基于LSTM-KF的无线传感器网络数据漂移盲校准算法

针对无线传感器网络中传感器节点易发生数据漂移而导致采集数据失准难以使用的问题,提出一种基于LSTM-KF的无线传感器网络数据漂移盲校准算法.根据传感器网络拓扑情况建立连通支配集,以增强传感器节点间的时空相关性;训练LSTM网络,对目标节点与周围节点的测量数据建模;使用卡尔曼滤波器追踪和校准测量数据中的漂移量.仿真结果表...     

WSN中一种基于扩展卡尔曼滤波器的虚假数据注入检测算法

为了有效地检测传感器网络中被注入的虚假数据,提出一种基于扩展卡尔曼滤波器（EKF）的虚假数据注入检测算法。首先通过监控邻近节点行为,使用EKF预测邻近节点未来状态;然后给出了使用不同的融合函数（平均、求和、最大、最小）时理论阈值的确定方法;最后为了克服本地检测机制的缺陷,将本地检测方法与系统监控模块有效配合,从而准确地区分出恶性事件和紧急事件。仿真实验结果表明,无论是在合成数据还是实时数据下进行测试,该算法都能为无线传感器网络进行安全的数据融合提供有效的入侵检测功能。     

基于卡尔曼一致滤波器的WSN时间同步算法

提出一种基于分布式卡尔曼一致滤波器的无线传感器网络时间同步算法.该算法不需要将网络分层,每个节点都和它的相邻节点交换时间消息,通过分布式卡尔曼一致滤波器估计本节点的时钟偏移和频率偏移,使得全网所有节点的虚拟全局时钟逐渐收敛一致.仿真实验表明,提出的算法在多跳网络中误差累积较小,具有较高的同步精度,同时对存在节点失效或新节点加入的动态网络具有良好的可扩展性.     

一种基于分段拟合估计的WSN定位算法

针对无线局域网环境下基于位置的服务尤其是室内定位的需求,提出了一种基于接受信号强度指示和链路质量指示的定位分段拟合估计算法;利用BP神经网络建立无线电传播路径损耗模型并且进行训练,用分段线性逼近的方法处理接受信号强度指示、链路质量指示分别与传播距离的衰落曲线,然后动态地进行优化处理得到最终的定位坐标估计值;该算法在基于ZigBee的硬件平台CC2431ZDK上进行,实验结果证明了该算法较单纯的基于接受信号强度指示的定位方法有了明显的进步,提高了定位估计的精度。     

基于PSO-BP的无线传感器网络数据融合算法研究

为提高无线传感器网络(WSN)数据融合效率,减少网络的通信量以及降低传感网的能量消耗,提出一种基于粒子群优化BP神经网络的无线传感器网络数据融合算法;该算法将粒子群算法优化BP神经网络的权值和阈值后,与传感器网络分簇路由协议有机结合,将无线传感器网络中簇头和节点等同于BP神经网络里的神经元,利用优化后的BP神经网络有效地提取WSN数据融合原始数据之中的少量特征数据,之后把提取的特征数据发送到汇聚节点,进而提升数据融合效率,延长网络生存周期;仿真实验证明,与LEACH算法、BP神经网络和GABP算法相比,该算法可有效减少网络通信量,降低节点总能耗的15%,延长网络生存时间。     

WSN低能耗数据收集遗传粒子群算法研究

针对设施农业无线传感器网络节点分布不均匀、能量约束严格的特点,为降低网络总能耗,提出一种改进的遗传粒子群算法,构建一棵树高受限且网络总能耗最小的数据收集树。首先,随机生成连通图网络,采用父节点表示法将生成树编码成粒子;然后,设计一种随机生成数据收集树算法,随机产生满足树高限制的生成树;最后,考虑节点能耗均衡,设计一种粒子单点突变算法,实现对节点能耗最优值的比较。通过粒子单点变异、交叉以及优化新粒子,提高了种群多样性,避免了算法过早陷入局部最优解,在满足时延要求的同时,降低了网络总能耗。实验表明,与有树高约束的DL-DCT算法相比,所提算法降低了7.34%的网络总能耗,延长了网络平均生存期。     

