针对土壤监测的无线异构传感网信息融合方法的研究

发布时间：2017-09-14 03:10

  本文关键词：针对土壤监测的无线异构传感网信息融合方法的研究

  更多相关文章： 土壤监测 HWSN 信息融合 D-S证据理论 Fuzzy理论

【摘要】：土壤是农业生产的物质基础和生产保证,是人类珍贵的自然资源,土壤中的微生物能够降解生活和生产中的造成的垃圾并将其纳入天然循环轨迹并保持生态平衡。然而,近年来由于对土壤的操作不当,导致土壤侵蚀及土壤污染越来越严重,严重威胁了我国的生态环境质量。因此为了控制和治理土壤侵蚀及土壤环境污染问题,必须对土壤环境的质量进行实时监测。由于土壤的时空变异性,土壤信息具有丰富多维性,必须对土壤监测到的各种信息进行融合才能得到更准确的结果。目前,信息融合的关键技术还未实现理论性的突破,亦未形成具有自主知识产权的大面积土壤信息及时获取的无线网络应用系统。针对该问题,本文对土壤监测的异构无线传感网(Heterogeneous Wireless Sensor Network,HWSN)信息融合方法进行了研究,按照监测的目的不同,主要从土壤的动态监测与静态监测信息融合两个方面进行了研究。一、土壤的动态监测信息融合算法研究从关注的点不同,可以将土壤的动态监测融合问题分解为两个问题:单目标监测,即关注有无外来物入侵的问题;多目标监测问题,即关注外来物侵入的个数问题。该部分的主要研究内容如下:1、建立了土壤动态监测的HWSN模型,并对多目标监测模型信号在信道中的传递形式进行了合理的假设;2、在无线传感器网络异构的情况下,对目标监测信息融合算法进行了新的探究。首先从Likelihood Ratio(LR)融合规则着手,推导出了单目标在高信噪比(signal-to-noise ratio,SNR)情况下的Chair-Varshney融合规则,在低SNR情况下推导出了Maxmum Ratio Combiner(MRC)和Equal Gain Combiner(EGC)融合规则,并将它们推广到多目标监测融合中;3、在只知道信道统计(channel statistics,CS)信息条件下推导出了单目标的LR-CS(LR in CS)、MRC-CS(MRC in CS)融合算法,并将它们成功地推广到了多目标监测融合中,推导出了相应的多目标融合算法。二、土壤的静态监测信息融合算法研究本部分主要研究了Dempster-Shafer(D-S)证据理论在土壤静态监测信息融合中的应用。D-S证据理论应用在土壤静态监测信息融合中会出现一些问题,本部分针对这些问题对其进行了相应的研究与改进。主要研究内容如下:1、针对Dempster证据组合在土壤静态监测融合应用中可能会产生反直观现象的问题,提出利用相似性系数加权改进的DSSC(D-S on Similarity Coefficient)算法,通过对土壤的静态监测融合实例分析证明了改进算法的有效性,通过对比先前的改进算法验证了改进算法的优越性;2、针对土壤证据冲突的度量问题,提出了基于相似矩阵转变的-mBetP unSim度量单位。-mBetP unSim不仅避免了传统冲突度量单位K存在的缺陷,而且相对于BPAd和difBetP两种冲突度量,灵敏性更高、区分度更好,且计算量相对来说也较少;3、考虑到土壤的大样本量的现实,基于Fuzzy理论中的模糊数生成BPA(Basic Probability Assignment)。
【关键词】：土壤监测 HWSN 信息融合 D-S证据理论 Fuzzy理论
【学位授予单位】：电子科技大学
【学位级别】：硕士
【学位授予年份】：2015
【分类号】：S159.2;TP212.9;TN929.5
【目录】：

