基于拟合分析的WSN数据融合技术研究

发布时间：2017-10-04 12:13

  本文关键词：基于拟合分析的WSN数据融合技术研究

  更多相关文章： 无线传感器网络 数据融合 安全 数据预测 加权曲线拟合 曲线相似度

【摘要】：无线传感器网络(WSN)具有数据量大、高冗余量、低可靠性、节点能量有限等特点。数据融合是WSN中进行数据处理获得查询结果,且有效减少能耗的重要技术之一。如何将感知数据高效、准确、安全地发送到服务器是WSN数据融合研究的热点和难点。本文从无线传感器网络的数据融合和安全数据融合问题着手,首先整体介绍研究背景、相关工作的进展等。然后,以数据融、安全数据融合的系统架构为脉络,详细阐述各部分的研究热点。最后,重点分析基于相似度预测的WSN数据收集算法和基于加权拟合分析的WSN安全数据融合算法,并对算法的进行理论性分析,采用仿真实验的方式将本文提出的算法与经典算法在能耗、安全性等方面进行对比、分析。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降低。传统的基于密码学方式的安全机制并不能有效解决妥协节点产生的假冒攻击,同时基于簇头的信任判断和证实机制需要更多的通信开销,使得基于簇头的信任管理与认证是当前安全数据融合机制研究的焦点。以能量衰减模型的事件感知为研究场景,设计一种基于加权拟合分析的安全数据融合机制。在事件源情况未知的条件下,实现簇内节点对事件源距离的近似估计。研究具有簇属性特征的数据点基于所拟合曲线的分布性质,提出基于曲线簇分析的簇头信任判断机制。仿真实验表明,所提出的机制在曲线拟合精度,防妥协性能等方面有较高的提升,达到了预期的效果。
【关键词】：无线传感器网络 数据融合 安全 数据预测 加权曲线拟合 曲线相似度
【学位授予单位】：长沙理工大学
【学位级别】：硕士
【学位授予年份】：2015
【分类号】：TN929.5;TP212.9;TP202
【目录】：

• 摘要5-6
• ABSTRACT6-10
• 第一章 绪论10-16
• 1.1 研究背景及意义10-13
• 1.1.1 无线传感器网络数据融合的研究意义11-12
• 1.1.2 WSN安全数据融合的研究意义12-13
• 1.2 研究现状13-15
• 1.2.1 WSN数据融合的研究现状13-14
• 1.2.2 WSN安全数据融合的研究现状14-15
• 1.3 本文的工作内容以及论文结构15-16
• 第二章 无线传感器网络数据融合及其安全问题16-22
• 2.1 WSN数据融合的概念16
• 2.2 WSN数据融合的分类及功能模型16-17
• 2.3 WSN数据融合算法17-19
• 2.4 WSN安全问题的特点19-22
• 第三章 基于相似度预测的WSN数据收集算法22-34
• 3.1 研究进展22-24
• 3.2 条件假设及相关定义24-26
• 3.2.1 系统整体构架24-25
• 3.2.2 相关定义及说明25-26
• 3.3 算法描述及性能分析26-31
• 3.3.1 数据收集算法26-27
• 3.3.2 预测机制及性能分析27-31
• 3.4 实验与仿真31-34
• 3.4.1 有效性验证31-34
• 第四章 基于加权拟合分析的WSN安全数据融合机制研究34-44
• 4.1 相关工作34-35
• 4.2 网络模型及攻击分析35-36
• 4.2.1 网络描述35
• 4.2.2 攻击模型35
• 4.2.3 术语与定义35-36
• 4.3 基于多簇加权拟合性质的判断机制36-40
• 4.3.1 簇内节点的事件距离估计37-38
• 4.3.2 簇间加权拟合性质38-40
• 4.4 实验与仿真40-44
• 4.4.1 节点事件距离估计及融合精度40-41
• 4.4.2 曲线拟合精度41-42
• 4.4.3 恶意节点与恶意簇的识别仿真42-44
• 第五章 总结与展望44-47
• 5.1 总结44
• 5.2 下一阶段工作44-47
• 参考文献47-50
• 致谢50-51
• 附录A 硕士期间发表的学术论文51

