一种改进的BP神经网络WSN数据融合方案

在监测森林火灾时,为了达到减少无线传感网里大量无效和冗余的数据、提高无线传感网络的收敛速度、延长节点的生命周期、改善火灾报告准确度的目标,提出了一种基于BP神经网络的改进型数据融合方法。该方法在节点上可以对多种传感器产生的数据进行融合,参考节点的实时处理能力来改善BP神经网络的收敛速度,在很大程度上降低能耗。实验结果表明,该方法能够较好地应用于火灾监测传感网,改善了监测精度,减少了节点能耗,使得无线传感网对森林火灾监测的能力大幅度提高。     

基于LEACH的低能耗改进算法研究

为了解决LEACH协议在簇头分布不均和能量消耗集中等方面的缺陷,提出一种基于LEACH协议的距离调控改进路由算法LEACH-D。在簇头选取阶段,充分考虑簇头选择的个数和相对分布位置;在簇形成阶段,采用节点维护的路由属性表和分布的密集程度及相对距离确定入簇方式。仿真结果表明,相较于LEACH算法,改进后的算法有效均衡了网络能耗,延长了网络生存周期。     

蝙蝠算法优化神经网络的无线传感器网络数据融合

为了降低无线传感器网络数据间的冗余性,提高数据传输量和降低通信能耗,提出一种蝙蝠算法优化神经网络算法的数据融合策略.首先每个簇首节点接收该区域的各传感器节点检测到的数据,然后采用蝙蝠算法优化BP神经网络进行数据融合,最后采用仿真实验对其性能进行测试.仿真结果表明,本文算法节省了感知节点的能量消耗,延长了无线传感器网络的生命周期时间,提高数据融合的精度.     

基于LEACH路由协议的WSN能耗计算

介绍了WSN的路由协议与能量管理的关系,对基于LEACH协议的WSN进行了能耗计算与分析.结果表明,通过聚类所形成的层次型结构,适当选取簇头数目,有利于降低网络能耗,延长网络生命周期.但节点布局,簇头节点的数据融合对网络能耗的影响还需进一步探讨.     

无线传感器网络数据融合研究综述

由于无线传感器网络存在能量约束问题,因此在网内进行数据融合是降低节点消耗的重要手段之一。文章在简单介绍融合模型的基础上,重点分析目前提出的主要数据融合机制—应用层的数据融合、网络层的数据融合、独立的数据融合,最后给出了结论和展望。     

高斯分布下的WSN能量均衡算法

针对无线传感器网络能量有限的问题,从稳定性的角度出发,提出一种在低功耗自适应分簇路由算法（LEACH）的基础上的改进算法。该算法首先确定高斯分布下最优簇头数目,在一个周期内,节点能量高于网内平均可用能量可以多次竞选簇头,并相应地延长周期的轮数。经仿真结果表明,在高斯分布下每一轮簇头的数量保持在最优簇头数目上下,改进协议能获得比LEACH协议更长的网络稳定期,更高的能量利用率。     

WSN中数据融合阶段的自适应入侵检测方案

针对基于无线传感网络(WSN)的关键基础设施安全监测问题,提出一种基于数据融合阶段的自适应入侵检测算法。该算法以基于权重的簇化网络结构为基础,利用异常检测子系统和误用检测子系统分别检测已知攻击和未知攻击,然后通过跟踪2个子系统接收操作特征(ROC)和奖惩机制,自动调整转发至2个子系统的融合数据比例,即可实现在数据融合阶段对关键基础设施的自适应入侵检测。仿真分析表明：该算法的准确率和检测率高达99.6%和94.9%以上,与其他经典入侵检测系统相比,可分别至少提高0.5%和10.2%左右。     

基于多无线传感器的数据融合算法

数据融合作为是一种减少数据通信量能耗的先进技术,在节能方面呈现出理想的应用效果,这便是数据融合成为无线传感器网络的研究热点之一的重要原因.文章将从多传感器信息融合技术背景、原理、特征以及多无线传感器数据融合方法等方面来对多无线传感器的改进数据融合算法进行深入的分析和探究.     

