基于GABP-KF的WSN数据漂移盲校准算法

针对无线传感器网络节点容易产生数据漂移的问题,提出了一种新型的跟踪和校准节点数据流漂移的算法。首先使用基于遗传算法优化的BP神经网络对目标节点和其邻居节点间的时空相关性进行建模,以获得目标节点的预测值,再使用卡尔曼滤波器跟踪和校准该节点的数据漂移。针对不同的真实数据集进行仿真实验显示,该方法相较于其他对比方法模型预测精度更高,漂移校准性能更好。实验结果表明,该算法可以精确地校准传感器节点的数据漂移,提高节点数据的可靠性。     

无线传感器网络簇内多传感器数据融合算法

在无线传感器网络(WSNs)中,一般采用电池供电,节能是WSNs设计的研究重点。为了提高测量结果的准确度和降低网络的能耗,提出了一种两层模式数据融合方案。在传感器节点上用格林贝斯准则和顺序加权算法进行低层次数据融合,在簇头节点上用神经网络算法进行高层次数据融合。仿真实验结果表明:两层模式数据融合方案有效减少了网络中的数据传输量,提高了融合数据的精度,降低传感器节点的能耗。     

基于神经网络的无线传感器网络数据预测应用研究

无线传感器网络是一种由数量庞大的网络节点形成的复杂无线网络,是无线传感器的典型应用,目前已经广泛应用在多个领域当中。将神经网络引入到无线传感器网络当中,通过神经元描述每一个无线传感器数据,构建神经网络元模型。对传统的神经网络模型进行改进,利用无线传感器的神经网络模型,实现无线传感器网络采集数据的融合与提取。通过各种应用类型的差异,选择影响数据输出结果的主要因素,建立一种能够进行预测的模型。以某个区域是否发生火灾为实验原型,对该区域的火灾发生概率进行预测,采用已有的火灾发生数据为训练样本,通过收敛的网络预测火灾发生的概率。实验结果表明,基于神经网络的无线传感器网络数据预测是一种可行、有效的方法。     

基于PSO-BP的无线传感器网络数据融合算法研究

为提高无线传感器网络(WSN)数据融合效率,减少网络的通信量以及降低传感网的能量消耗,提出一种基于粒子群优化BP神经网络的无线传感器网络数据融合算法;该算法将粒子群算法优化BP神经网络的权值和阈值后,与传感器网络分簇路由协议有机结合,将无线传感器网络中簇头和节点等同于BP神经网络里的神经元,利用优化后的BP神经网络有效地提取WSN数据融合原始数据之中的少量特征数据,之后把提取的特征数据发送到汇聚节点,进而提升数据融合效率,延长网络生存周期;仿真实验证明,与LEACH算法、BP神经网络和GABP算法相比,该算法可有效减少网络通信量,降低节点总能耗的15%,延长网络生存时间。     

基于神经网络的无线传感器网络数据融合算法_cg10000147修改稿

为减少无线传感器网络的通信量,降低能量消耗,设计了一种基于神经网络的数据融合算法(BPNDA),该算法将BP神经网络和传感器网络分簇路由协议有机结合,将每个簇设计成一个神经网络模型,通过神经网络提取原始数据中的少量特征数据,然后将特征数据发送给汇聚节点,从而提高数据收集效率,延长网络生存时间。仿真实验证明,与LEACH算法相比,该算法可有效减少网络通信量,降低节点能耗。     

基于SOFM神经网络的无线传感器网络数据融合算法

为了降低无线传感器网络的通信量,降低能耗,延长网络的生命周期,提出了一种基于SOFM(Self-Organizing Feature Mapping)神经网络的数据融合算法（SOFMDA）,该算法将自组织映射神经网络和无线传感器网络分簇路由协议相结合,使簇中的各个节点完成神经元的工作,按照数据的特征对其进行分类,提取同类数据的特征,将特征数据发送到汇聚节点,从而减少了数据发送量,延长网络的生命期。仿真实验表明,与普通的数据融合方法相比,SOFMDA能够在保证数据准确性的前提下,有效减少网络通信量,延长网络生命期。在文中仿真实验的时间内,达到了LEACH算法性能的1.5倍。     