【相似文献】

中国期刊全文数据库 前10条

1 李启虎;独立观测资料的最佳线性数据融合[J];声学学报;2000年05期

2 唐恒专,任明强,李真富;数据融合理论及其在禁核试核查中的应用研究[J];核电子学与探测技术;2005年01期

3 耿朝阳;钟联炯;范跃华;;多Agent技术在数据融合系统中的应用[J];西安工业大学学报;2006年06期

4 习靖;;数据融合中时间对准方法的思考[J];中国新通信;2013年03期

5 李启虎;相关观测资料的最佳线性数据融合[J];声学学报;2001年05期

6 刘伟;位置级数据融合模型及常用方法[J];雷达与对抗;2003年01期

7 张华生;一种体系作战雷达网络的数据融合[J];现代雷达;2004年01期

8 郭予并,冷东方;数据融合与聂曼-皮尔逊准则[J];雷达与对抗;2004年02期

9 熊凌,张凯;数据融合及其应用[J];湖北工业大学学报;2005年03期

10 张红兵,赵杰煜,罗雪山;军事数据融合概念方法研究[J];火力与指挥控制;2005年07期

中国重要会议论文全文数据库 前10条

1 孙乐昌;梁亚声;陆余良;赵水宁;;决策用数据融合系统的设计与实现[A];第十五届全国数据库学术会议论文集[C];1998年

2 马宪民;赵跃齐;;一种基于数据融合理论的煤矿抢险救护机器人技术的研究[A];第十六届全国煤炭自动化学术年会、中国煤炭学会自动化专业委员会学术会议论文集[C];2006年

3 朱斌;符刚;朱爱华;李延斌;吴琼;;用户数据融合技术发展策略[A];中国通信学会信息通信网络技术委员会2011年年会论文集（上册）[C];2011年

4 熊凌;张凯;;数据融合及其应用[A];2005年十二省区市机械工程学会学术年会论文集（湖北专集）[C];2005年

5 畅言;罗利强;;数据融合系统关键技术研究[A];2013第一届中国指挥控制大会论文集[C];2013年

6 鲁睿;张杰;徐勇军;吴琳;;数据融合中证据冲突的典型处理方法[A];2014第二届中国指挥控制大会论文集（上）[C];2014年

7 杨功流;杨君;刘玉峰;王文富;杨晔;;用数据融合理论减少壳体旋转低速误差的技术研究[A];全面建设小康社会：中国科技工作者的历史责任——中国科协2003年学术年会论文集（上）[C];2003年

8 苏惠敏;张明廉;;飞控系统中的多传感器数据融合[A];1996年中国控制会议论文集[C];1996年

9 殷新春;徐力杰;;WSN中一种基于数据融合的能量高效分簇路由协议[A];2007年全国开放式分布与并行计算机学术会议论文集(上册)[C];2007年

10 管清波;张荣;罗小明;;分布式数据融合系统及其时钟同步算法[A];第四届中国青年运筹与管理学者大会论文集[C];2001年

中国重要报纸全文数据库 前4条

1 唐得胜 本报特约记者 梁申虎 特约通讯员 丁雅涵;数据融合,陆上“猛虎”闯大海[N];解放军报;2012年

2 中兴通讯股份有限公司 鲁兰 红朱 王炜;数据融合奠基网络融合[N];通信产业报;2006年

3 闻丹岩;Avaya IP语音重回报[N];中国计算机报;2003年

4 本报记者 付连英;大数据融合与创新性变革加剧[N];国际商报;2014年

中国博士学位论文全文数据库 前9条

1 邢天璋;室外环境下WSN被动式目标定位方法研究[D];西北大学;2015年

2 李超然;无线传感器网络数据融合安全问题的研究[D];北京交通大学;2016年

3 刘明堂;基于多源多尺度数据融合的黄河含沙量检测模型研究[D];郑州大学;2015年

4 李雨谦;基于数据融合的综合识别方法研究[D];电子科技大学;2013年

5 邓达强;运动机械监测系统数据融合关键技术的研究与应用[D];重庆大学;2001年

6 蔺杰;数据融合的神经计算方法[D];浙江大学;2005年

7 张宇林;计算智能在土壤数据融合中的应用研究[D];江南大学;2009年

8 王欣;多传感器数据融合问题的研究[D];吉林大学;2006年

9 贾海涛;基于感知引导的数据融合算法研究[D];电子科技大学;2012年

中国硕士学位论文全文数据库 前10条

1 付祥朋;基于相关性预测与多层数据融合的ZigBee节能研究[D];内蒙古大学;2015年

2 侯振乾;基于预测模型的无线传感器网络数据融合研究[D];沈阳理工大学;2015年

3 解春香;异类多传感器数据融合技术的研究[D];沈阳理工大学;2015年

4 赵骞;能源行业中网络监测与数据融合平台的设计与实现[D];电子科技大学;2015年

5 陈初杰;基于多层次监测数据融合的多状态系统动态可靠度评估方法研究[D];电子科技大学;2015年

6 李孟瑶;无线传感器网络中多传感器数据融合方法的研究[D];湘潭大学;2015年

7 梁学利;无线传感器网络中数据融合隐私保护方法研究[D];浙江工业大学;2015年

8 蒋鸿;基于数据融合的智慧养老医疗健康系统的研究与实现[D];南京邮电大学;2015年

9 闵杰;矿井中无线传感器网络数据融合技术研究[D];河南理工大学;2014年

10 孙智国;一种支持度函数的改进及其WSN数据融合应用研究[D];重庆大学;2015年

，

本文编号：970594