基于压缩感知理论的无线传感器网络数据融合算法

针对传感器节点部署稠密, 节点覆盖重叠区域较大, 导致采集数据冗余度大的问题, 利用节点收集数据的时间和空间相关性, 提出一种基于压缩感知理论的无线传感器网络(WSN)数据融合算法, 并通过仿真实验分析了其性能. 实验结果表明, 该算法不仅可以减少簇首的数据传输量, 减少了节点的平均能量消耗, 延长网络的生存时间, 而且性能明显优于对比算法.     

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。     

混沌逃逸粒子群优化算法在WSN覆盖优化中的应用

为了寻找最优的无线传感器网络(wireless sensor networks,WSN)覆盖优化算法,保持整个网络能量的平衡,提高无线传感器网络覆盖率,在基本粒子群优化算法的基础上,提出一种基于混沌逃逸粒子群优化算法(chaotic escape particle swarm optimization,ECPSO)的WSN节点覆盖优化方法。ECPSO算法以覆盖率为优化目标,建立WSN覆盖优化数学模型来描述节点覆盖问题,利用混沌逃逸粒子群算法对数学模型进行求解,实现节点覆盖优化。仿真结果表明,ECPSO算法加快了WSN覆盖优化速度,节点分布更加均匀,提高了传感器节点的覆盖率,是一种高效的WSN节点覆盖算法。     

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．     

基于人工鱼群算法优化神经网络的WSN数据融合

无线传感网(wireless sensor network, WSN)通常节点众多、数据冗余度高,传统的基于随机权值和阈值的前馈反向传播神经网络(back propagation neural network, BPNN)数据融合方法易陷入局部极值,导致融合结果准确性差。提出一种优化神经网络的权值和阈值进而改善WSN数据融合质量的方法-人工鱼群算法前馈反向传播(artificial fish swarm algorithm back propagation, AFSABP)神经网络数据融合。仿真和对比实验结果表明,改进的鱼群算法在收敛速度和寻优精度上都有明显提升,改进后的人工鱼群BP算法数据融合方法相较于传统BP数据融合方法,可减少3.06%的相对误差和3.74%的均方根误差。     

基于改进灰狼优化算法的WSN覆盖优化

针对无线传感器网络（WSN）节点在随机部署时,存在分布不均匀的情况,从而导致覆盖率较低的问题,提出了一种改进的灰狼优化（GWO）算法.首先利用Tent混沌映射初始化种群,增加种群的多样性;其次利用改进的非线性收敛因子,平衡算法的全局搜索能力与局部搜索精度;最后将差分进化（DE）算法的变异、交叉的理念融入GWO算法,避免算法陷入局部最优,并提高算法的收敛速度.基本测试函数仿真结果验证了改进算法的有效性,随后将其应用于WSN覆盖优化问题,可以使节点的分布更加均匀,显著提高覆盖率,进而改善网络性能.     

压力传感器数据融合算法研究

传感器存在的交叉灵敏度,运用BP网络对数据进行融合,可以有效降低非目标参量对输出特性的影响．MATLAB中提供了多种针对BP网络的训练方法,运用其中的变梯度法、拟牛顿法和LM法分别对压力传感器进行数据融合,比较其结果可以得出：LM算法可以有效地克服局部收敛,更好地提高压力传感器的稳定性和可靠性．     

一种基于负载平衡的无线传感器网络收集树算法

主要研究了大规模无线传感器网络的多跳树状路由协议,提出了一个基于heuristic算法建立近于全域平衡的资料收集树算法(Balance Convergecast Tree,BCT)该算法能降低资料堆积程度,减少资料收集时间并延长网络断裂的发生时间,同时在该算法中增加一个节点同步传输程度的频道分配机制,使得树上的节点以最少的通信时隙与有限的码字来组合配置通信频道作为资料传递时使用,提高同步传输程度,减少资料停留在节点中的时间,使整个网络中资料收集速度更快速.仿真结果显示该算法能更快速的收集网络上的资料并延长网络运行时间,同时证明了负载平衡的树能大大提高树状结构收集资料的运行效率.     

基于神经网络的多传感器数据融合

当前，多传感器技术是研究热点。通过不同功能，不同精度，不同位置的传感器，可以对所需要的被测量进行多方位多角度的测量。但是，目前对于多传感器所测的数据还没有一种通用的行之有效的处理思想。借用模糊控制策略，与改进的BP神经网络算法结合对其进行数据融合。在仿真中取得了比已往算法更高的精度，控制策略制定准确、可靠。是一种较有潜力的多传感器数据融合方法。     

改进的BP算法在多传感器数据融合中的应用

采用了基于小波神经网络的BP权值平衡改进算法,构造小波神经网络并训练以改变BP网络权值.根据多传感器特征级数据融合模型,并结合该权值平衡算法,使测量到的数据进行基于特征级的融合,并将该数据融合结果提供给决策级判断,从而得出理想的判定效果.仿真结果表明,该数据融合算法避免了BP权值平衡算法的缺点,不仅提高了学习的速度,而且具有更高的计算精度.     

集中式信道分配算法在WSN移动节点中的应用研究

为提高油料保障系统中信息采集的实时性和能量的高效性,使网关及时检测到移动设备的状态,降低无线网络间的干扰,提高网络的容量.以军用机场加油车为研究对象,提出了适用于快速移动节点的集中式信道分配算法和功率分级的能量控制方法.在无线网络节点上安装两个工作在不同频道上的网络接口,通过控制协商动态的切换数据信道,平衡网络负载,以增加总的带宽.实验结果表明,采用3条数据信道便可实现信道的集中式分配和发送功率的分级控制,有效地扩展了网络的容量和提高能量的高效性.     

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。     

基于BP神经网络的压力传感器数据融合

多传感器数据融合问题已经引起许多学者的广泛关注.通常,压力传感器都存在交叉灵敏度,其主要表现在传感器静态特性不仅受目标参量的影响还受多个非目标参量的影响.由于传感器的输出受多个参量的变化的影响,导致其性能不稳定,测量精度降低.针对温度、噪声、电源波动等多种环境因素影响压力传感器输出电压值这一问题,在阅读了大量的参考文献...     

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.     

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.     

基于异步MAC协议的WSN节点通信能耗模型的研究及应用

为进一步减小采用B-MAC协议无线传感器节点的能量消耗,对无线通信模块接收、发送、监听、休眠的电流消耗和时间特性进行了实验测试. 并根据异步MAC协议的特点,将网络负载参数进一步细分,引入节点发送间隔、接收间隔、每次发送字节数、每次接收字节数这4个参量,同时考虑节点接收信号时所处状态的概率建立通信能耗模型,并给出能耗模型的最优解析解,使得能耗参数在不同网络负载和收发间隔下达到最优. 实验结果表明,采用能量最优参数的B-MAC协议比普通B-MAC协议的能量消耗更少,明显减少了WSN节点在通信过程中能量的消耗,延长了节点的工作寿命.      

融合和声搜索的混沌粒子群优化算法及工业应用

针对粒子群算法在优化过程中容易出现"早熟"现象,提出一种融合和声搜索及混沌的改进混合粒子群优化算法。混沌粒子群算法运行稳定,具有较好的鲁棒性和适应性。和声搜索算法是一种模拟乐队调音获得完美和声过程的元启发优化算法,具有较强的全局搜索性能。通过对4个标准函数的测试比较,结果表明:改进的融合和声搜索的混沌粒子群优化算法(chaos particle swarm optimization algorithm with harmony search,CPSO-HS)跳出局部最优位置能力强,收敛速度快,稳定性高。改进的CPSO-HS算法已成功应用于重油热解模型的参数估计。