路由算法进行对比测试. 测试结果表明, 相对于对比算法, 该算法数据时延均值和丢包率均大幅度减少, 改善了数据传输成功率, 使节点之间的能耗更均衡, 延长了无线传感器网络的生存周期, 建立的无线传感器网络路由可靠性更高.     

基于蚁群神经网络的两级信息融合算法

为了保证地下车库空气质量的同时尽量降低系统能耗,针对地库环境监测系统,提出了一种基于蚁群神经网络的两级数据融合算法TLIFA-ACOBP,该算法将分簇结构与神经网络模型有效结合,设计了一个基于分簇的无线传感器网络两级数据融合模型.首先运用蚁群优化(ACO)算法对BP神经网络的权值进行优化,并将优化后的蚁群神经网络用于无线传感器网络的信息融合.通过对簇成员节点采集到的原始数据进行两级融合处理,只将代表原始数据的少量特征值发送给汇聚节点,大幅度减少节点数据通信量,提高了数据传输效率,同时降低了系统能耗.     

基于证据理论加权融合的无线传感器网络路由算法

针对当前无线传感器网络路由算法存在数据传输成功率低、 网络时延长和丢包率高等缺陷, 为获得更优的数据传输结果, 提出一种基于证据理论加权融合 的无线传感器网络路由算法. 首先引入聚类分析算法对无线传感器网络进行分簇, 使簇首的分布更均匀, 解决簇首过于集中、 簇成员节点分配不合理的问题; 然后采用证据理论计算剩余能量、 节点间通信距离、通信能耗的权值, 并根据权值对每个节点的性能进行综合评价, 根据综合评价结果选择每个簇最合理的簇首; 最后与其他无线传感器网络路由算法进行对比测试. 测试结果表明, 相对于对比算法, 该算法数据时延均值和丢包率均大幅度减少, 改善了数据传输成功率, 使节点之间的能耗更均衡, 延长了无线传感器网络的生存周期, 建立的无线传感器网络路由可靠性更高.     

无线传感器骨干网络路由算法

针对当前无线传感器骨干网络路由算法无法平衡能耗和数据传输之间的矛盾, 导致无线传感器骨干网络路由的数据传输时延较大, 无线传感器网络吞吐量较小的不足, 以提高无线传感器网络整体性能为目标, 设计一种新的无线传感器骨干网络路由算法. 首先分析无线传感器网络的工作原理, 并建立相应的路由模型; 然后引入机器学习算法对无线传感器骨干网络路由中的无线传感器节点能量进行实 时预测, 选择能量大的无线传感器节点进行数据传输, 构建能量消耗最小的无线传感器骨干网络路由; 最后与其他无线传感器骨干网络路由算法进行对比测试. 测试结果表明, 该算法的无线传感器骨干网络路由能耗较小, 无线传感器网络数据传输可靠性高, 加快了无线 传感器网络数据传输速度, 无线传感器骨干网络路由整体性能明显优于其他对比算法.