基于GA-ACO-BP的WSN数据融合算法实现

在无线传感网络中,为了提高多传感器数据融合性能,解决传感器电池频繁更换,延长网络生命周期,提出一种将遗传算法与蚁群算法相结合改进BP神经网络的多传感器数据融合算法(GA-ACO-BP)。GA-ACO-BP算法结合了遗传算法和蚁群算法的优势,传感器网络节点将信息通过LEACH协议对数据进行融合处理,降低数据发往Sink节点的传输量,减少数据传输造成的能量消耗。通过实验仿真显示,GA-ACO-BP算法和基于LEACH协议的算法、ACO-BP算法相比,该算法能减少需要传输的数据量,延长网络生存周期。     

实时管理约束下节点级低功耗数据融合技术

通过对工业无线传感器网络中传感数据在时间维数据特征的研究,结合网络管理实时性的要求,提出了一种实时管理约束下节点级低功耗数据融合算法.该算法能实现网关对网络的实时管理,是一种有效地进行数据优化和管理的方式.理论分析和实验表明,该算法减少了数据发送的次数,节点的功耗减少了28%,提高了网络生命周期,并节省网络通信带宽.     

基于卡尔曼滤波的无线传感网时空数据融合算法

无线传感网络节点采集的信息具有较大的相似性,数据结果存在误差。针对该问题,文中提出了一种基于卡尔曼滤波的无线传感网数据融合算法,通过过滤无效数据和缩紧数据包,提高上传数据的有效性和精度。该算法采用实时性较高的卡尔曼滤波算法对无线传感网络中的数据根据时间序列进行数据融合。在时间数据融合的基础上,根据空间分布特点,进一步对多传感器在网关层依据权重进行数据融合。针对不同位置误差实时变化的特点,网关层以空间数据为基础,使用自适应加权算法动态调整各节点权重。仿真实验表明,该算法易于实现,可有效去除冗余信息,提高数据准确度和可靠性。相较于改进的分批估计与自适应加权方法,采用该方法后均方根误差减少约7.9%,精度提高了2.1%。     

基于RSSI和惯性导航的融合室内定位算法

针对目前对高精度室内定位算法的需求,提出一种基于接收信号强度识别（RSSI）和惯性导航的融合室内定位算法。基于无线传感网中ZigBee节点的RSSI值,采用位置指纹识别算法,对网络中的未知节点进行定位。结合惯性传感单元（IMU）提供的惯性数据,对RSSI定位结果进行融合修正。利用Kalman滤波器,采用状态方程描述待定位节点位置坐标的动态变化规律,从而实现一种以无线传感网络定位为主、IMU为辅的融合定位方法。仿真结果表明,提出的融合定位算法既能改善单独使用RSSI定位受环境干扰较大的问题,又能避免单独使用惯性导航带来的累积误差,极大地提高了定位精度。     

复杂生物传感网络的节点优化定位模型仿真

根据复杂生物传感器网络节点的定位和数据监测的需要,构建生物传感网络的模型,设计了基于强跟踪滤波的集中式扩维量化融合算法.该算法采用预加重方法补偿节点之间的系统功率衰减,通过动态跟踪信号功率的变化,得到传感器融合中心最终的节点定位状态信息矩阵;通过强跟踪滤波,提高抗干扰能力,实现传感网络节点定位模型改进.结果表明,采用该算法进行复杂生物传感网络节点定位,能有效提高节点定位的准确性,定位误差较小,定位时间较快,稳健性和抗干扰性较好.     

一种改进的BP神经网络WSN数据融合方案

在监测森林火灾时,为了达到减少无线传感网里大量无效和冗余的数据、提高无线传感网络的收敛速度、延长节点的生命周期、改善火灾报告准确度的目标,提出了一种基于BP神经网络的改进型数据融合方法。该方法在节点上可以对多种传感器产生的数据进行融合,参考节点的实时处理能力来改善BP神经网络的收敛速度,在很大程度上降低能耗。实验结果表明,该方法能够较好地应用于火灾监测传感网,改善了监测精度,减少了节点能耗,使得无线传感网对森林火灾监测的能力大幅度提高。     

高效的攻击检测与数据融合算法

给出了一种高效的无线多媒体传感器网络攻击检测和数据融合算法EIDSART。该算法从节点的多元属性方面对节点行为特征进行界定,通过选择合适的邻居节点集合,可以运用于任意规模的多媒体传感器网络;另外,在经过精确检测攻击行为的情况下,对传感数据进行了融合,降低了网络通信开销。仿真结果表明,EIDSART在攻击检测精度和误报率等方面具有优势,并能得到精确的数据融合结果。     

