基于双重聚类的无线传感器数据传输方法
发布时间：2022-01-23 21:21
为了提高无线传感器中数据的传输效率和质量,提出一种基于地理位置属性和非地理位置属性的双重聚类算法（PCA）。根据传感器具有空间数据的特征,将数据映射成网格数据,再基于数据的密度、重心距离等,将网格进行切分、合并,形成新的聚类簇。仿真实验表明:PCA算法的传输时间优于基于单点传输或密度数据传输的传统方式,较之于已有的双重聚类算法,PCA有更好的聚类效果,可以有效降低数据传输代价。
【文章来源】：传感器与微系统. 2020,39(04)CSCD
【文章页数】：4 页
【部分图文】：
传统的WSNs数据传输方式(TTWS)
图2是基于密度的聚类算法(clustering algorithm based on density,CABD)[12]的传输方式。该传输方式在网格数据密度大于预先设定的阈值时，则对网格数据进行传输，在网格数据密度小于阈值时，则不进行处理，直接舍弃。相对于TTWS,CABD能有效降低传输消耗，节省了传输时间，但其传输结果精确性不高。本文所提出的PCA充分考虑数据的感知特征，兼顾传感器节点的位置属性，在将空间数据映射为网格数据的基础上，通过切分与合并等方法形成数据传输的汇聚(Sink)节点。PCA克服了上述两种算法的缺点，相对CABD而言，PCA具有更丰富的数据传输，而相对于TTWS来说，PCA又大大降低传输的消耗。
基于PCA的数据传输示意如图3所示，是结合网格数据密度、重心距离对网格进行分裂或合并的传输方式。当数据密度大于预先设定的密度阈值的则不处理，那么对于稀疏网格的数据，则根据其重心与相邻密度网格的重心距离将稀疏网格数据分裂。将分裂的数据合并到符合条件的相邻密度网格中，形成一个更大的网格簇Sink，通过对网格的多次分裂或合并得到最优的聚类结果。基于PCA的数据传输对于不参与传输的节点执行休眠状态，以减少数据负载，从而降低数据传输时间和能源损耗。PCA的操作是在网格结构上进行，对数据集大小具有良好的可伸缩性，能处理大规模的数据集和发现任意形状的簇，提高聚类效果，并能降低传输时间。
【参考文献】：
期刊论文
[1]能量高效的WSNs分簇数据融合算法[J]. 孙超,杨晓峰,彭力. 传感器与微系统. 2017(04)
[2]基于ZigBee的低功耗无线传感器网络改进协议[J]. 向凤红,孔庆平,毛剑琳,付丽霞. 传感器与微系统. 2017(03)
[3]多传感器室内环境监测系统[J]. 孙占鹏,李佳,欧文. 传感器与微系统. 2017(01)
[4]基于分布式聚类的有向传感器网络移动目标跟踪算法研究[J]. 左现刚,张志霞,贾蒙. 传感技术学报. 2016(07)
[5]基于无线传感网络的环境监测系统[J]. 王骥,林杰华,谢仕义. 传感技术学报. 2015(11)
[6]基于相对密度的不确定数据聚类算法[J]. 潘冬明,黄德才. 计算机科学. 2015(S2)
[7]基于ZigBee和GPRS的大气污染监测系统设计[J]. 梅志坚,马娅婕,肖凡男. 武汉科技大学学报. 2015(01)
[8]基于K-means聚类和椭圆拟合方法的白粉虱计数算法[J]. 王志彬,王开义,张水发,刘忠强,穆翠霞. 农业工程学报. 2014(01)
[9]DCAD:a Dual Clustering Algorithm for Distributed Spatial Databases[J]. ZHOU Jiaogen GUAN Jihong LI Pingxiang ZHOU Jiaogen, State Key Laboratory of Information Engineering in Surveying, Mapping and Remote Sensing, Wuhan University, 129 Luoyu Road, Wuhan 430079, China.. Geo-Spatial Information Science. 2007(02)
本文编号：3605173
【文章来源】：传感器与微系统. 2020,39(04)CSCD
【文章页数】：4 页
【部分图文】：
传统的WSNs数据传输方式(TTWS)
图2是基于密度的聚类算法(clustering algorithm based on density,CABD)[12]的传输方式。该传输方式在网格数据密度大于预先设定的阈值时，则对网格数据进行传输，在网格数据密度小于阈值时，则不进行处理，直接舍弃。相对于TTWS,CABD能有效降低传输消耗，节省了传输时间，但其传输结果精确性不高。本文所提出的PCA充分考虑数据的感知特征，兼顾传感器节点的位置属性，在将空间数据映射为网格数据的基础上，通过切分与合并等方法形成数据传输的汇聚(Sink)节点。PCA克服了上述两种算法的缺点，相对CABD而言，PCA具有更丰富的数据传输，而相对于TTWS来说，PCA又大大降低传输的消耗。
基于PCA的数据传输示意如图3所示，是结合网格数据密度、重心距离对网格进行分裂或合并的传输方式。当数据密度大于预先设定的密度阈值的则不处理，那么对于稀疏网格的数据，则根据其重心与相邻密度网格的重心距离将稀疏网格数据分裂。将分裂的数据合并到符合条件的相邻密度网格中，形成一个更大的网格簇Sink，通过对网格的多次分裂或合并得到最优的聚类结果。基于PCA的数据传输对于不参与传输的节点执行休眠状态，以减少数据负载，从而降低数据传输时间和能源损耗。PCA的操作是在网格结构上进行，对数据集大小具有良好的可伸缩性，能处理大规模的数据集和发现任意形状的簇，提高聚类效果，并能降低传输时间。
【参考文献】：
期刊论文
[1]能量高效的WSNs分簇数据融合算法[J]. 孙超,杨晓峰,彭力. 传感器与微系统. 2017(04)
[2]基于ZigBee的低功耗无线传感器网络改进协议[J]. 向凤红,孔庆平,毛剑琳,付丽霞. 传感器与微系统. 2017(03)
[3]多传感器室内环境监测系统[J]. 孙占鹏,李佳,欧文. 传感器与微系统. 2017(01)
[4]基于分布式聚类的有向传感器网络移动目标跟踪算法研究[J]. 左现刚,张志霞,贾蒙. 传感技术学报. 2016(07)
[5]基于无线传感网络的环境监测系统[J]. 王骥,林杰华,谢仕义. 传感技术学报. 2015(11)
[6]基于相对密度的不确定数据聚类算法[J]. 潘冬明,黄德才. 计算机科学. 2015(S2)
[7]基于ZigBee和GPRS的大气污染监测系统设计[J]. 梅志坚,马娅婕,肖凡男. 武汉科技大学学报. 2015(01)
[8]基于K-means聚类和椭圆拟合方法的白粉虱计数算法[J]. 王志彬,王开义,张水发,刘忠强,穆翠霞. 农业工程学报. 2014(01)
[9]DCAD:a Dual Clustering Algorithm for Distributed Spatial Databases[J]. ZHOU Jiaogen GUAN Jihong LI Pingxiang ZHOU Jiaogen, State Key Laboratory of Information Engineering in Surveying, Mapping and Remote Sensing, Wuhan University, 129 Luoyu Road, Wuhan 430079, China.. Geo-Spatial Information Science. 2007(02)
本文编号：3605173
本文链接：https://www.wllwen.com/kejilunwen/wltx/3605173.html
