蚁群算法在传感器网络数据融合中的应用

研究无线传感器网络数据融合优化问题,采集数据过程节点间存在大量的冗余数据,需对数据进行融合,提高数据传输效率。为了更好地消除冗余数据,提出一种采用蚁群算法的传感器网络数据融合方法。通过建立传感器数据的传输初始路由,再用蚁群算法找到最佳数据路由,即数据传输最优传感器节点序列,从而实现数据融合。仿真结果表明,蚁群算法能够有效消除冗余数据,减少网络中数据传输量,降低传感器节点能量消耗,延长整个网络的寿命。     

基于数据融合的传感器网络寿命最优路由策略

引入数据融合率来定义传感器网络中节点的融合能力,并提出一种基于数据融合技术的分布式最优路由算法,最大化网络的寿命.将路由决策过程描述为线性规划问题,采用子梯度算法求取最优解,得到了分布式的优化算法.仿真结果表明,该算法可有效减少数据通信量,均衡各个节点的能量消耗,延长网络寿命.     

传感器网络数据融合技术的研究与仿真

研究无线传感器数据融合问题,延长网络生命周期.由于传感器节点密度大,采集数据大量冗余,应对数据进行融合处理,采用数据融合算法对冗余数据合并,从而有效地节约能耗.为了很好地合并冗余数据,提出一种粒子群算法的传感器网络数据融合方法.通过移动代理建立数据的初始路由模型,通过粒子群中的粒子互相通信和协作求得路由模型最优解,即数据最优路由节点序列,从而实现数据融合.仿真结果表明,粒子群算法能很好的合并冗余数据,从而减少的网络能量消耗,有效降低网络延时,延长网络的生存时间.     

无线传感器网络中的信息融合算法

无线传感器网络是一种新兴前沿技术. 节省能耗和延长网络寿命是无线传感器网络研究的核心课题之一, 通过信息融合算法减少数据传输量是延长网络节点寿命的有效途径, 研究了无线传感器网络中三种主要的信息融合算法, 并总结了算法的不足与改进方法.     

基于地理信息静态分簇的无线传感器网络路由算法

通过路由算法减少节点的能耗、延长网络的寿命是无线传感器网络的研究重点之一。探讨了能量高效的分层无线传感器网络路由算法,提出一个基于地理位置信息静态分簇,根据节点剩余能量及节点在簇内的位置选择簇头的分层路由算法(GSCH),适用于静态无线传感器网络。仿真实验结果表明该路由算法有效地减少分簇成形及簇首选择的能耗,延长了整个网络的寿命。     

基于物联网的异构传感数据融合方法研究

研究网络数据融合优化问题,传统的网络数据融合算法需要获得对象比较精确的数学模型,会造成计算复杂度高.针对无线传感器网络自身特点,将无线传感器网络和数据融合技术相结合,提出了一种基于无线传感器网络扩展的Kalman滤波分批估计融合算法.主要是通过将传感器节点收集的同一性质的信息进行分批,通过一系列加权公式使计算出的融合信息更逼近真实值.从源头节能出发,通过减少数据传输量,进而减少传输过程中的能量消耗,达到延长整个网络生命周期的目的.最后仿真结果表明提出的算法有效,具有一定的实际应用价值.     

无线传感器网络路由融合算法的研究

无线传感器网络节点有限的能量成为目前研究的热点问题之一.数据融合可以通过合并冗余数据来减少需要传输的数据包的数量进而减少节点能量的消耗,将路由技术和数据融合结合起来.在比较了当前几种构建融合树算法的基础上,结合图论的相关知识,提出了一种以图的中心点为树根的融合树生成算法,并通过仿真试验证明了该算法可以通过减少传输过程中数据包的数量来减少网络能量的消耗,从而达到延长网络生命周期的目的.     

传感器网络中基于簇的融合树构建算法

针对无线传感器网络中节点能量有限的特点,提出一种基于簇的数据融合树构建算法。该算法利用基于簇的层次结构减少路由维护代价并提高系统可扩展性;利用数据融合树处理网中冗余信息,降低数据传输量,实现了节点能量高效地使用。仿真结果表明,该算法能有效降低节点能量消耗,并延长网络生存期,性能优于典型算法。     

基于BP神经网络的无线传感器网络路由协议的研究

由于无线传感器网络的资源比较有限,尤其是节点的能量受限,为了尽可能的减少信息收集与传输过程中的能耗,延长网络的寿命,本文提出了基于BP神经网络的路由协议改进算法模型,该算法模型将BP神经网络的层次结构与无线传感器网络路由协议的分簇结构相结合,在每个簇结构中应用设计一个三层的BP神经网络模型,把采集到的大量原始数据通过设计好的神经网络模型,得到能够反映原始数据特征的的少量的数据信息。只需要将融合得到的特征数据传送给汇聚节点,从而减少了数据信息的传送量,降低信息传送的通信能耗,延长网络生存时间。仿真结果表明：改进后的算法较LEACH协议在平衡节点能量和延长网络寿命方面具有更优越的性能．     

一种改进的无线传感器网络信息融合技术①

针对矿井环境监测系统的安全隐患问题,提出基于改进Kalman滤波与SVM的分布递阶信息融合方法,将系统中的传感器分为源节点和汇聚节点,在源节点采用改进Kalman滤波,汇聚节点采用SVM信息融合方法。该算法可以有效地降低无线传感器网络的能耗和网络信息冲突,仿真结果表明,该方法具有可靠性,并有效地提高无线传感器网络的信息融合精度。     

Optimal distributed Kalman filtering fusion for a linear dynamic system with cross-correlated noises