复杂环境下光传感网络节点定位算法研究

为了减少复杂环境下光传感网络节点定位误差和功耗，获得理想的光传感网络定位结果，提出了基于复杂环境下光传感网络节点定位算法。首先分析当前光传感网络定位的研究进展，找到当前方法的各种局限性，然后设计光传感网络的结构，边界盒定位算法和蜂群算法进行光传感网络节点定位，最后其他光传感网络定位方法进行了对比测试。实验结果表明，本方法的定位绝对误差低于6 m,经过30次迭代即可实现收敛稳定，定位平均绝对误差低于4 m,节点覆盖率高于80%,功耗低于2 J。证明本方法缩小了光传感网络节点定位误差，可以实现主精度光传感网络节点，减少了光传感网络定位时间，光传感网络节点定位优势十分明显。     

交通路灯监控系统的无线传感网链状路由算法

在交通路灯监控系统中为节省网络节点能耗和降低数据传输时延,提出一种无线传感网链状路由算法（CRASMS）。该算法根据节点和监控区域的信息将监控区域分成若干个簇区域,在每一个簇区域中依次循环选择某个节点为簇头节点,通过簇头节点和传感节点的通信建立簇内星型网络,最终簇头节点接收传感节点数据,采用数据融合算法降低数据冗余,通过簇头节点间的多跳路由将数据传输到Sink节点并将用户端的指令传输到被控节点。仿真结果表明：CRASMS算法保持了PEGASIS算法在节点能耗方面和LEACH算法在传输时延方面的优点,克服了PEGASIS 算法在传输时延方面和LEACH算法在节点能耗方面的不足,将网络平均节点能耗和平均数据传输时延保持在较低水平。在一定的条件下,CRASMS算法比LEACH和PEGASIS算法更优。     

基于可信度估计的迭代滤波的WSNs数据融合算法

估计传感节点提供数据的可信度是WSNs应用的关键技术。目前,常采用迭代滤波IF(Iterative filtering)算法实现数据可信度的评估。然而,传统的IF算法假定传感节点的初始可信度相同,这有背于客观事实。为此,提出基于可信度估计的迭代滤波的WSNs数据融合ATIFDA(Ascertaining Trustworthiness of sensor node -based Iterative Filtering Data Aggregation) 算法。ATIFDA算法利用最大似然估计MLE( Maximum Likelihood Estimation)计算每个传感节点的初始可信度。首先进行簇划分,每个簇选择一个簇头CH(Cluster head),簇头收集传感节点的感测数据,然后,再利用MLE估计每个传感节点的初始可信度,再进行IF算法,最后,进行数据融合。仿真结果表明,提出的ATIFDA算法在噪声环境下,具有低的均方根误差RMSE(Root Mean Squared error)     

可防御SSDF攻击的宽带压缩频谱感知

SSDF（Spectrum Sensing Data Falsification）攻击是认知无线网络中对频谱感知性能危害最大的攻击方式之一。基于认知无线网络中信号频域的固有稀疏性,本文结合了压缩感知(CS)技术与平均一致(average consensus)算法,建立了可防御SSDF攻击的分布式宽带压缩频谱感知模型。本文建立了次用户的声望值指标,用以在分布式信息融合的过程中更加准确地排除潜在的恶意次用户影响。在感知阶段,各个CR节点对接收到的主用户信号进行压缩采样以减少对宽带信号采样的开销和复杂度,并做出本地频谱估计。在信息融合阶段,各CR节点的本地频谱估计结果以分布式的方式进行信息融合,排除潜在恶意次用户的影响,得到最终的频谱估计结果。仿真结果表明,本文提出的分布式频谱感知模型可以有效地抵御SSDF攻击,提高了频谱感知的性能。      

Performance Optimization Based on Compressive Sensing for Wireless Sensor Networks

A routing algorithm, based on a dual cluster head redundant mechanism combined with compressive sensing data fusion algorithm, is proposed to improve reliability and reduce data redundancy of the industrial wireless sensor networks. The Dual cluster head alternation mechanism is adopted to balance the energy consumption of cluster head nodes. Through the compressive sensing data fusion technology to eliminate redundancy, effectively improve the network throughput of the sensor network. The simulation results show that the proposed algorithm is able to enhance the networks performance, significantly reduces the number of lost packets and extend the network’s lifetime.     