• 摘要5-7
• ABSTRACT7-11
• 第一章 绪论11-18
• 1.1 课题来源及研究意义11-12
• 1.2 WSN概述12-14
• 1.2.1 WSN的概念12-13
• 1.2.2 WSN异构性介绍13-14
• 1.3 信息融合概述14-16
• 1.4 本文的主要贡献和创新16
• 1.5 本文主要研究工作和章节安排16-18
• 第二章 针对土壤监测融合系统的建模及算法研究18-30
• 2.1 信息融合系统的一般模型18-20
• 2.1.1 信息融合的功能模型18-19
• 2.1.2 融合检测的结构模型19-20
• 2.2 信息融合的级别20-21
• 2.3 土壤监测融合的两种模型21-24
• 2.3.1 土壤的动态监测融合模型22-23
• 2.3.2 土壤的静态监测融合模型23-24
• 2.4 信息融合的算法24-29
• 2.4.1 Bayes推理24-25
• 2.4.2 Dempster-Shafer证据理论25-27
• 2.4.3 模糊集理论27-28
• 2.4.4 其他融合算法28-29
• 2.5 本章小结29-30
• 第三章 针对土壤动态监测的融合算法研究30-52
• 3.1 WSN的信道模型30-31
• 3.1.1 无线信道的概念30-31
• 3.1.2 传播空间中的路径损耗及噪声干扰31
• 3.2 土壤的动态监测的HWSN模型31-33
• 3.3 单目标监测的融合算法研究33-42
• 3.3.1 高斯信道下单目标监测融合算法推导33-35
• 3.3.2 瑞利信道统计下单目标监测融合算法推导35-38
• 3.3.3 仿真结果及分析38-42
• 3.4 多目标监测融合算法的研究42-51
• 3.4.1 高斯信道下多目标监测融合算法推导42-44
• 3.4.2 瑞利信道统计下多目标监测融合算法推导44-45
• 3.4.3 仿真结果及分析45-51
• 3.5 本章小结51-52
• 第四章 针对土壤的静态监测融合改进的D-S证据理论算法52-66
• 4.1 Dempster组合规则存在的问题及现有改进方法52-54
• 4.1.1 Dempster组合规则存在的问题52-53
• 4.1.2 针对证据冲突的现有改进方法53-54
• 4.2 一种新的DSSC改进算法54-57
• 4.2.1 相似性系数的概念54
• 4.2.2 采用相似性系数对D-S证据的加权54-55
• 4.2.3 DSSC在土壤静态监测融合应用中的实例分析55-57
• 4.3 基于传统冲突度量存在的问题及其现有改进方法57-61
• 4.3.1 基于传统冲突度量存在的问题57-59
• 4.3.2 现有的冲突度量标准59-61
• 4.4 一种新的 -mBetP unSim证据冲突度量61-64
• 4.4.1 -mBet P unSim的构造61-62
• 4.4.2 -mBet P unSim在土壤静态监测融合应用中的实例分析62-64
• 4.5 本章小结64-66
• 第五章 证据理论在土壤静态监测融合中的应用实例分析66-73
• 5.1 针对土壤静态监测的证据建模过程66
• 5.2 基于三角Fuzzy数生成BPA66-68
• 5.3 土壤静态监测融合的一个实例68-72
• 5.4 本章小结72-73
• 第六章 全文总结与展望73-75
• 6.1 全文总结73-74
• 6.2 后续工作展望74-75
• 致谢75-76
• 参考文献76-80
• 攻读硕士学位期间取得的成果80-81

【参考文献】

中国期刊全文数据库 前3条

1 邓勇,施文康,朱振福;一种有效处理冲突证据的组合方法[J];红外与毫米波学报;2004年01期

2 李弼程,王波,魏俊,钱曾波,黄玉琪;一种有效的证据理论合成公式[J];数据采集与处理;2002年01期

3 肖建于;童敏明;朱昌杰;王小蕾;;基于广义三角模糊数的基本概率赋值构造方法[J];仪器仪表学报;2012年02期

，

本文编号：847519