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。     

无线传感器网络自适应预测加权数据融合算法

为提高无线传感器网络监测系统的可靠性及寿命,提出了一种基于分簇的自适应的预测加权数据融合(AFWDF)算法.AFWDF算法依据数据在时间上的相关性,建立预测模型.源节点与簇头利用前期监测数据的变化态势自适应调整预测模型参数对后期数据进行预测,源节点通过预测值与测量值比较提取特征值和剔除异常值,簇头根据特征值和预测值还原监测值,并计算监测值可信度和权重进行加权数据融合.通过性能分析及仿真,得出AFWDF可靠性较高,且在模拟环境下网络寿命周期比SAEMDA和BPNDA算法提高了15％左右.     

无线传感器网络中的数据融合研究

无线传感器网络具有成本低、体积小、组网灵活、便于远程监控等优点,但是也存在能量、存储与网络资源等多方面的限制。研究了无线传感器网络中数据融合问题,提出了一种基于分簇的数据融合方法。实验结果表明,该方法能够提高数据准确性,降低数据冗余度,具有较好的执行效率。     

无线传感器网络含有缺失数据的数据融合研究

针对含有缺失数据的无线传感器网络数据融合问题,提出了一种简单易行的二次数据融合算法(TFA)。考虑到感知数据的时—空相关性,对缺失数据进行线性插值插补和回归分析插补,对插补结果利用线性组合融合算法进行融合。综合考虑各节点的信息,利用自适应加权融合算法进行融合。实验结果表明,该算法在含有缺失数据的前提下,能够以较低的计算开销和较高的估计精度实现数据融合。     

无线传感器网络数据融合技术的研究进展

首先对无线传感器网络的特点进行了介绍,分析了数据融合技术对无线传感器网络发展的重要性,之后简要介绍分析了部分有代表性的研究成果．最后讨论了无线传感器网络中数据融合问题的未来研究方向。     

无线传感器网络簇内自适应融合算法研究*

无线传感器网络中采集的数据存在着较大的冗余与误差,且影响数据的可靠性。针对这个问题,分析了簇内数据误差成因,提出了一种改进后的自适应数据融合算法。该算法从节点测量数据自身着手,通过迭代得到各个节点测量数据的无偏估计值,以各个节点与估计值的欧氏距离作为各节点可信度的描述。实验证明,该融合算法提高了数据的精度和可信度。同时,通过与分批估计融合方法和传统的自适应加权融合方法的比较分析,表明该方法融合效果更好。     

无线传感器网络中数据密度相关度融合算法

无线传感器网络节点部署在复杂环境时,节点间相关性无法通过节点间距离来准确描述.为了克服该缺陷,本文提出了数据密度相关度公式.该公式反映了节点数据的ε邻域内数据的聚集程度,也反映了该节点数据相对其ε邻域内数据的相对位置.同时,将数据密度相关度公式应用到代表式数据融合算法中,提出了数据密度相关度融合算法.该融合算法得到的相关区域具有相关区域内节点数据相关度大,相关区域问节点数据相关度小的优点.仿真实验结果表明了该融合算法在数据准确性和能耗方面较基于α-局部空间数据融合算法和基于皮尔森相关系数的数据融合算法优越.     

基于压缩感知的无线传感器网络数据融合算法

无线传感器网络中存在大量的数据冗余,数据融合技术通过对采样数据进行压缩,消除冗余,有效的减少了节点发送的数据量,延长传感器网络的寿命．提出了压缩感知与数据转发相结合的数据融合算法,在网络采样数据收集的过程中根据节点的子节点个数选择利用压缩感知对数据进行压缩还是直接对数据进行数据转发．仿真结果表明,和基于压缩感知的数据融合算法相比,数据转发与压缩感知相结合的数据融合算法,有效地在平衡节点间负载的同时减少节点的发送量．     

基于次序编码的无线传感器网络数据融合算法

数据包压缩为无线传感器网络的数据融合提供了一种简单、有效的解决方案。针对一种基于次序编码的数据包压缩技术进行了研究,分析了其处理过程过于集中和复杂这两个局限性,提出一种数据融合新算法（DCOA）。算法建立了新的实现流程,设计了新的映射表数据结构,通过分布式动态处理,分解降低了实现的复杂性,平衡了节点的能量负载,大幅提高了数据融合效率。通过仿真实验对算法的优越性进行了验证。     

基于无线传感器网络的网内数据融合*

由于电池能量的限制,无线传感器网络设计的一个主要目标就是最大化网络生命期。在传感器网络中,网内数据融合是减少能源消耗的有效途径。首先基于传感器网络的特点,描述了网内数据融合的概念和网内数据融合的两个层次,重点阐述了在无线传感器网络中网内数据融合的几种数据分发策略,并分析了数据的最大延迟时间T在各个融合节点上的分配对网内数据融合的影响。     

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.     

