无线传感器网络数据融合技术研究

无线传感器网络是一种新兴前沿技术,其巨大的应用前景受到学术界和工业界的高度重视。无线传感器网络节点能量和计算资源严重受限,数据融合技术是减少网络能耗、降低数据冲突、降低传输时延的重要方法。本文首先分析数据融合的重要性;其次针对数据融合的功能分类阐述现有的数据融合方法,并分析存在的问题;最后对数据融合技术的未来发展进行了展望。     

无线传感器网络中基于融合贡献的传输延时分配算法

数据融合是降低无线传感器网络的冗余能耗、延长网络生存期的有效手段之一.传输延时的分配是数据融合中的重要问题,它对网络融合的效果和数据分组的传输延迟具有很大影响.提出了一种基于融合贡献的传输延时分配算法ACDA(aggregate contribution based delay-time allocation),量化了路由树中不同位置的节点对融合效果的影响,并依此按比例分配融合等待时间.算法充分考虑到了各节点在路由树中的位置差异性和节点间的相互影响.仿真结果表明,同现有的几种延时分配算法相比,ACDA能够更加有效地改进数据融合效果,提高网络实时性.     

基于哈尔小波的传感器网络数据融合算法

在无线传感器网络中,数据融合对于延长网络寿命起着关键作用.当前,对无线传感器网络中数据融合的研究主要集中在基于数据库查询的基础上进行数据合并,本文提出了使用基于哈尔小波变换的数据融合算法在传感器节点内进行数据级融合,它可以有效降低传感器节点内原始数据的发送量,并可以根据细节系数重构不同融合粒度的数据.     

最大生存周期的无线传感器网络数据融合算法

针对无线传感器网络的节点能量有限,且在进行信息传输时存在数据冲突、传输延时等问题,提出基于最大生存周期的无线传感器网络数据融合算法。该算法将整个网络中的节点分成多个簇,并根据节点的传输范围,将每个簇中的节点均匀分布,每个节点根据自己的本地信息和剩余能量选择通信方式向簇头节点传输数据,从而形成传输数据的最短路径;并根据集中式TDMA调度模型,运用基于微粒群的Pareto优化方法,使得网络在完成规定的信息传输时每个节点耗费的平均时隙和平均能耗最低。仿真结果表明,上述算法不但可以最大化网络的生存周期,还可以有效地降低数据融合时间,减少网络延时。     

高效物联网虚假数据融合结果检测机制

数据融合(data fusion)是物联网数据传输和处理的关键步骤之一,在传输过程中提前汇总和处理中间数据,仅将逐层融合的结果发送到应用层,有效降低了中间节点的功耗和负载.然而,在这一过程中,各节点没有保存被融合数据,因此,无法发现和定位针对数据融合结果的数据伪造或篡改攻击.为了杜绝这一安全隐患,提出一种高效的物联网数据融合安全检验机制,通过对数据融合过程建模,发现并刻画被输入数据和融合结果之间的联系,并利用这一模型发现异常的数据融合结果,杜绝恶意数据融合,优化物联网传输安全.首先,在节点/网络的输入端和输出端分别进行数据收集,构建了基于被融合数据的特征压缩摘要机制,提升了数据收集效率并优化了节点资源消耗;其次,提出了基于概率图概率模型的数据融合模型,描述被融合数据和融合结果的时空域关系,并基于这一模型高效检测异常数据融合结果.实验结果表明：所提出的方法能够高效、准确地发现恶意数据融合操作,优化物联网传输安全.     

