一种基于分簇的无线传感器网络数据分发机制

移动SINK可以延长无线传感器网络的寿命,文中提出了一种不依赖于节点地理位置的基于分簇的移动SINK路由算法,源节点和移动SINK之间的通信分为簇内通信和簇间通信两部分.因为SINK的移动而造成的通信路径的中断被限制在簇内通信.     

分簇WSNs中基于安全数据融合的恶意行为检测方法

考虑到恶意节点篡改数据或者直接伪造数据对融合结果可能造成的影响,提出了一种基于安全数据融合的恶意行为检测机制来量化节点采集数据的可信程度,判断节点行为是否正常,并给出了恶意节点的发现与处理方法.仿真实验表明,该模型能够有效检测恶意节点,具有较高的检测率和较低的误检率.     

基于无线传感器网络的数据融合技术

阐述了WSN数据融合技术的特点和原理,重点分析了WSN数据融合技术中具有代表性的几种算法的工作原理和优缺点.     

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。     

—种基于分簇的无线传感器网络数据分发机制

移动SINK可以延长无线传感器网络的寿命,文中提出了一种不依赖于节点地理位置的基于分簇的移SINK路由算法,源节点和移动SINK之间的通信分为簇内通信和簇间通信两部分。因为SINK的移动而造成的通信路径的中断被限制在簇内通信。     

基于环形缓冲区的WSN数据融合技术研究

无线传感器网络监测系统中,环境变化缓慢和节点感知范围重叠所造成的冗余数据会增加节点的数据发送量,降低信息收集效率并导致传感器节点过早死亡.因此,提出一种基于环形缓冲区的簇内数据融合方案.所有节点采用环形缓冲区存储数据.源节点基于环形缓冲区采用二值化相似函数和滑动四分位检测法,在保证数据时间关联性的同时剔除冗余数据和瞬时性异常数据.簇头节点基于加权皮尔逊距离的改进支持度对从源节点接收到的数据进行加权融合.仿真实验表明,所提出的方案在网络剩余节点数、网络剩余能量和网络发送数据包数等3个方面有明显的优势.     

无线传感器网络数据融合技术研究

针对无线传感器网络中各个节点单独传送数据到汇聚节点,浪费传感器节点的能量,并降低信息收集的效率,通过基于平面路由的数据融合,基于层次路由的数据融合和基于地理位置路由三个方面对无线传感器网络数据融合协议进行了分析和比较。     

一种求最小平面度的新方法

对最小平面度的平面拟合问题建立数学模型．为使数据点与拟合平面的最大偏差达到最小，提出一种求最佳平面的新方法，并给出严格的理论证明．同时，给出算法和计算实例．     

一种模糊传感器数据融合的方法

基于模糊传感器数据相关的特性，给出了一种模糊传感器数据融合的方法．该方法从传感器的重要度，各个传感器对模糊命题支持度的一致度，以及传感器重要度对数据融合结果的复合作用3个方面分析了它们对模糊传感器数据集成的影响．定义了一个一致性系数综合反映了这3个因素．基于该一致性系数实现了模糊传感器的数据融合，并将该方法用于工件识别中．     

WSN中基于融合代价和传输代价的分簇算法

考虑融合代价所带来的影响,提出CFTC算法,综合考虑了融合代价和传输代价,将二者作为判定簇头节点的主要条件,确保选出的簇头节点执行的簇内融合都是有效的,节省了能耗;同时又考虑了节点的剩余能量且为每个参与簇头竞争的节点增加能量阈值的限制,均衡了节点的能耗负担.仿真结果表明该算法的性能优于LEACH,不仅延长了网络的生命周期,而且还降低了网络的总能量消耗.     