基于KM-FNN的无线传感器网络缺失数据重建算法

在环境监测领域,无线传感器网络节点受恶劣环境或软硬件故障的影响,在数据传输的过程中不可避免地发生数据丢失的现象,这将严重影响监测数据流的可靠性和用户的科学决策,提出了一种基于自适应的Ｋ－均值算法和模糊神经网络相结合的分簇式无线传感器网络缺失数据重建算法(ＫＭ-ＦＮＮ)。该算法使用模糊神经网络模型重建缺失数据,并引入自适应机制适时更新训练模型, 针对不同数据集的仿真结果表明,与以往同类算法相比,ＫＭ-ＦＮＮ 具有更好的缺失数据重建准确性。     

无线传感器网络数据融合算法综述

数据融合技术是无线传感器网络的关键技术之一,它通过合并相似数据、预测未来数据等方式减少节点间数据的传输量,对冗余数据进行精简,从而明显提高网络生命周期以及数据准确性。本文对近年来数据融合算法的研究现状进行了全面深入分析,同时从融合过程中采用的融合算法与融合规则出发,将现有的无线传感器网络数据融合技术分为了基于统计学、基于人工智能、基于信息论与基于拓扑学的四大类,对这四类技术从原理上进行了综述,对其中涉及到的不同融合算法从性能、时延、复杂度以及能耗方面进行了详细分析与比较。最后介绍了自动融合、融合评估等未来数据融合的研究重点。     

基于数据流和网络编码的无线传感器网络数据聚合算法

为了减少分簇的无线传感器网络(WSN)中数据包传输的数量,并使传感器网络的能量效率最大化,提出了一种节能的自适应数据聚合算法.在该算法中,源节点凭借其存储和计算能力,利用数据流技术减少数据包的传输量;当数据从源节点传输到簇头时,簇头根据控制信息选择一组节点作为编码节点,当数据相关性低于某阈值时,该组节点对数据包进行网络编码,若数据相关性高于某阈值,该组节点则会成为聚合节点进行数据聚合,网络编码和数据聚合可以减少簇头冗余流量,提高能量效率.实验结果显示,使用该算法后,数据包交付率有所提高,能量消耗显著减少.     

一种改进的瑞利小波算法无线传感器网络流媒体传输研究

针对无线传感器网络中带宽和能量受限、误码率高、信道不稳定等因素严重影响了实时流媒体传输的问题,采用瑞利小波模型模拟无线传感器网络流媒体通信,并给出概率分布和突发特性的分析模型,基于Kal-man滤波器实时预测网络带宽,自适应地在SCTP与PRSCTP之间进行切换。仿真实验表明,瑞利小波模型能够准确地描述实时流媒体通信流,Kalman滤波器可以准确地预测实时网络带宽,而且基于带宽预测的流媒体传输技术与原有的技术相比在分组成功投递率、端到端时延和吞吐率上均具有良好的性能。     

一种基于数据驱动的无线传感器网络分簇算法

由于无线传感器网络的能量有限,尽可能地减少能量消耗成为设计者的主要研究目的之一。在研究LEACH及其改进算法TEEN等算法的基础上,提出一种基于数据驱动的无线传感器网络分簇算法,即CADD算法。在CADD算法中,节点的数据发送基于两个参数:采集数据的信息量以及节点没有发送数据时延,通过两个参数的计算结果与设置阈值的比较关系判断数据的发送与否。在数据传输过程中,提出使用数据传输状态与节点信息素转换的方法,用于减少数据传输冲突。此外,在簇头选举阶段,通过使数据传输量小的节点较大概率地成为簇头,有效优化了簇头选举。最后,通过仿真的方法,将CADD算法与LEACH算法和TEEN算法进行对比,结果表明CADD算法优于LEACH算法和TEEN算法。     