无线传感器网络免疫代理数据融合算法

针对网络能耗和延迟问题,提出了一种基于免疫代理的数据融合算法。通过代理的自由迁移降低节点传输能耗;通过免疫降低参与融合的节点数以降低网络能耗;设立应急通道以降低紧急情况下的网络延迟;采用十六进制编码方法对融合数据进行压缩处理。试验结果表明,该算法能有效降低网络能耗和延迟。     

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。     

基于四叉树多层次感知数据融合的无线传感网络路由协议的研究

为有效减少网络中冗余信息传输,提出一种基于四叉树均匀分簇的无线传感网络路由协议----QUCRP。首先对监测区域按四叉树进行网格划分,并对划分的簇及簇群进行四叉树编码;接着从节点的剩余能量、网格中心距离、节点的功率等方面考虑,设计簇首选举算法;最后采用多层次的数据融合策略,对感知数据进行逐层融合并转发,有效降低数据传输能量消耗。仿真实验表明,QUCRP路由协议有效降低了冗余信息传输,延长了网络的生命周期。     

无线传感器网络中新型的网内数据融合定时机制

大部分现有的数据融合策略都会给网络数据的传输造成很大的延迟,影响网络的精确性。为此,提出了一种新型的网内数据融合定时控制机制。它将网络中感应数据划分为实时数据和非实时数据,通过对不同数据采用的区分服务,对节点的融合定时时间进行合理配置,取得了网络能量利用效率与数据精确性之间的良好折中。     

无线传感网络中数据融合体系架构的研究

数据融合技术是无线传感器网络（WSN）的一个关键技术,目的是减少传感节点间的传输量,降低整个网络中的能量消耗和数据冲突,进而优化WSN的整体性能。文章针对WSN中数据融合处理形式的多元性,在讨论了广义的数据融合,分析现有的WSN数据融合方法的基础上提出了一种解决WSN（自组织和网内处理）中数据融合多元性问题的新的开放式的体系架构,并给出了具体实现方案。     

基于簇头预测的无线传感器网络节能算法

针对无线传感器网络寿命受节点能量制约的问题,提出基于簇头预测的节能算法。分析节点接收、发送和处理数据所需能耗与通信中数据包长度的近似线性关系,给出节能算法的能耗模型。以已有融合数据为基础,簇头利用灰色预测算法求出该簇的数据,降低簇头与非簇头节点的通信频率,使簇头以较低能耗延长其轮回周期。仿真结果表明,该算法能有效降低节点死亡速度,延长网络寿命。     

Reliable and energy-efficient data collection in sparse sensor networks with mobile elements

Sparse wireless sensor networks (WSNs) are emerging as an effective solution for a wide range of applications, especially for environmental monitoring. In many scenarios, a moderate number of sparsely deployed nodes can be sufficient to get the required information about the sensed phenomenon. To this end, special mobile elements, i.e. mobile data collectors (MDCs), can be used to get data sampled by sensor nodes. In this paper we present an analytical evaluation of the data collection performance in sparse WSNs with MDCs. Our main contribution is the definition of a flexible model which can derive the total energy consumption for each message correctly transferred by sensors to the MDC. The obtained energy expenditure for data transfer also accounts for the overhead due to the MDC detection when sensor nodes operate with a low duty cycle. The results show that a low duty cycle is convenient and allows a significant amount of correctly received messages, especially when the MDC moves with a low speed. When the MDC moves fast, depending on its mobility pattern, a low duty cycle may not always be the most energy efficient option.     

水声传感器网络中基于相关性感知的路由协议

针对水声传感器网络数据传输效率低、能量消耗大的问题,提出一种基于相关性感知的路由协议。该协议根据路由过程中数据的相关性进行数据融合以减少通信量。通过平衡各节点的能量消耗,避免某些节点过早地耗尽能量而影响整个网络的生命周期。仿真结果表明,该路由协议可以在提高数据包传送率的同时,有效降低网络能量消耗。     

Storm平台下的线程重分配与数据迁移节能策略

作为流式大数据计算的主要平台之一,Storm在设计过程中由于缺乏节能的考虑,导致其存在高能耗与低效率的问题.传统的节能策略并未考虑Storm的性能约束,可能会对集群的实时性造成影响.针对这一问题,设计了资源约束模型、最优线程重分配模型以及数据迁移模型.进一步提出了Storm平台下的线程重分配与数据迁移节能策略(ener...     