一种改进的无线传感器网络自适应融合路由算法

提出一种基于节点数据转发时间控制的自适应融合路由(TCAFR)算法.该算法在考虑路由树上各节点是否执行数据融合操作的基础上加入了节点何时转发数据的时间控制机制,从而进一步提高了节点的自适应特性,增强了数据传输的稳定性.仿真结果表明TCAFR算法提高了数据传输的准确度和数据的新颖性,同时也节省了整个网络的能量.     

基于信息熵的无线传感器网络数据融合方案

为了有效地节省无线传感器网络节点的能量,提出了一种基于信息熵的层簇式数据融合方案.首先,该方案对传感器采集的历史数据进行分析.然后,利用并查集划分等价类的思想将存在数据冗余的节点尽可能地划分到一个簇中,并周期性地选取簇头节点对簇内节点数据进行融合处理.最后将所提方案与传统的LEACH协议在分簇和数据融合2方面进行了仿真比较.实验结果表明:相比于传统的LEACH协议,所提方案分簇更为合理,显著减少了节点的能量消耗,延长了网络生存周期.     

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。     

引入数据融合的WSN定位算法

理论分析指出,一些不基于测距的WSN定位算法往往需要节点间进行大量的信息交互,存在大量的突发性通信,降低了网络工作效率,浪费了WSN中宝贵的能量。针对此问题,在定位算法中引入数据融合技术,通过仿真验证,引入数据融合的定位算法可以有效的减少执行定位算法所需的无线分组个数和总的通信量。     

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。     

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。     

基于最大选票的无线传感器网络分簇算法

在分簇的传感器网络中,簇首节点的选取将直接影响网络的生存期。提出了一种基于最大选票的分簇算法(CABMV),该算法综合考虑节点剩余能量及网络拓扑结构对簇首选举的影响,每个节点根据邻居节点的投票数决定是否当选簇首。该算法是完全分布的,不依赖网络大小及结构。仿真实验表明,该算法扩充性强,能量利用率高,能有效的延长网络生存期。     

传感器网络中一种基于簇的能量高效数据收集协议

针对在无线传感器网络中节点能量有限的特点,提出一种基于簇的能量高效数据收集协议CEDGP(Cluster-based Energy-efficient Data Gathering Protocol).该协议首先利用相关性对网络分簇;然后利用改进的最近邻居算法构建簇内的数据收集链路;最后将收集到的数据通过多跳方式传送至基站。仿真表明该协议比传统的基于簇的协议具有更好的能量效率和更长的网络生存期。     

基于非均匀分布双融合节点的WSN数据融合算法

针对无线传感器网络中层次型融合算法的单跳路由造成网络能量消耗不均衡的问题,提出了一种利用非均匀思想在LEACH（low energy adaptive clustering hierarchy）算法基础上进行改进的混合型融合算法．该算法首先利用LEACH进行分簇和融合节点的选择,融合节点主要用于簇内数据的接收和融合处理．然后基于融合节点到基站距离的不同,非均匀的选择出网内的副融合节点,副融合节点主要用于转发网内融合节点发来的数据．仿真结果显示,该算法综合了平面型融合算法和层次型融合算法的优点,既均衡了网络能量的消耗又有利于网络的扩展,并且算法简单、适应性强．     

基于超长线状分簇结构的卡尔曼滤波融合算法

以应用于隧道结构健康监测的无线传感器网络为基础,针对长线形的隧道结构和分布式的节点布置,提出了超长线状多跳非均匀分簇结构.通过考虑节点剩余能量和优化簇头分簇半径,降低并平衡节点能耗.针对传感器数据冗余量大的问题,提出了基于超长线状分簇结构的分布式卡尔曼滤波融合算法.利用单节点不同时刻的数据,通过卡尔曼滤波器得到局部估计值,降低数据时间冗余度.在簇头节点端和汇聚节点端分别实现分布式卡尔曼滤波融合算法,降低数据空间冗余度,达到具有一致性的网络数据估计值.实验结果表明:该方法能有效实现超长线状分簇结构下的分布式数据融合,具有高可靠性和准确性.