基于代理和熵权的无线传感器网络数据融合

为了解决节点分布密集环境中网络数据融合能耗较大的问题,提出了一种基于代理和熵权的分组融合算法。该算法首先通过节点监测数据相似度的对比,摒除组内故障节点的影响;然后采用C/S模式对组内节点进行融合,以组融合数据代替节点数据参与融合;最后采用代理模式对各组融合数据进行熵权融合。仿真结果证明该方案能以较小的能耗代价获取准确的融合结果,有效减少了网络延迟。     

基于数据融合的无线传感器网络林火监控算法

针对无线传感器网络在林火监控应用中存在的问题,提出了一种分层聚簇数据融合算法。簇内传感器节点使用加权平均法对原始数据进行数据级融合处理,以消除原始数据中的冗余成分,减少从簇内传感器节点到簇头节点的通信量;簇头节点采用D-S证据理论建立识别框架,通过对本簇成员的反馈信号进行决策级融合处理,提高了火灾事件的识别精度和网络的鲁棒性。实验结果表明,该算法能有效消除无线传感器网络的冗余数据,并能够在失效节点数不超过总节点数40%的情况下正确工作。     

无线传感器网络中基于数据融合的移动代理曲线动态路由算法研究

和传统的C/S模型相比,移动代理模型在数据融合方面更适合无线传感器网络.在基于移动代理的数据融合算法中,移动代理访问传感节点的顺序以及总数对算法的效率、网络寿命等有着重大影响.为此提出了一种基于数据融合的移动代理曲线动态路由算法设计方案.通过构造特定数据结构的数据报文和数据表,给出了目标节点基本信息收集算法获取目标节点到处理节点的最优路径;将移动代理路由归结为一个优化问题,由静态路由算法求出移动代理迁移的静态最优路由节点序列,进而获得了移动代理基于曲线的动态路由算法.理论分析和模拟实验表明,随着传感器网络规模的增大和传感数据量的增加,和其它算法相比,该算法有更小的网络耗能和延时.     

基于移动代理的无线传感器网络簇内融合算法

在无线传感器网络中采用移动代理技术进行数据融合。根据节点剩余能量、局部融合结果,设计节点分簇算法。优化移动代理在簇内的路由策略,进一步减少无线传感器网络的数据传输总量。通过实验得出,采用移动代理的簇内融合过程中,能在一定程度上减小路径损耗。     

传感器网络中基于预处理证据理论的数据融合

在无线传感器网络中,多个传感器节点对于同一个目标的识别结果经常会发生冲突。使用基于D-S证据理论的数据融合方案可以较好地解决这一问题。然而,采用D-S证据组合公式计算融合结果,随着可能的目标身份的增加,计算量会迅速增长。针对传感器节点有限的处理能力和节点的决策数据具有高冗余性的特点,提出通过预处理来减少计算时需要处理的目标身份的个数,减少了计算量;并通过一致性检验排除了误差较大的数据,从而使得决策结果更准确。     

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。     

基于D-S证据理论的传感器网络数据融合算法

在传感器网络中，多个传感器对于同一目标的识别结果经常会发生冲突，本文采用基于Dempster—Sharer证据推理理论的数据融合方法来解决这一问题。然而，采用D—S证据组合公式计算融合结果，计算量过于巨大，对处理能力有限的感知结点来说负担过重，此外，计算所造成的延时也将严重影响系统的实时性和同步性．本文提出了一个基于矩阵分析的快速融合算法，该算法采用了D—S证据理论的思想，计算得到的融合结果与D—S证据组合公式计算得到的融合结果相同．本文用数学归纳法证明了这一结论，经过模拟实验验证，和直接采用D—S证据组合公式相比，该算法的计算量和所需的计算时间明显减少．     

一种基于网格和移动代理的无线传感器网络数据融合算法

能源有效性是无线传感器网络(WSN)路由算法设计要考虑的首要问题,数据融合可以通过合并冗余数据而有效地节约能耗.提出一种将网格和移动代理相结合的WSN数据融合算法,基于移动代理对Sink节点发出兴趣代理报文和目标节点发出数据代理报文进行转发.将移动代理路由归结为一个优化问题,通过把WSN均匀分割为多个大小适当的二维网格,形成自适应遗传算法(AGA)的初始群体,采用AGA求出移动代理的最优路由节点序列.仿真结果表明,随着网络规模增大,和局部最近邻优先算法(LCF)相比,该算法有更小的网络能耗和延时.     

传感器网络中基于移动代理的数据融合方法研究

在传感器网络中采用移动代理来进行数据融合是一个新颖的思路,它与传统的数据融合方法相比拥有诸多优势,有必要为数据融合设计一种基于移动代理的计算模型,使得移动代理在传感节点间迁移的同时能够进行有效的数据融合.我们对基于移动代理的数据融合方法进行了深入的探索,设计了基于移动代理的数据融合框架,提出了一种与移动代理路由紧密结合的按分辨率并行量化交叠的数据融合算法--PQOR,并将其成功地运用到目标分类识别的应用场景中.仿真结果表明:与传统的数据融合算法相比,PQOR能够以较小的代价达到应用的要求,其优势随着网络节点规模的增长更为明显.     

