一种基于时空相关性和异常检测的改进WSN节能策略

针对降低无线传感网能耗和保证数据精度之间的矛盾,提出了自适应采样数据并利用压缩感知进行压缩的方法.传统的基于压缩感知的无线传感器数据压缩,只采样部分节点的数据,对于未被采样节点感知到的突发事件很有可能发生漏检情况.本文方法检测所有节点上传的数据再进行压缩,可以有效避免漏检情况的发生.根据信号具有时间相关性的特点,本文采用基于方差分析ANOVA(Analysis of Variance)原理改进的传感器自适应采样频率方法,并考虑节点剩余能量,减少平稳信号的采集次数,均衡网络节点能耗.在LEACH协议基础上,对簇内数据进行压缩感知的方法对数据进行压缩从而减少数据的空间相关性并传输到汇聚节点,以减少网络整体的能量消耗.针对可能的漏报情况,提出一种改进的局部事件监测算法-滑动窗口局部事件监测SW-LED(Sliding Window-Local Event Detection)算法,实现了实时准确的异常检测和预警.实验结果表明本文方法既可以有效的均衡网络节点能耗以提高网络生存周期,同时保证了数据的精度,对于异常情况的识别率也有很大的提高.     

一种复杂环境下多传感器数据融合方法

针对现有方法没有利用证据数据采集源头的可靠性信息这一问题,结合温度数据采集,提出一种复杂环境下多传感器数据融合算法。从多传感器采集的原始数据出发,通过原始数据分析当前传感器节点的信任度,对当前传感器证据进行相应的修正,从证据源层面修正冲突证据。在证据融合阶段引入支持度修正证据迭代融合思想,比较融合证据与原证据的差异冲突等属性来评估原证据的支持度并修正原证据,将修正后的证据再次融合,多次迭代至最终融合结果收敛。试验仿真与现存的多种融合方法进行比较,仿真结果验证了本研究方法在解决证据冲突问题上的有效性。     

一种复杂环境下多传感器数据融合方法

针对现有方法没有利用证据数据采集源头的可靠性信息这一问题,结合温度数据采集,提出一种复杂环境下多传感器数据融合算法。从多传感器采集的原始数据出发,通过原始数据分析当前传感器节点的信任度,对当前传感器证据进行相应的修正,从证据源层面修正冲突证据。在证据融合阶段引入支持度修正证据迭代融合思想,比较融合证据与原证据的差异冲突等属性来评估原证据的支持度并修正原证据,将修正后的证据再次融合,多次迭代至最终融合结果收敛。试验仿真与现存的多种融合方法进行比较,仿真结果验证了本研究方法在解决证据冲突问题上的有效性。     

一种迭代修正的冲突证据改进方法

针对多传感器数据融合领域中使用D-S组合规则无法有效融合传感器不确定证据信息的问题,提出一种迭代修正的冲突证据改进方法。该方法通过计算证据之间的相互支持度和证据之间的相似度,综合度量每个证据的修正参数。利用修正参数修正证据,并通过D-S组合规则融合。然后,以融合结果作为参考证据,重新度量每一个原始证据的修正参数,修正原始证据再融合。通过多次迭代修正融合,直至最后两次的融合结果收敛为止,最后通过两组冲突证据验证了该方法具有很好的融合效果。