基于概率生成模型的网络数据分类方法

利用实体之间的相互关系来对实体进行分类的网络数据分类是数据挖掘的一个重要研究内容.现有的网络数据分类方法普遍根据邻居节点的类别来对节点进行分类.这些方法在同质性程度较高的网络中达到了很高的分类精度.然而在现实世界中,存在许多同质性程度很低的网络.在低同质性网络中,大多数相连节点的类别不同,所以现有方法难以正确预测出节点的类别.因此,提出了一种新的网络数据分类方法.其主要思路是建立一个描述网络的概率生成模型.在这个概率生成模型中,将网络中的边作为观察变量,将未知类别节点的类别作为潜在变量.通过吉布斯采样方法对模型进行求解,计算出潜在变量的取值,从而得到未知类别节点的类别.在真实数据集上的对比实验表明,提出的分类方法在低同质性网络上有更好的分类性能.     

基于簇的无线传感网络流量负载的时隙调度协议*

针对大规模的无线传感器网络MAC协议在能量有效、低延时等方面的不足,提出一种基于簇的自适应时隙调度协议（ATSP）。整个网络由一些较小单位的簇组成,在每个簇内构造一棵数据聚集树,根据数据聚集树对节点每轮需要发送的数据流量进行加权,决定该节点的时隙大小;然后由簇头动态调节簇内节点时隙更新频率和顺序,可以降低时隙划分的能量和时间代价,减少节点的空闲侦听时间,避免串音。仿真表明,该协议有效地提高了网络能量有效性,延长了网络生存周期,降低数据包的延时。     

基于联盟区块链的安全能源交易方案

目前区块链技术广泛应用于车载网、能源互联网、智能电网等领域，但攻击者可以结合社会工程学与数据挖掘算法获取用户记录在区块链网络中的隐私数据，尤其是微网中相邻能源节点之间由于博弈产生的数据更容易导致隐私的泄露。为了解决这一安全问题，基于联盟区块链技术提出一个以一对多的能源节点账户匹配机制为核心的安全能源互联网交易模型。该模型主要通过新账户的生成来防止攻击者通过数据挖掘算法从交易记录中获取能源节点的账户、地理位置、能源使用情况等隐私数据。仿真实验结合联盟链的特点、能源节点新账户生成数量、交易验证时间变化情况，给出对隐私保护性能、交易效率、安全性效率的分析结果。实验结果表明，所提模型在交易发起和验证阶段所需时间较少，具有较高的安全性，且模型能对相邻用户间的交易趋势进行隐藏。所提方案能够很好地适用于能源互联网交易场景。     

带速度控制的能量高效的数据收集算法

无线传感网络中, 在保证节点能耗较低, 从而延长网络寿命的基础上, 减小数据收集时延是数据收集的核心问题。为此, 提出了一种带速度控制的能量高效的移动数据收集方法。该方法首先基于节点剩余能量进行动态分簇, 每个簇形成两个簇头来分担簇头能耗; 然后给小车装载双天线, 使得节点能够MIMO数据上传; 最后利用TSP问题找到一条最优路径, 并对移动小车的速度进行控制, 以便小车能够更快地收集数据。仿真实验结果表明, 该方法能够均衡网络流量, 延长网络寿命; 与其他算法相比, 数据收集时延较短。     

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。     

基于投票机制的拜占庭容错共识算法

针对现有的区块链中实用拜占庭容错（PBFT）共识算法、基于动态授权的拜占庭容错（DDBFT）共识算法、联盟拜占庭容错（CBFT）共识算法普遍存在能耗高、效率低、扩展性差等问题，通过引入投票机制，提出了基于投票机制的拜占庭容错（VPBFT）共识算法。首先，以PBFT算法为基础，将网络中的节点划分为四类具有不同职责的节点。其次，算法中的投票节点具有投票和评分权，监督生产节点诚实可靠地生产数据块；生产有效的数据块的生产节点优先进入下一轮，候选节点能够被选为生产节点，而普通节点则能够成为投票节点或候选节点。最后，不同类型的节点之间具有一定的数量关系，能够在不同类型节点的数目或网络中的节点总数发生变化时动态调整参数，从而使得算法适应动态网络。通过性能仿真分析可知，VPBFT算法相较于PBFT、DDBFT、CBFT等共识算法，具有低能耗、低时延、高容错性和高动态性。