基于自适应加权数据融合的无线传感器网络仓库监控系统

无线传感器网络的仓库监控系统具有监控效率高,监控节点易扩展和硬件成本低等优点,但面积较大的仓库内,仓储参数分布不均匀。为了提高无线传感器网络仓库环境参数监测的准确度,采用自适应加权数据融合的方法,对传感器网络的采集数据进行数据融合处理。文中给出了数据融合的具体工作步骤,并以仓储环境温度采集为例,进行了传感器网络温度采集数据的融合处理,与均值处理方法进行对比,结果表明,基于自适应加权数据融合方法的传感器网络监控系统具有更高的数据监测精确度。     

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。     

基于博弈理论的无线传感器网络数据融合算法

数据融合是无线传感器网络研究热点之一。为了减少传感器节点间的数据通信量,有效地节省传感器节点能耗,延长无线传感器网络的寿命,提高数据融合的准确性,减少网络时延,提出一种基于博弈理论的无线传感器网络数据融合算法。该方法将所有网络节点根据能耗最优进行分簇,簇头与监控中心通过博弈来自适应地选择不同融合因子的融合算法,使整个网络的总效益最大。实验仿真表明,在丢包率不同时,自适应融合算法可以得到最佳的融合因子,有效实现了时延和精确性的均衡。该方法为无线传感器网络中各个指标的折中提供了参考方向。     

无线传感器网络安全数据融合研究

数据融合去除冗余信息,延长网络生命周期,有效地缓解了无线传感器网络资源瓶颈的问题。但是,无线传感器网络经常部署在开放的甚至敌对的环境中,使其安全问题非常突出,数据融合在具体实施过程中,极易受到安全攻击。因此,安全数据融合协议的设计成为无线传感器网络安全最为基本且重要的研究领域。文中分析了无线传感器网络数据融合面临的攻击种类和安全需求及挑战,着重比较了近年来该领域具有代表性的安全数据融合协议,指出了该领域今后的研究热点。     

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。     

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。     

无线传感器网络数据融合体系结构综述

从无线传感器网络数据融合的特点和研究现状出发,分析了数据融合与网络协议层之间的联系,并阐述了数据融合在各层中发挥的作用。对数据融合的分类模型进行了较为系统的讨论,并对分层模型的具体细节进行了分析,指明了数据融合在该框架中的层次定位、功能分配及传输形式,为无线传感器网络高效的管理方法和有效的能源利用率提供参考。     

无线传感器网络数据链路层设计模型

无线传感器网络是一种与传统网络不同的、具有能量有限、自组织等特点的无线Ad Hoc网络,其网络协议的没计面临新的挑战。该文采用信息融合与多传感器管理的策略,采用UML建模工具进行分析,提出了一种无线传感器网络数据链路层设计模型,通过减少控制包的开销,优化传感器结点有效数据的传输和能量消耗等,从而使数据的传输与差错控制、能量消耗等性能得到改善。     

无线传感器网络及其数据融合的研究

随着智能化、网络化等技术的日益成熟,具有潜在巨大应用价值的无线传感网络引起人们的重视与研究。本文介绍了无线传感器网络的相关特点和系统结构,采用NS2仿真工具实现无线传感器网络802．15．4协议的仿真,并针对延长无线传感器网络生命周期的数据融合技术进行了研究和分析。     

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LEACH协议的改进路由算法

路由算法是无线传感器网络核心技术之一.算法设计的主要目标是减小网络中各个传感器节点的能量消耗,以提高各节点以及整个网络的运行寿命.在低功耗自适应集簇分层协议(LEACH)算法的基础上,结合链状路由算法,改进了数据传输方式和数据融合过程,提出了一种新路由算法,有效延长了网络生存时间,适用于较大规模的网络.     

一种面向无线体域网的低能耗数据融合隐私保护算法

无线体域网能够借助低能耗高精度传感技术实时采集并分析多种模态的人体健康体征数据,需要在数据传输过程中对关系到个人隐私的健康敏感数据进行保护.针对无线体域网数据融合过程中的隐私保护需求提出一种针对性更强的低能耗数据融合SMART-RR算法,利用人体健康数据存在周期重复性和健康数据冗余特点,提出不等长时间间隔、加入重复性归约因子的数据融合策略.仿真实验表明,SMART-RR算法是一种数据通信量小、高隐私保护性和高精确度的低能耗数据融合隐私保护算法,在面向无线体域网的人体健康体征数据采集分析领域具有一定应用价值.     

一种权系数两级自调整的融合定位精度提高方法

在分布式传感器网络节点定位技术中,使用数据融合方法以提高探测系统的检测与定位精度正成为研究的热点。提出了一种应用于分布式传感器网络中的数据融合定位算法,通过对各个传感器节点的定位信息的加权求和来进行数据融合,用来提高探测系统目标定位的精度。该算法采用两级自适应调整得到最优加权因子,首先利用线性最小均方差（LMSE）算法得到权系数的初始值,然后利用训练节点和递归最小二乘（RLS）算法自适应地调整达到最优。对静态和运动目标的定位数据融合算法进行了仿真,仿真结果表明：相比单节点定位,提出的融合算法的定位精度有约1—2个数量级的提高。     

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．     

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.     

无线传感器网络节点分布式信息融合算法研究

节省能耗和延长网络寿命是无线传感器网络研究的核心课题之一,国内外在节点放置、路由策略方面有大量研究,通过密度控制、分级簇等路由算法减少数据冗余。通过信息融合算法减少有效数据传输量是延长网络节点寿命的有效途径,并就此进行具体研究,提出了三种典型的分布式信息融合算法,即系数加权融合、无反馈的Kalman融合滤波及有反馈的Kalman融合滤波,并对其在805.12.4/ZigBee温度测量网络应用层协议中进行实现,最后通过运算数据结果对三种算法进行了比较分析及有效性、局限性总结。     

基于分簇的无线传感器网络簇内数据融合算法

根据节点剩余能量、通信消耗量和节点IP,设计无线传感器节点分簇算法,减少了无线传感器网络的数据传输总量。分析对以分簇为基础的簇内数据的融合算法误差成因,提出先进行簇内传感器测量修正、再进行簇内传感器数据融合的改进算法。通过TOSSIM仿真平台的实验,改进后的簇内数据融合算法测量误差明显减少。     

基于自适应动态目标函数的模糊聚类神经网络

结合输入空间的聚类特性和输出空间实时逼近特性,在模糊聚类的目标函数中引入恰当的反馈因素,基于自适应动态目标函数,该文提出一种新的模糊聚类神经网络实现算法。该算法在收敛稳定性、收敛速度、初值敏感性方面,相对于传统模糊聚类算法有了明显改善,相关实验表明,该算法具备高效、稳定的工程应用价值。     

嵌入式数据融合系统的设计与实现

介绍了一个基于ARM9嵌入式系统的数据融合平台设计与实现过程。采用S3C2440嵌入式微处理器、ZigBee无线传感器网络和实时Linux操作系统,集成单传感器数据融合与多传感器数据融合两套算法,能够依据环境切换融合算法,并可方便地集成各种数据融合算法,特别适用于旧系统改造、流动式数据检测与控制等场合。