带反馈的无线传感器网络实时数据融合策略

针对无线传感器网络中现有数据融合技术对由融合引起的延时考虑较少,难以满足实时性需求的不足,提出一种带反馈的实时数据融合策略FRDA。对不同类别的数据进行实时自适应分级,将紧急数据迅速融合并传输给用户,达到延时和融合效率的折衷。仿真实验结果表明,带反馈的实时融合数据方法对不同服务加以区分,有效地保证了紧急数据的实时处理,且没有降低数据的融合精度。     

基于数据融合的无线传感器网络林火监控算法

针对无线传感器网络在林火监控应用中存在的问题,提出了一种分层聚簇数据融合算法。簇内传感器节点使用加权平均法对原始数据进行数据级融合处理,以消除原始数据中的冗余成分,减少从簇内传感器节点到簇头节点的通信量;簇头节点采用D-S证据理论建立识别框架,通过对本簇成员的反馈信号进行决策级融合处理,提高了火灾事件的识别精度和网络的鲁棒性。实验结果表明,该算法能有效消除无线传感器网络的冗余数据,并能够在失效节点数不超过总节点数40%的情况下正确工作。     

基于数据融合的无线传感器网络延迟感知研究

网络数据融合与聚类是减少无线传感器网络能量消耗的有效技术,但聚类在数据聚集过程中会产生额外的时间延迟。为此,提出一种基于网络数据融合的延迟感知网络结构,该结构组建传感器节点形成不同大小的簇,每个簇可以与融合中心节点进行交错通信。仿真结果表明,与低功耗自适应集簇分层型协议、延迟感知数据收集网络结构相比,该网络结构可以减少在数据融合过程中的延迟,并能保持较低的能量消耗。     

多稀疏基分簇压缩感知的WSN数据融合方法

针对传感器节点采集数据精度与能量消耗的矛盾,提出多稀疏基分簇压缩感知的无线传感器网络WSN（Wireless Sensor Network）数据融合方法。该方法利用改进的阈值对随机部署的传感器节点进行簇首选择继而形成最优簇,簇首采用伯努利随机观测矩阵对簇内节点信号进行线性压缩投影,然后将压缩的信息传送给汇聚节点,减少数据传输即降低通信能耗,从而提高网络的生命周期。根据传感器节点监测信号在有限差分和小波中都具有可压缩特性,汇聚节点在有限差分和小波两个稀疏基的约束下,利用OOMP算法分别对线形压缩投影信息进行重构;并采用最小二乘法融合重构信号,提高数据精度。仿真实验结果表明,多稀疏基分簇压缩感知的WSN数据融合方法在减少数据发送的情况下,能提高整个网络的生命周期,解决采集数据精度与网络生命周期的矛盾。     

基于事件驱动和最小延迟融合路径的无线传感器网络突发事件监测研究

针对无线传感器网络应用于突发事件监测场景的能量消耗和网络延迟问题,提出了基于事件驱动和最小延迟融合路径的无线传感器网络数据融合算法.其中,动态成簇过程基于事件严重程度,并由其决定簇的生命周期和覆盖范围;融合节点等待时间取决于节点到簇头的跳数和节点的度,通过计算每个节点的融合等待时间,以获取最小延迟融合路径.仿真实验表明,该算法能有效节省能量,且能显著减少网络延迟,为无线传感器网络应用于突发事件监测提供了一种适用的方法.     

基于深度学习算法的无线传感器异常数据检测

提出了基于深度学习的异常数据检测的方法,精准检测到无线传感器异常数据并直观展现检测结果。基于无线传感器网络模型分簇原理,通过异常数据驱动的簇内数据融合机制,去除无线传感器网络中的无效数据,获取无线传感器网络有效数据融合结果。构建了具有4层隐含层的深度卷积神经网络,将预处理后的无线传感器网络数据作为模型输入,通过隐含层完成数据特征提取和映射后,由输出层输出异常数据检测结果。实验证明：该方法可有效融合不同类型数据,且网络节点平均能耗较低;包含4层隐含层的深度卷积神经网络平均分类精度高达98.44%,1000次迭代后隐含层的训练损失均趋于0,可实现无线传感器异常数据实时、直观、准确检测。     

基于分簇的无线传感器网络簇内数据融合算法

根据节点剩余能量、通信消耗量和节点IP,设计无线传感器节点分簇算法,减少了无线传感器网络的数据传输总量。分析对以分簇为基础的簇内数据的融合算法误差成因,提出先进行簇内传感器测量修正、再进行簇内传感器数据融合的改进算法。通过TOSSIM仿真平台的实验,改进后的簇内数据融合算法测量误差明显减少。     

无线传感器网络簇内分级数据融合算法

根据无线传感器网络(WSN)资源受限的特点,在主成分分析融合方法的基础上提出一种WSN簇内分级数据融合算法。采用自学习加权方法估计各个传感器的测量方差,通过线性无偏最小方差估计法对簇内传感器节点的测量数据进行修正,用主成分分析方法得出各传感器的综合支持度和数据融合的公式。通过应用实例和仿真结果验证该方法的有效性和可靠性。     

基于主元分析的无线传感器网络数据融合研究

由于传感器节点能量有限且难以补充,无线传感器网络设计的一个重要目标就是在严格的能量约束下最大化网络的生存时间。网内数据融合是减少传感器节点数据传输量、降低网络总能耗,最大化网络生命周期的一种有效途径。本文利用主元分析法PCA中的数据降维技术,提出一种在无线传感器网络的簇内进行数据融合的方法。该方法的主要思想是利用网络的簇头节点对具有一定相关性的多个簇内节点的实测变量进行线性变换,将其转化为少数几个不相关的综合指标后再进行数据转发,从而达到减少网络中的数据传输量和能量消耗的目的。理论分析和实例验证表明了该方法的有效性和实用性。     