传感器网络中基于移动代理的数据融合框架设计

使用移动代理进行数据融合相比于传统的数据融合方法拥有诸多优势.设计了一种基于移动代理的数据融合框架;通过定义目标函数,采用遗传算法求解框架中移动代理的最优路由策略;提出了一种基于分辨率的并行量化交叠的数据融合算法RPQO作为框架中的融合策略.仿真结果表明基于移动代理的数据融合框架能够有效地将融合策略和基于移动代理的路由策略整合起来,取得比传统数据融合算法更好的性能,其优势随着网络节点规模的增长更为明显.     

基于信息熵的D-S证据理论及其在传感器融合中的应用

从证据本身和证据之间的相互关系两个方面分析了证据的可信度及相应在融合过程中获得的权重.引入了证据信息熵的概念,并给出了从证据本身确定可信度的方法.为了从证据之间的相互关系考察证据的可信度,给出了描述证据间相互支持的模糊关系矩阵,并依此来影响各传感器对于融合数据的重要性.实验验证了所提方法的有效性和鲁棒性.     

基于DS证据理论的无线传感器网络MAC层安全研究*

研究了无线传感器网络MAC层安全问题,分析了现有无线传感器网络MAC层协议安全体系的不足之处,针对无线传感器网络遭到非法入侵的情况,提出了一个基于D-S证据理论的MAC层入侵检测机制。该机制利用碰撞率、数据包平均等待时间、RTS包到达率以及邻居节点的报警作为证据,对网络的状态进行实时的分析检测,根据网络的状态作出响应。该算法能够应用于现有的MAC协议如S-MAC、IEEE 802.15.4中,仿真结果表明,该算法能够较好地抵御针对MAC层的攻击,保证网络的安全运行。     

基于一维卷积神经网络与改进D-S证据理论的警务云安全数据融合技术

针对系统内评估信息来源单一、准确度偏差过大与异构数据提取融合不充分的问题,提出了一种可扩展攻击行为的多源异构网络安全数据融合框架。首先,建立以攻击模式为核心的安全事件分析模型,进一步精简安全数据;其次,针对决策层数据特征提取不足的问题,建立了基于攻击行为的1D-CNN （1D convolutional neural network,1D-CNN）模型,对警务安全数据进行特征学习和重构;为了进一步提高警务云安全数据的分类能力,模型改进了D-S证据理论并结合多源安全数据的可信度进行数据融合。实验分析表明,基于1D-CNN的改进D-S证据理论模型进一步提高了警务云中安全事件的报警识别率,与其他相关技术相比,该模型具有较好的分析能力,对警务云的安全入侵检测和漏洞分析具有重要意义。     

基于无线传感器网络的安全数据融合技术探究

随着我国信息技术的持续完善和无线传感器网络的不断发展,在无线传感器网络中,安全数据融合技术得到了越来越广泛的应用。本文从对安全数据融合技术进行简析入手,对安全数据融合技术在无线传感器网络中的应用进行了分析。     

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。     

无线传感器网络网内数据融合的研究

针对目前无线传感器网络(WSNs)网内数据融合所面临的一些挑战,提出了一种基于无线传感器网络分布式K-平均聚类(DKCWSNs)算法的WSNs节点传感数据的分组策略,并采用基于自适应加权的数据融合方法对分组后的感知数据进行融合处理,从而获得更合理的结果.最后,通过实例验证了该方法的有效性.     

无线传感器网络数据融合协议比较

传感器网络由电池能量受限的节点组成,必须采用一种能量有效的方法收集节点感知的信息,如果每个节点都采用单跳方式将其感知的数据直接传输给汇聚节点,则与汇聚节点距离较远的节点能量将很快被耗尽。应用于无线传感器网络的LEACH协议提出了通过分簇实现数据融合的方法,簇头在接收到本簇成员的数据后进行融合处理,最终,将融合结果传输到汇聚节点。另一种应用数据融合的PEGASIS协议,是一种接近理想的基于链状的协议,它在LEACH协议的基础上做出了改进。在PEGASIS中,每个节点只与一个位置最近的邻居进行通信,并且,轮流传输数据到汇聚节点,然后,降低每一轮中的能量消耗。模拟结果表明:采用PEGASIS协议有效地延长了网络的生存时间。     

无线传感器网络中误差等级融合算法*

为消除基于虚拟节点的数据融合算法(VNB-DF)的局部误差过大现象,设计了一种误差分级(EG)的虚拟节点数据融合算法。该算法根据目标的精度要求,设定误差等级,通过多项式拟合系数来表示一定范围内的监测数据的分布状态,在内存中生成虚拟节点。实验表明,与簇内数据取均值和VNB-DF算法相比,该算法大大提高了数据采集精度,在多种类环境应用方面能够表现出良好的性能。     

基于D-S证据理论和BP神经网络的多传感器信息融合

针对多传感器信息融合的基本可信度分配在实际应用中难以解决的问题,提出了一种基于D-S证据理论与BP网络相结合的多传感器信息融合的改进方法。该方法充分发挥BP神经网络自学习、自适应和容错的能力,利用BP神经网络处理证据理论的基本可信度问题,再利用D-S证据理论来处理不精确、模糊的信息。最后通过一个实例证明了该方法的有效性。