无线传感器网络中一种自适应的退避算法

802.15.4协议中CSMA/CA信道接入方式为了避免再次碰撞使用BEB退避算法,在重负载的情况下网络性能较差。提出一种自适应的退避算法,它用报文的冲突概率来预测节点附近信道的争用状况,在不同的网络状况下,竞争窗口的取值采用相应的退避策略,动态地控制节点的退避范围,以达到改善网络性能的目的。分析与仿真结果表明,新的算法与传统的退避算法BEB算法相比,在网络负载重的情况下,有效地降低了数据包的冲突概率,减少了时延,提高了网络的吞吐量,同时对信道的公平性也有所改善。     

基于差分进化的无线传感器网络二阶段定位算法

近年来优化算法在无线传感器网络定位算法中得到了广泛应用.在对差分进化算法研究的基础上提出一种二阶段定位算法,第一阶段在Euclidean定位算法的基础上,加入了距离路由思想,通过与未知节点距离两跳之内的两个锚节点和距离两跳之外的任一锚节点利用Euclidean算法来计算估计位置.第二阶段利用差分进化算法进行迭代寻优,提...     

一种基于认知无线电的无线传感器网络邻点搜索算法

为了提高无线传感器网络中节点在多个频点工作环境下的搜索效率,提出了一种基于认知无线电技术的节点搜索算法。在分析了影响节点成功搜索的各个因素并映射这些因素到算法中相应参数的基础上,通过多种方法建立了各参数之间的联系并得出了在一定使用情况下的最优配置。算法既汲取了认知无线电中对频点利用率高、抗干扰能力强和安全性好等优点,还克服了其相对于定频通信在节点搜索能力方面的不足。     

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FPOMDP的无线传感器网络动态调度算法

针对无线传感器网络节点能量有限、数据采集易受环境影响的问题,提出一种基于可分解部分可观察Markov决策过程FPOMDP( Factored Partially Observable Markov Decision Process )的节点休眠调度算法.通过节点空时相关模型求取休眠节点数据,利用网络数据准确性和节点能量间的条件独立关系,构造状态转移函数、观察函数和奖赏函数,采用值迭代求解算法求取最优策略,实现节点动态调度.仿真结果表明,该算法能够在保证数据准确性的前提下,有效降低节点能量消耗,延长网络生存时间.     

基于传播模型的无线传感器网络覆盖的研究

无线传感器网络在连通情况下如何部署使其覆盖率达到最大,是关系到整个网络架构的一个基本问题。受环境因素影响,在实际网络部署过程中,理论上的覆盖方法并不适用。因此通过测试传输信号并作出统计分析后,建立基于一定环境下的无线传感器网络通信传播模型,在J-Nam平台下建立仿真,系统对给定环境进行仿真并研究传感器节点如何部署产生更加有效的通信,可以得出在该环境下节点最佳部署方案,对实地网络节点部署有一定的参考价值。     

基于博弈论的无线传感器网络保密容量优化研究

由于无线传感器网络传输数据时的广播性,很容易受到窃听。从信息论的角度,保证节点信道的保密容量,即可实现数据的安全传输。而在无线传感器网络中,节点与节点之间会产生相互干扰,从而影响信道各自的保密容量。使用非合作博弈求解无线传感器网络在节点发射功率受限、节点之间存在互相干扰的情况下选取各自的功率,达到纳什均衡,以获取最佳的收益。仿真结果表明,节点选取纳什均衡时的功率,可获得较好的保密容量,同时提高节点的可持续性。     

一个基于类的无线传感器网络并发事件的路由协议

针对无线传感器网络的特点,本文在Wendi B．Heinzelman等人设计的LEACH协议的基础上,提出了基于类的并发事件的处理方法,解决了并发事件的区分、定位和路由问题,增强了无线传感器网络处理事件的能力。     

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.