基于信任和权重的无线传感器网络数据融合模型

在无线传感器网络中,数据融合的可靠性是一个非常重要的问题并且受到了广泛的关注。为此,提出一种基于信任和权重的无线传感器网络数据融合模型(TWDFM)。在该模型中,传感器节点通过构建信任表选举可靠簇头,簇头根据权重检测异常节点并融合可信数据。仿真实验表明,该模型可以有效提高数据融合的安全性和准确性。     

Prediction-based data aggregation in wireless sensor networks: Combining grey model and Kalman Filter

In many environmental monitoring applications, since the data periodically sensed by wireless sensor networks usually are of high temporal redundancy, prediction-based data aggregation is an important approach for reducing redundant data communications and saving sensor nodes’ energy. In this paper, a novel prediction-based data collection protocol is proposed, in which a double-queue mechanism is designed to synchronize the prediction data series of the sensor node and the sink node, and therefore, the cumulative error of continuous predictions is reduced. Based on this protocol, three prediction-based data aggregation approaches are proposed: Grey-Model-based Data Aggregation (GMDA), Kalman-Filter-based Data Aggregation (KFDA) and Combined Grey model and Kalman Filter Data Aggregation (CoGKDA). By integrating the merit of grey model in quick modeling with the advantage of Kalman Filter in processing data series noise, CoGKDA presents high prediction accuracy, low communication overhead, and relative low computational complexity. Experiments are carried out based on a real data set of a temperature and humidity monitoring application in a granary. The results show that the proposed approaches significantly reduce communication redundancy and evidently improve the lifetime of wireless sensor networks.     

基于节点度-限制的数据融合树构建算法

在无线传感网络部分应用中,数据传输必须在指定时延约束下完成.因此,最小化网络时延和最大化网络寿命成为无线传感网络的研究热点.为此,提出基于节点度-限制的数据融合树构建DC-DATC(Degree-Constrained-Based Data Aggregation Tree Constructing)算法.DC-DATC算法减少了高节点度对数据融合时延的影响.依据预设的节点度阈值,只有节点度小于阈值的节点才能加入数据融合树.利用数据融合树传输数据,降低了数据传输量,提高了能量利用率.实验结果表明,DC-DATC算法降低了融合时延,且平衡了网络能耗,最终实现了网络寿命的扩延.     

数据融合技术在消防车检测系统中的研究

文中主要研究消防车检测系统中温度工作状态参数,给出了基于DSP TMS320LF2407为核心的硬件构成,提出了基于多传感器数据检测与数据融合技术的温度采集方法。在多传感器采集数据基础上,采用分布图法去除疏失误差,同时采用自适应加权数据融合算法的方法对采集的数据进行融合。实测表明,采用这种方法可以提高温度采集的精度,同时有效地解决了由于传感器失效引起的误差和单点采集温度的不足。有效地保证了消防车检测系统的实时性和准确性。有一定良好的应用前景。     

基于相似性测度的异类传感器的数据融合算法

雷达具有较好的测距性能,红外传感器具有高精度的测角性能。雷达和红外传感器是异类传感器系统的一个典型组合,但是异类传感器信息融合因没有现成的数学工具和方法而面临诸多困难。提出一种基于相似性测度的数据融合方法,能够有效提高数据正确关联概率和多目标跟踪的精度。     

均衡能耗和时延的无线传感器网络组内融合机制研究

主要研究实时监测无线传感器网络系统中的数据传输时延及网络的能量效率的均衡优化,提出了一种基于博弈论的无线传感器网络组内数据融合(GA-G)模型.该机制采用逐级分层的融合架构,可以最小化网络的原始数据输出量并通过建立博弈模型均衡了节点的能耗及数据传输的时延.仿真结果表明该融合机制能提高网络数据融合的实时可靠性.     

权衡能耗与延迟的数据融合算法研究

在无线传感器网络的路由协议中考虑数据融合能极大地提高网络生存期性能,但随之会带来网络可靠性下降、数据传输延迟增加等问题。设计一种新的可权衡能耗与延迟的数据融合算法ECLT,通过二级模糊综合评判的方式来调整原有的路由信息,增加数据传输路径间的交叠,以提高数据融合度、延长网络生存期;同时,传感节点在转发数据的过程中还可根据本身状态来动态调整进行数据融合的等待时间,从而在均衡网络中各节点能耗的同时减少了数据传输延迟。经仿真验证,该算法能在极大的延长无线传感器网络使用寿命的同时降低数据的平均传输延迟。     

WSNs中数据融合树的时隙分配算法

周期工作DC(Duty-Cycling)技术,即周期地开/关通信和感测能力,能够有效降低传感节点的活动时间,进而延长无线传感网络寿命.然而,此技术给数据融合提出了挑战.为此,提出免碰撞的数据融合树的时隙分配算法CF-DGSS(Collision-Free Data Aggregation Slots Scheduling Algorithm for Duty-Cycled Wireless Sensor Networks),进而解决基于DC的WSNs的数据融合时隙分配问题.为了解决碰撞问题,CF-DGSS算法给每个节点构建冲突集.每个节点在融合时隙分配过程中,保存自己的冲突集.在分配时隙时,传感节点应当确保与冲突集内节点的数据融合不干扰.仿真结果表明,与其他的分配算法相比,提出的CF-DGSS算法具有低的融合时延.