WSNs中基于数据匹配的分布式故障节点检测算法

针对无线传感网络的节点故障问题,提出一种新的分布式故障节点检测算法(DFDA)。DFDA算法利用节点度信息估计节点对网络的重要性,并尽可能将节点度高的节点保存到网络中。通过比较节点间感测的数据,检测故障节点。为了增强检测的准确性,采用双重测定策略。仿真结果表明,相比于同类算法,DFDA算法提高了检测故障节点的精确度,并降低了虚警率。     

认知无线传感器网络中能耗有效的协作频谱感测算法

提出了一种新的认知无线传感器网络中能耗有效的协作频谱感测算法。首先,为了降低分布式传感节点的能耗,假定传感节点的瞬时信噪比和平均信噪比已知,分析频谱感测节点的能耗与最优检测门限值之间的数学模型。然后,结合感测节点选择和判决门限设定理论,研究基于判决节点选择的有效协作频谱感测方案。理论分析和仿真结果表明,算法有效地降低了认知传感器网络的节点总能耗,提高了能耗效率。     

一种基于信誉度的航空无线电协作频谱感知方法

摘要：传统的航空无线电协作频谱感知算法无法区分节点的性质（普通/恶意）,而新的加权序贯检测（weighted sequential probability ratio test,WSPRT）算法虽然解决了这个问题,但在具有频谱感知数据篡改（spectrum sensing data falsification,SSDF）攻击节点的环境中,无法保持高的感知正确率。提出了一种改进型WSPRT 算法,在传统的 WSPRT 算法基础上改进了信誉度奖惩方案,增加了临近时间内感知稳定度的量化。从实验仿真结果看,改进后的算法不仅时间复杂度更低,而且能够有效地识别恶意节点,对于恶意用户的判定更准确。     

基于区块链技术的安全频谱感知算法

在认知无线电网络中,为提升安全性能和感知效率,提出了一种基于区块链技术的安 全频谱感知算法。该算法先对感知节点的可靠度进行评估,通过评估算法得到节点的初始信 赖值,并以初始信赖值为基数,融合中心会依据环境的变化对节点的信赖值定期更新。更新 后的信赖值存储在区块链的管理中心,区块链的管理中心对节点信息加密,一个节点与其自 身信赖值构成一一映射。认知无线电网络执行频谱感知时,融合中心选择信赖值高的有限个 节点参与协作感知,这可在提升感知准确度的同时降低能量开销,并增强认知无线电网络的 鲁棒性。仿真实验结果表明本文中的感知算法性能远优于传统算法,在相同实验条件下,感 知准确度提升5%,能耗降低了12%,极大增强了认知网络的鲁棒性和 频谱感知的安全性。     

Weighted centroid localization based on compressive sensing

To solve the problem of estimating the locations of sensor nodes in wireless sensor networks where most nodes are without an effective positioning device, a novel range-free localization algorithm—weighted centroid localization based on compressive sensing (WCLCS) is proposed. WCLCS makes use of compressive sensing to get decomposition coefficients between each nonbeacon node and beacon nodes. According to these coefficients, WCLCS algorithm decides the weighted value of each beacon node for Centroid and estimates the locations of nonbeacon nodes. The simulation results show that WCLCS has better localization performance than LSVM.     

Asymptotic results for decentralized detection in power constrained wireless sensor networks

In this paper, we study a binary decentralized detection problem in which a set of sensor nodes provides partial information about the state of nature to a fusion center. Sensor nodes have access to conditionally independent and identically distributed observations, given the state of nature, and transmit their data over a wireless channel. Upon reception of the information, the fusion center attempts to accurately reconstruct the state of nature. Specifically, we extend existing asymptotic results about large sensor networks to the case where the network is subject to a joint power constraint, and where the communication channel from each sensor node to the fusion center is corrupted by additive noise. Large deviation theory is used to show that having identical sensor nodes, i.e., each node using the same transmission scheme, is asymptotically optimal. Furthermore, a performance metric by which sensor node candidates can be compared is established. We supplement the theory with examples to illustrate how the results derived in this paper apply to the design of practical sensing systems.     

A collaborative node management scheme for energy-efficient monitoring in wireless multimedia sensor networks

Clustering in sensor networks provides energy conservation, network scalability, topology stability, reducing overhead and also allows data aggregation and cooperation in data sensing and processing. Wireless Multimedia Sensor Networks are characterized for directional sensing, the Field of View (FoV), in contrast to scalar sensors in which the sensing area usually is more uniform. In this paper, we first group multimedia sensor nodes in clusters with a novel cluster formation approach that associates nodes based on their common sensing area. The proposed cluster formation algorithm, called Multi-Cluster Membership (MCM), establishes clusters with nodes that their FoVs overlap at least in a minimum threshold area. The name of Multi-Cluster Membership comes from the fact that a node may belong to multiple clusters, if its FoV intersects more than one cluster-head and satisfies the threshold area. Comparing with Single-Cluster Membership (SCM) schemes, in which each node belongs to exactly one cluster, because of the capability of coordination between intersected clusters, MCM is more efficient in terms of energy conservation in sensing and processing subsystems at the cost of adding complexity in the node/cluster coordination. The main imposed difficulty by MCM, is the coordination of nodes and clusters for collaborative monitoring; SCMs usually assign tasks in a round-robin manner. Then, as second contribution, we define a node selection and scheduling algorithm for monitoring the environment that introduces intra and inter-cluster coordination and collaboration, showing how the network lifetime is prolonged with high lifetime prolongation factors particularly in dense deployments.