WSN中基于多分辨率和压缩感知的数据融合方案

当前基于压缩感知的传感器网络数据融合方案中,不论数据字段有何特征,均假设网络具有固定而均匀的压缩阈值,从而导致数据通信量过高,能耗浪费较大。提出一种基于多分辨率和压缩感知的数据融合方案。首先,对传感器网络进行配置,以生成多个层次类型不同的簇结构,用于过渡式数据收集,在该结构上,最低层的叶节点只传输原始数据,其他层的数据收集簇进行压缩采样;然后将其测量值向上发送,当母数据收集簇收到测量值时,利用基于反向DCT和DCT模型的CoSaMP算法恢复原始数据;最后,在SIDnet-SWANS平台上部署了该方案,并在不同的二维随机部署传感器网络规模下进行了测试。实验结果表明,随着分层位置的变化,大部分节点的能耗均显著降低,与NCS方案相比,能耗下降50%~77%,与HCS方案相比,能耗下降37%~70%。     

安全的WSN数据融合隐私保护方案设计

针对无线传感器网络数据融合过程中的数据隐私和完整性保护问题,提出一种安全的数据融合隐私保护方案(SPPDA),把节点的私密因子与原始数据构成复数,采用同态加密方法对复数进行加密,实现在密文不解密的情况下进行数据融合,同时采用基于复数的完整性验证方法,确保数据的可靠性。理论分析和仿真结果表明,SPPDA方案的计算代价和通信开销较少,数据融合的精确度高。     

基于改进遗传算法的无线传感器网络数据融合方法

无线通信和电子技术的进步促进了无线传感器网络发展,无线传感器网络广泛应用于多个领域(如医疗,军事,家居等)。文章分析了无线传感器网络中的数据融合问题,提出了一种基于改进遗传算法的无线传感器网络数据融合方法,仿真实验表明,基于改进遗传算法的方法在运行效率上优于标准遗传算法。     

无线传感网中数据融合算法的研究

无线传感网中如何降低节点能耗和提高节点传输数据的准确性是急需解决的问题。在研究无线传感网分簇路由的基础上,针对无线传感网分簇路由的源节点提出了一种双层滤波机制,仿真结果表明该数据融合方法能够提高融合数据的准确性,降低数据冗余度,具有较高的执行效率。     

基于稀疏密集阵传输机制的WSN数据传输汇聚算法

为了改善无线传感网(WSN)的数据传输汇聚能力,提出了基于稀疏密集阵传输机制的WSN数据传输汇聚算法。引入核生成函数,设计了一种新的传输矩阵,将簇头节点与sink节点之间连通程度及负载程度进行量化,以提升簇头节点传输效果的评估能力;采用特征向量按列排序并结合卷积算法降低簇头节点传输值,以有效减少簇头节点负载;采用树分解模式搜寻可用哈密尔顿回路,构建了基于路径分解优化机制的汇聚稳定方法;通过使用哈密尔顿寻址来优化叶子节点与根节点之间的数据链路,以增强簇头节点覆盖能力与提高数据传输过程的稳定性能。仿真实验表明,与当前常用的基于阈值筛选模糊分簇的WSN数据稳定汇聚算法和面向医疗应用的无线传感器网络多径数据传输方法相比,所提算法具有更为集中的传输报文集中度,以及更高的传输链路抖动控制能力和网络汇聚带宽。     

WSN data gathering algorithm based on compressive sensing and matrix completion technique

The unreliable links and packet losing are ubiquitous in WSN.The performance of data collection algorithm based on compressive sensing is sensitive to packet losing.Firstly,the relationship between packet loss rate and CS-based reconstruction precision was analyzed,and the sparsest block measurement (SBM) matrix was formulated to keep the data gathering consumption smallest and make sure the low-rank property of measurements.Then,combined with the matrix completion (MC) and compressive sensing (CS),the CS data gathering algorithm based on sparsest block measurement matrix (CS-SBM) algorithm was proposed.CS-SBM gathered data in a period and recovered the loss data based on MC to weaken the impact of packet loss on data gathering.CS-SBM reconstructed data based on CS to reduce measurement number and energy consumption and prolong the network lifetime.Simulation analysis indicates that the proposed algorithm reconstruct the whole data with high-accuracy under 50% packet loss rate,resisting unreliable links effectively.     