基于移动Agent中间件的WSN数据聚集算法

数据聚集技术是无线传感器网络的一项重要的支撑技术.在数据聚集技术基础上,提出基于移动代理中间件的无线传感器网络数据聚集方案.以层簇式拓扑结构,分析了节点能量的消耗,给出实现数据查询任务的派发算法和数据查询结果的收集算法.仿真实验证明该方案能有效的节省网络能量耗损,延长网络生存周期.     

基于能量优化的WSN数据收集和融合算法

针对WSN路由协议LEACH中簇头负载过重的问题,提出一种改进的数据收集和融合算法LEACH-E,在簇的建立阶段根据节点的剩余能量及相对距离选择簇头;在通信阶段,运用主成分分析法对簇头收到的数据进行降维处理,再将融合后的数据沿着蚁群算法找到的最优路径以多跳方式发送给基站。仿真结果表明,该算法在均匀分簇、均衡节点能耗、延长网络生命等方面有更好的性能。     

基于模糊神经网络的WSN无线数据收发单元故障诊断

在一些无线传感器网络(Wireless Sensor Network,WSN)安全监测系统中,节点长时间传输大量数据,导致无线数据收发单元容易出现功率下降和功率放大器(Power Amplifier,PA)被烧毁的现象,而此类故障的诊断方法一般比较复杂且低效。针对上述问题,在分析WSN单元级故障诊断的基础上,利用无线数据收发单元的电流模型,提出了一种基于模糊神经网络的无线数据收发单元故障诊断方法。首先,根据无线数据收发单元中发射消耗的电流与温度和供电电压的关系,建立电流模型;然后,利用聚类算法确定模糊神经网络模型结构,结合混合学习算法优化模糊规则的前件参数和后件参数;最后,提取训练完的模糊神经网络参数,以建立WSN节点故障诊断模型。实验结果表明,提出的无线数据收发单元故障诊断方法的计算量小,诊断准确度高;与高斯过程回归模型相比,其计算量降低了22.4%,诊断准确度提高了17.5%。     

基于相似度预测的WSN数据收集算法

针对基于拟合曲线的数据预测机制在WSN数据收集应用中区间敏感的问题,提出了基于时间周期的拟合曲线相似度序列,将基于预测的数据收集问题转化为一定精度下预测相似度的估计问题.基于特征相似度服从高斯分布的假定,研究准确预测感知相似度的最大概率,采用贪婪算法动态调整预测相似度.最后,采用PSO算法实现基于预测相似度的预测数据推断.仿真实验结果表明,该算法达到了预期效果,在能耗方面有较大的提高.     

改进的无线传感网混沌Hopfield盲检测算法

在密集部署的无线传感器网络中,相邻传感器的信号可能高度相关。在无线传感网传输模型分簇的基础上,针对Hopfield神经网络极易陷入局部最优解、收敛速度慢等缺陷,利用混沌序列的遍历性和类随机性,提出一种改进的混沌Hopfield盲检测算法解决无线传感网簇内传感器信号盲检测问题。算法的思想是:利用混沌映射产生初始发送序列,并且在算法出现早熟收敛时进行小幅度的混沌扰动,借此降低算法的误码率。仿真结果表明,改进的混沌Hopfield神经网络算法所需数据量极短,从而成功实现簇内簇首传感器信号盲检测。     

一种无线传感器网络的盲源分离算法

无线网络协议的校验纠错机制繁重复杂,加重了通信带宽的负担.盲源分离无需任何先验知识就可重构出源信号,成为无线传感器领域的研究热点.但网络部署中,传感器信号的量化位数和Modem个数难以确定.针对上述问题,提出一种基于平方根容积卡尔曼滤波(SRCKF)的盲源分离算法.算法根据空间状态方程和测量方程,用平方根容积卡尔曼估计分离向量.实验结果表明:SRCKF算法在保持极高分离精度的情况下,能有效计算出量化位数和Modem个数的最优值,SRCKF算法效率是同类无先导卡尔曼滤波(UKF)算法效率的1.3578倍.     

