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.     

基于参数估计的多传感器数据融合算法研究

为提高多传感器数据融合精度,结合传感器网络的特点及应用实例,研究分批估计、自适应加权和方差估计算法在数据融合中的有效性、准确度和实时性,提出按测量方差的自适应加权数据融合算法,利用600个传感器所提供的实例数据,对几种算法进行仿真,并比较了几种算法的有效性及其融合精度的差异,其结果表明采用自适应加权算法可以有效提高融合精度,对考虑了环境噪声的多传感器数据采集系统较为适合.     

基于异常数据驱动的WSN簇内数据融合方法

引入数据驱动的思想,提出了一种基于异常数据驱动的簇内数据融合方法.在节点数据采集过程中,仅当异常数据发生时才发送给簇头,减少了监测网络的数据传输量.在簇头数据融合过程中,建立了各传感器之间的相互支持度矩阵,支持度值较低的监测数据将被剔除,支持度值较高的监测数据进行最优加权融合,从而保证了融合结果的准确性和有效性.仿真实验结果表明,与算术平均值法及自适应加权融合法相比,本文方法能有效去除冗余信息,在融合精度、能量消耗方面具有明显的优势.     

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.     

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。     

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。     

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。     

基于估计机制的分簇传感器网络数据融合算法

提出了一种基于估计机制的分簇传感器网络数据融合算法.在满足数据精确度要求的前提下,只有当数据的当前值与上一次采集值之差超过某一变化阈值时,才将当前采集数据发送到簇头节点,否则不发送.采用节点剩余能量自适应的簇头选择算法来平衡传感器节点的能耗,使得剩余能量越大的节点当选为簇头的概率越大.推导了使网络能耗最小的最优分簇规模...     

基于信誉度集对分析的WSN安全数据融合

由于无线传感器网络存在资源约束问题,为了有效地减少无线传感器网络中的数据传输量以降低网络的总能耗,同时确保对感知数据进行融合操作的安全性,提出了一种基于传感器节点信誉度集对分析的安全数据融合方法.在节点分簇阶段,利用基于密度函数的减法聚类方法进行分簇,既获得了较快的分簇速度,又保证了簇头节点地理位置的合理分布,使得分簇规模更加符合节点的实际布设情况.在数据传输阶段,将簇头节点选择下一跳数据转发节点建模为多属性决策过程,综合考虑备选转发节点的信誉度、能量等属性信息,从中选择综合评价最优的簇头节点转发融合数据,不仅使网络中的数据流量分布更加均衡而且保证了数据的安全性.仿真结果表明,提出的数据融合算法在融合精度、安全性及簇头节点能耗方面与同类的LEACH算法和BTSR算法相比具有明显的优势.     

一种无线传感器网络中自主选择簇头的聚类算法

在无线传感网络中,传感器节点要定期向基站发送收集的数据。为了支持数据汇总,通过高效的网络组织将节点划分成若干簇。在这种类型的系统中,随着簇头的轮转,每个簇中的簇头选择方法是最具有挑战性的问题,有效的簇头选择算法可以提高网络的续航时间,并减少在WSN中的节点之间的通信开销。提出一个簇内民主方式选举算法来选择簇中的节点作为簇头,用MatLab对算法进行仿真,证明该算法的性能可以有效改善网络的性能。     

异构无线传感网络最优簇首选择机制

针对时间驱动的数据收集方式,考虑在异构无线传感器网络中,不同类型的传感器节点采集数据周期不同,节点初始能量异构的研究背景下,结合模糊逻辑原理,提出了一种新型的最优簇首选择机制OCHS. OCHS算法在选择簇首节点的时候,综合考虑节点采集数据周期不同,节点初始能量异构以及节点的分布密度,通过这些因素采用竞争的方式来选举最优的簇首集.成员节点则采用类勾股定理的方法,选择一条链路能耗最小的路径加入该簇. MATLAB仿真表明, OCHS算法能够有效的均衡网络节点能耗、延长整个网络的生存周期以及提高整个网络的稳定期.     

一种基于地理位置信息的高能效无线传感器网络

分簇协议的目的是要利用节点有限的资源, 完成高效的数据采集任务, 延长网络使用寿命. 在基于簇的网络结构基础上, 提出并行分布式自组织成簇协议 (Parallel distributed self-organization clustering protocol, PDSOCP), 按地理位置将目标区域划分为若干均匀分布的逻辑区域, 每个区域根据节点剩余能量多少以及到区域内其余节点平均距离远近选择一个簇头, 以代理和簇头共同管理簇事务, 并建立了自适应路由. 实验表明, 该算法能够减少网络能耗, 有效延长网络寿命, 获得更好的性能.     

负载均衡的无线传感器网络的分簇路由算法

无线传感器网络分簇算法中,簇首肩负着收集、融合和传输数据的责任,影响整个簇的性能。簇首能量快速消耗,破坏了网络节点能量的均衡性。针对此,提出了一种负载均衡的分簇算法（LBCA）,由簇内成员和助理簇首帮助簇首完成任务。簇首选择阶段,通过两次筛选确定簇首的方法来控制簇首个数;簇内收集数据时结合蚁群算法寻找遍历簇内的最短路径,减小簇首能量消耗的压力;给Sink节点传递数据过程中,在簇内选择一个助理簇首来辅助簇首工作。仿真结果表明,该算法可以有效地均衡网络节点负载的能耗,提高网络的生命周期。     

基于事件驱动的无线传感器网络数据收集协议

为延长网络生存时间,提出一种基于事件驱动的传感器网络数据收集协议。该协议根据自适应评估模型选出簇头,当有兴趣事件发生时,簇内成员节点将收集到的数据传递给簇头,簇头进行数据融合并向sink发送数据收集请求。sink接收到数据请求包后,移动到这个簇头附近开始收集簇内兴趣事件。仿真实验结果证明,该协议能有效降低节点能耗,延长网络寿命。     

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.     

无线传感器网中基于加权负载的时隙调度算法

针对无线传感器网络MAC协议,提出了一种能量有效的自适应时隙调度算法EATA。算法基于簇结构,由簇首根据节点加权通信负载动态调度各节点占空比,减少节点的空闲侦听时间;并通过动态调节时隙更新频率和顺序以降低时隙划分的能量和时间代价。仿真表明,在控制数据包时延的前提下,算法有效地提高了网络能量有效性,延长了网络生存周期。     

无线传感器网络中移动节点辅助的数据采集效率优化研究

为了提高无线传感器网络中数据采集效率,提出了一种基于节点分级的混合多跳数据采集（hybrid multi-hop data collection,HMDC） 算法。该算法首先基于数据量将所有节点均匀划分成簇,然后在簇内采用节点分级的思想进行数据的多跳传输,最后使用移动采集器沿着最短路径访问簇头节点,对指定节点进行数据集采集。仿真结果表明,HMDC算法有效地提高了数据采集效率,均衡了能量消耗,延长了网络的生命周期,且更加适用于较大规模的数据采集。