一种基于多传感器数据融合的目标跟踪算法

在制导与跟踪系统中．雷达和红外成像传感器所固有的优缺点,决定了其自身的局限性。为综合利用上述传感器信息,提高目标跟踪精度,提出了一种基于雷达和红外成像传感器数据融合的交互多模目标跟踪算法,算法首先对红外图像进行处理,然后基于上述处理结果．利用交互多模算法对雷达观测信息进行目标跟踪,最后采用分布式数据融合算法得到最终目标的跟踪结果。在有效提高跟踪精度的同时,减少了运算量。     

Compressive sensing based data gathering algorithm over unreliable links in WSN

To solve the problem that the ubiquitous unreliable links in the WSN influence the performance of the compressive sensing (CS) based data gathering,first the relationship between the reconstruction SNR of CS-based data gathering algorithm and the bit-error-ratio (BER) were simulated quantitatively.Then classify two cases were classified,namely light-payload and heavy-payload,relying on the analysis of wireless link packet loss characteristics.The random packet loss model was conceived to describe the packet loss under light-payload scenario.Further the neighbor topology spatial correlation prediction-based CS data gathering (CS-NTSC) algorithm was proposed,which utilized the nodes spatial correlation to reduce the impact of error.Additionally,the node pseudo-failure model was conceived to describe the packet loss occurred in network congestion,and then the sparse schedule-aided CS data gathering (CS-SSDG) algorithm were conceived,for the purpose of changing the sparsity of measurement matrix and avoiding measurements amongst the nodes affected by unreliable links,thus weakening the impact of error/loss on data reconstruction.Simulation analysis indicates that the proposed algorithms are not only capable of improving the accuracy of the data reconstruction without extra energy,but also effectively reducing the impact affected by the unreliable links imposed on CS-based data gathering.     

基于动态不确定度评定的加权数据融合算法

加权融合算法的AR模型,采用遗忘因子递推最小二乘法估计出测量方差.根据测量方差对单一导航传感器信息进行动态不确定度评定,进而确定组合导航系统的组合不确定度.在满足组合不确定度最小的情况下,利用拉格朗日乘数法进行加权值的求解.通过实例仿真表明该法具有较高的融合精度,对提高组合导航系统的定位精度具有实际意义.     

基于聚类数据融合的装配轨迹自动修正算法北大核心CSCD

在大型结构件装配过程中,为了减小多激光雷达组网系统的测量误差,并实现装配轨迹的自动修正,设计了基于聚类算法的装配轨迹自动修正系统。通过聚类分析完成对站位布局的优化,利用残差补偿实现多站数据的融合,并完成了5种不同状态的单站及多站距离精度测试。实验结果显示,在单站精度几乎一致的条件下,经优化布局后的系统转站测量不确定度由1.25 mm提升至0.45 mm。在装配轨迹修正实验中,获得了半径为3.5 m圆域内激光雷达随偏转角变化的匹配数据规律。测试分析了5个位置点的坐标值与位姿偏移量,在三个轴向上的位置偏差均值分别为0.042 mm、0.033 mm和0.039 mm,位姿偏角均值分别为0.25°、0.23°和0.49°。可见,装配轨迹修正量与转站测量不确定度相近,该系统可以实现对装配过程的在线自动修正。其可有效降低多激光雷达组网系统的数据融合误差,在自动化装配领域具有一定的价值。     

基于通信模型与数据融合的水印算法

数字水印提供了网络传输的多媒体的版权保护.为了增强水印的健壮性,提出了一种基于通信模型与数据融合的水印算法.除了均值检测外,还给出一种无需参照模板而是利用水印提取后的纠错情况来估计失真度的加权检测方法并进行了实验验证.