一种模拟退火遗传算法的传感器网络数据融合技术研究

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。     

一种概率模型无线传感器网络覆盖算法*

针对传统覆盖算法在求解覆盖度时计算量较大、算法复杂度过高,从而导致算法效率过低,提出一种基于概率模型的覆盖算法。首先该概率模型通过调度覆盖区域内的节点状态来实现对覆盖区域监测,保证了所关注目标节点被传感器节点均匀覆盖的同时又优化了网络资源;其次对不同的覆盖区域利用概率期望值及相应定理求出满足覆盖条件下最少传感器节点数。仿真实验结果表明,该算法在保证网络覆盖质量要求时能够有效地减少活跃节点的数量,延长了网络的生存时间。     

传感器网络感知数据自适应去噪方法

在传感器网络研究领域中,去除感知数据含有的噪声是个重要的研究课题。现存的去噪算法没有考虑节点密度不均匀及信息拥塞的情况,从而过多地消耗了能量。考虑这两个因素,使用时间维加权的方法,提出了一个基于节点密度的网内自适应去噪算法－DHA（density-based hybrid approach）。DHA能够根据节点密度来进行算法决策,并且在时间维进行加权,能够对数据变化作出快速反应并且提高数据精度。实验结果表明,DHA方法能够在保证良好的去噪效果、快速响应时间的前提下,比目前最好的去噪算法WMA（weighted moving average-based）更节省能量。     

无线传感器网络分布式连通算法

针对离散目标覆盖集的连通问题,设计了一种分布式构造连通集的算法,这种算法并不要求网络的全局信息,仅仅依赖每个节点的3跳内的邻居信息;对于大规模密集型的无线传感器网络,这种分布式算法更适合无线传感器网络的实际应用。     

对无线传感器网络区域数据聚合有效性的研究

通过抽象出无线传感器网络中区域数据回传的网络模型,定量研究了区域数据聚合的节能条件,证明了先聚合再回传比直接进行数据回传所节省的相对路径长度,如果大于等于数据相关性与源节点个数的比值时,区域数据聚合一定可以节省能耗,并进一步给出了当数据聚合点在网络的不同位置,或数据的空间相关性不同时,区域数据聚合的节能条件。对于无线传感器网络的部署、路由协议的选择及评估数据聚合算法的能量有效性等,均具有一定的参考价值。     

无线传感器网络中基于虚拟力的覆盖算法

在无线传感器网络的很多应用场景中,大量的传感器节点被任意播撒在被监测区域内,形成很多覆盖空洞,对无线传感网络的感知、监测和数据采集能力造成很大影响。为了解决无线传感器网络中的覆盖问题,提出了一种基于虚拟引力的覆盖算法。首先,根据虚拟引力产生的约束条件和引力大小,一种扩大网络覆盖范围的算法被提出,算法分析证明这种算法能够减少覆盖空洞;第二,提出了维持邻居节点连通性的方法;第三,提出一种覆盖感兴趣区域的算法。仿真结果表明,这种算法既能提高网络的覆盖能力,又能减少传感器节点的移动距离。     

高效节能的无线传感器网络数据收集协议*

现有的数据收集协议的性能不是很好,为此提出了一种基于数据收集树的数据收集协议。它通过减少数据收集树中的节点深度和中间节点数来减少制约系统生命期的节点传输数据给基站的能量消耗和节点空闲侦听的能量消耗。仿真实验表明,该协议能将系统生命期延长36%左右。