共查询到17条相似文献,搜索用时 187 毫秒
1.
针对传感器节点采集数据精度与能量消耗的矛盾,提出多稀疏基分簇压缩感知的无线传感器网络WSN(Wireless Sensor Network)数据融合方法。该方法利用改进的阈值对随机部署的传感器节点进行簇首选择继而形成最优簇,簇首采用伯努利随机观测矩阵对簇内节点信号进行线性压缩投影,然后将压缩的信息传送给汇聚节点,减少数据传输即降低通信能耗,从而提高网络的生命周期。根据传感器节点监测信号在有限差分和小波中都具有可压缩特性,汇聚节点在有限差分和小波两个稀疏基的约束下,利用OOMP算法分别对线形压缩投影信息进行重构;并采用最小二乘法融合重构信号,提高数据精度。仿真实验结果表明,多稀疏基分簇压缩感知的WSN数据融合方法在减少数据发送的情况下,能提高整个网络的生命周期,解决采集数据精度与网络生命周期的矛盾。 相似文献
2.
无线传感器网络(WSNs)内有大量的冗余数据,它们消耗了过多的网络能量;目前的数据融合算法对数据彼此间的联系考虑得不够充分,融合精度有待提高.针对上述问题,提出了一种基于改进支持度的节能型数据融合算法.该算法在网络的感知节点根据设定的阈值对采集到的数据进行初次融合,并引入自支持度的概念,与灰色接近度理论相结合改进支持度函数,将改进的支持度函数应用到汇聚节点计算最终的数据融合估计值.使用Matlab进行仿真的结果表明:该算法可节能27.87%,数据融合的温度绝对误差均值约为0.98℃,达到了节能和提高融合精度的目的. 相似文献
3.
4.
5.
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。 相似文献
6.
研究无线传感器网络(WSN)数据融合技术。传感器节点计算能力、通信能力有限,WSN采用交叉重叠方式部署,导致冗余数据量大,需采用数据融合技术消除冗余和无效数据,节约网络通信能耗。结合遗传算法全局搜索和模拟退火算法局部搜索的优点,提出一种模拟退火遗传算法的WSN数据融合方法(SA-GA)。采用模拟退火遗传算法快速找到移动代理路由最优传感器节点序列,并实现数据融合。仿真实验结果表明,与遗传算法、模拟退火算法相比,SA-GA更能快速找到全局最优数据融合节点序列,并对数据进行有效融合,具有更小的网络能耗和网络延时。 相似文献
7.
研究无线传感器网络( WSN)数据融合技术.传感器节点计算能力、通信能力有限,WSN采用交叉重叠方式部署,导致冗余数据量大,需采用数据融合技术消除冗余和无效数据,节约网络通信能耗.结合遗传算法全局搜索和模拟退火算法局部搜索的优点,提出一种模拟退火遗传算法的WSN数据融合方法(SA-GA).采用模拟退火遗传算法快速找到移动代理路由最优传感器节点序列,并实现数据融合.仿真实验结果表明,与遗传算法、模拟退火算法相比,SA-GA更能快速找到全局最优数据融合节点序列,并对数据进行有效融合,具有更小的网络能耗和网络延时. 相似文献
8.
9.
10.
11.
节点定位技术是无线自主传感器网络中的关键技术之一。为了提高定位精度,提出一种基于几何斜率的无线传感器网络(WSN)定位算法。网络区域中的节点分为锚节点和未知节点,利用几何学斜率的方法选取合适的锚节点,能够更精确地确定未知节点的位置。在三边测量法上运用最小平方误差方法求解,能够提高算法的精度。在新算法的基础上建立Matlab仿真。仿真结果表明改进的DV-HOP算法,在相同的锚节点数量的情况下,节点定位精度有明显的提高。 相似文献
12.
基于最小二乘法的RSSI 测距环境参数修正方案 总被引:1,自引:0,他引:1
节点定位是无线传感器网络中的重要应用之一。为了抑制RSSI测距技术的误差对无线传感器节点定位精度的影响,通过对RSSI测距模型进行分析,提出了一种基于最小二乘法的RSSI测距环境参数修正方案。该方法使用最小二乘法拟合方法对环境参数进行修正,以消除各种干扰对测量数据的影响,以提高RSSI测距的精度,为高精确定位打下基础。实验和仿真结果表明,采用环境参数修正方案后,明显提高了测距的精度。 相似文献
13.
A novel data fusion scheme using grey model and extreme learning machine in wireless sensor networks
Xiong Luo Xiaohui Chang 《International Journal of Control, Automation and Systems》2015,13(3):539-546
With the increasing presence and adoption of wireless sensor networks (WSNs), the demand of data acquisition and data fusion are becoming stronger and stronger. In WSN, sensor nodes periodically sense data and send them to the sink node. Since the network consists of plenty of low-cost sensor nodes with limited battery power and the sensed data usually are of high temporal redundancy, prediction- based data fusion has been put forward as an important issue to reduce the number of transmissions and save the energy of the sensor nodes. Considering the fact that the sensor node usually has limited capabilities of data processing and storage, a novel prediction-based data fusion scheme using grey model (GM) and optimally pruned extreme learning machine (OP-ELM) is proposed. The proposed data fusion scheme called GM-OP-ELM uses a dual prediction mechanism to keep the prediction data series at the sink node and sensor node synchronous. During the data fusion process, GM is introduced to initially predict the data of next period with a small number of data items, and an OPELM- based single-hidden layer feedforward network (SLFN) is used to make the initial predicted value approximate its true value with extremely fast speed. As a robust and fast neural network learning algorithm, OP-ELM can adaptively adjust the structure of the SLFN. Then, GM-OP-ELM can provide high prediction accuracy, low communication overhead, and good scalability. We evaluate the performance of GM-OP-ELM on three actual data sets that collected from 54 sensors deployed in the Intel Berkeley Research lab. Simulation results have shown that the proposed data fusion scheme can significantly reduce redundant transmissions and extend the lifetime of the whole network with low computational cost. 相似文献
14.
基于高斯隶属度的融合算法在改进Leach中的应用 总被引:1,自引:0,他引:1
无线传感器网络中节点采集的数据具有较高的冗余度,对数据进行融合处理后再传送到汇聚节点,能有效地降低能量消耗,延长网络生命周期.设计了一种基于高斯隶属函数的数据融合算法,并改进无线传感网络Leach协议,对传感器节点进行二级分簇,多跳通信延长网络生命周期.在一级簇头节点依据分布图法剔除疏失数据,进而利用高斯隶属函数求得权... 相似文献
15.
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。 相似文献
16.
无线传感器网络WSN是由分布在给定区域内大量无线传感器节点构成的一种新型信息获取系统,而无线传感器硬件节点的设计与实现是其应用的关键和基础工作.针对将无线传感器网络应用在青藏铁路沿线多年冻土区典型段进行地温、变形监测方面的特殊要求,设计了一种无线传感器网络系统,该网络由大量普通传感器节点、若干网关节点及一台计算机构成.无线传感器节点布撒在需要监测的区域内.将所探测到的有用信息通过初步的数据处理和信息融合之后,通过相邻节点接力的方式传送给网关节点.网关节点通过无线方式接收各传感器节点的数据并以有线的方式将数据传送给最终用户计算机.本文详细介绍了一种基于CC2431的网关节点以及基于C8051F320的USB接口的软硬件设计与实现. 相似文献