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...     

传感器网络中基于模糊理论和蚁群的路由算法

在蚁群算法基础上引入模糊理论的概念,提出基于模糊理论和蚁群BFTAC(Based on Fuzzy Theory and Ant Colony)的路由算法。BFTAC算法前向蚂蚁在路径探索中,通过模糊综合评判法选择下一跳节点;信息素更新过程中,成功到达汇聚节点转化的后向蚂蚁根据对应的前向蚂蚁携带的网络信息增强路径信息素,而未成功到达的要削弱信息素;数据传输时,采用低能量节点休眠工作机制,以此达到均衡网络节点的能耗的目的。仿真实验表明,与基于能量有效蚁群算法(EEABR)进行比较,相同条件下BFTAC算法有效地减少了网络平均能量消耗,增强了网络节点的存活率。     

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。     

一种基于次锚节点的无线传感器网络质心定位算法

质心定位算法是无线传感器网络无需测距定位的一种典型算法。针对其定位精度和覆盖率的不足,对质心定位算法进行改进,提出一种新的WCSA算法。在三角形测试原理(PIT)的基础上,优化选择锚节点,利用三角形质心的特性,对不同的锚节点赋予权值,体现不同锚节点对定位的影响,修正定位结果,提高定位的精度;针对网络中的边缘节点和不可定位节点,采用特征计数的方式引入次锚节点进行二次定位,在降低应用成本的同时能有效地提高定位覆盖率。仿真实验表明,新的算法相比于质心算法,有效提高了定位精度,具有一般的适用性。     

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。     

一种传感器网络实时自适应数据抑制算法

传感器网络中能量至关重要.提出一个利用限定记忆迭代最小二乘法,基于AR(n)自回归模型的实时、自适应数据抑制算法.限定记忆迭代最小二乘法适合在传感器节点内存受限、计算能力有限的情况下完成AR(n)参数估计的任务.模拟实验表明,使用该算法可以很好地抑制感知数据传送到网外,减少了连续查询的约80%的网内通信量.     

无线传感器网络中基于DV-Hop节点定位算法的研究

针对无线传感器网络中无需测距的DV-Hop算法定位精度低的缺陷,提出改进算法。改进算法是以传统的DV-Hop算法为依据,利用RSSI为依托。在获得跳数的步骤之后,对跳数进行修正,再对平均每跳距离进行加权处理,最后修正节点之间的距离,以提升传感器节点的定位精度。通过Matlab仿真实验结果表明,与传统的DV-Hop算法相比,改进算法能更加准确地估计了跳数、平均每跳距离与节点间的距离,提高了定位精度,较实际地反映出了网络的状况。     

基于遗传压缩感知的无线传感器网络数据压缩方法

考虑到无线传感器网络WSNs能量、通信带宽、计算能力及成本有限,不适合大规模数据传输,同时存在数据冗余,需要进行数据压缩处理,提出一种新的基于遗传算法的压缩感知CS(Compressive Sensing)重构方法,应用于无线传感器网络数据压缩中。详细阐述分布式WSNs数据压缩特点,压缩感知基本理论,基于遗传算法的CS重构新方法以及在WSNs数据压缩中的应用。通过实验仿真证明,从压缩比、节点平均能耗、网络生存时间和网络时延四个方面,与DCCM算法及CCS算法的WSNs数据压缩算法进行比较,提出的算法具有较高的压缩比,提高了采集数据的重构精度,降低了数据冗余度和网络通信量,提高了网络效率。     

基于遗传算法的无线传感器网络定位参数优化

介绍基于接收信号强度指示技术的无线定位引擎芯片CC2431的特点、功能及定位算法,说明定位引擎参数的定义。由于定位参数受实际应用环境影响很大,所以选择好定位引擎参数成为提高CC2431定位系统性能的关键。在环境相同的区域内设置一个参数寻优节点,利用遗传算法优秀的全局寻优能力,将优化后的参数寻优节点定位参数作为此区域内网络的最优参数。实验表明可以充分发挥CC2431定位系统的性能。