In this article, we study the distributed Kalman filtering fusion problem for a linear dynamic system with multiple sensors and cross-correlated noises. For the assumed linear dynamic system, based on the newly constructed measurements whose measurement noises are uncorrelated, we derive a distributed Kalman filtering fusion algorithm without feedback, and prove that it is an optimal distributed Kalman filtering fusion algorithm. Then, for the same linear dynamic system, also based on the newly constructed measurements, a distributed Kalman filtering fusion algorithm with feedback is proposed. A rigorous performance analysis is dedicated to the distributed fusion algorithm with feedback, which shows that the distributed fusion algorithm with feedback is also an optimal distributed Kalman filtering fusion algorithm; the P matrices are still the estimate error covariance matrices for local filters; the feedback does reduce the estimate error covariance of each local filter. Simulation results are provided to demonstrate the validity of the newly proposed fusion algorithms and the performance analysis.     

基于无线传感器网络的分布递阶信息融合算法

提出了基于无线传感器网络的分布递阶信息融合方法,下层源节点采用卡尔曼滤波及基于减少能耗和网络冲突的数据处理方法,上层汇聚节点采用方差最小的加权信息融合方法,该方法能有效降低传感器网络能耗和网络信息冲突,仿真结果表明了该方法的有效性和可靠性。     

一种改进的无线传感器网络信息融合技术①

针对矿井环境监测系统的安全隐患问题,提出基于改进Kalman滤波与SVM的分布递阶信息融合方法,将系统中的传感器分为源节点和汇聚节点,在源节点采用改进Kalman滤波,汇聚节点采用SVM信息融合方法。该算法可以有效地降低无线传感器网络的能耗和网络信息冲突,仿真结果表明,该方法具有可靠性,并有效地提高无线传感器网络的信息融合精度。     

Optimal Kalman filtering fusion with cross-correlated sensor noises

When there is no feedback from the fusion center to local sensors, we present a distributed Kalman filtering fusion formula for linear dynamic systems with sensor noises cross-correlated, and prove that under a mild condition the fused state estimate is equivalent to the centralized Kalman filtering using all sensor measurements, therefore, it achieves the best performance. Then, for the same dynamic system, when there is feedback, a modified Kalman filtering fusion with feedback for distributed recursive state estimators is proposed, and prove that the fusion formula with feedback is, as the fusion without feedback, still exactly equivalent to the corresponding centralized Kalman filtering fusion formula; the various P matrices in the feedback Kalman filtering at both local filters and the fusion center are still the covariance matrices of tracking errors; the feedback does reduce the covariance of each local tracking error.     

一种改进的分布递阶无线传感器网络信息融合算法

信息融合技术是一个多学科高度集成的热点研究领域,目前针对煤矿井下环境监测系统的安全隐患问题,提出了一种基于无线传感器网络的分布递阶卡尔曼滤波信息融合算法,其中下层源节点采用改进卡尔曼滤波算法,上层汇聚节点采用方差自适应的加权信息融合算法,该算法能有效降低无线传感器网络能耗和网络信息冲突,实现信号重构.仿真结果表明,该算法具有很高的可靠性和信息融合精度,有较好的工程实用价值.     

基于LEACH协议的数据融合技术

提出一种基于LEACH协议的两层数据融合方案（MLDA-LEACH）。根据LEACH协议的分簇结构,首先,簇成员节点使用卡尔曼滤波算法对采集的源数据进行去噪处理;然后,簇首节点采用分布图法对数据进行预处理,再应用自适应加权算法进行数据融合。实验结果表明,这种基于LEACH协议的两层数据融合方案MLDA-LEACH与传统LEACH算法相比有效地减少了冗余数据,降低了传感器节点的能耗,延长了无线传感器网络的生命周期。     

多个相关测量的融合算法及其最优性

将不相关测量融合算法推广到了相关测量的融合．对两种方法进行了比较：第一种是先用本文提出的融合算法将多个相关测量进行融合，然后将融合后的测量用于Kalman滤波；第二种是直接将多个相关的测量用于Kalman滤波．理论分析证明两种方法是等价的，因而也证明了本文融合方法的最优性．仿真结果表明了理论分析的正确性．     

一种基于数据预处理和卡尔曼滤波的 温室监测数据融合算法

温室具有空间大、无线传感器节点易受到干扰等特点,节点采集的数据波动性较大且易出现丢失现象.为了提高温室监测无线传感网的可靠性和数据融合的精度,提出了一种基于数据预处理和卡尔曼滤波的无线传感器网络数据融合算法.经过对各传感器数据进行预处理和卡尔曼滤波估计,再将数据发送到簇头节点进行基于状态补偿策略的加权数据融合.通过对温室湿度数据进行仿真,结果表明:数据预处理能明显减小数据波动,大幅减少网络数据传输量和能耗,提高抗干扰能力.另外,针对温室无线传感器网络容易出现丢包的现象,基于状态补偿策略的加权数据融合算法可以明显提高在数据丢包情况下的融合精度.     

多传感器集中式增量卡尔曼滤波融合算法

在单个传感器的状态估计系统中,标准的增量卡尔曼滤波方法可以有效消除量测系统误差。对于多传感器情况,标准算法失效。针对该问题,提出了多传感器集中式增量卡尔曼滤波融合算法,即:增量卡尔曼滤波的扩维融合算法和增量卡尔曼滤波的序贯融合算法。在标准增量卡尔曼滤波算法的基础上,结合扩维融合和序贯融合的思想来实现多传感器数据的融合。实验结果表明,当存在量测系统误差时,提出的集中式融合算法与传统的集中式融合算法相比,提高了滤波精度,并且能够成功地消除量测系统误差。