基于信任和权重的无线传感器网络数据融合模型

发布时间：2020-09-14 14:07

　　在无线传感器网络中,数据融合的可靠性是一个非常重要的问题并且受到了广泛的关注。为此,提出一种基于信任和权重的无线传感器网络数据融合模型(TWDFM)。在该模型中,传感器节点通过构建信任表选举可靠簇头,簇头根据权重检测异常节点并融合可信数据。仿真实验表明,该模型可以有效提高数据融合的安全性和准确性。
【部分图文】：

曲线,权重,数据融合,节点

ａｌｓｅ，也可能是小数或整数，因此引入误差是必要的。若采集信息不准确，则将该节点的权重降低，α的定义如下：α＝１－ｅｍ－ｓｋ（３）其中，ｍ是融合过程中的异常节点个数，ｓ是簇内节点个数，ｋ是控制变化速率的参数。图４是α函数的变化曲线，假设ｓ为２０，ｋ为４。当簇内异常节点较少时，α变化较慢，权重下降缓慢，对数据融合影响不大；当簇内异常节点较多时，α变化较快，权重下降迅速，导致无法继续进行数据融合，保证了数据融合的安全性和准确性。图４α函数３９第５期张峰，等：基于信任和权重的无线传感器网络数据融合模型

准确性分析,概率,节点,选举模型

大时，过多的错误投票导致无法保证选举出可靠簇头，信任机制失去了作用。当然，大多数情况下受损节点所占比例较小，所以信任机制有着不错的效果。图５受损节点成为簇头的概率４．２准确性分析本文通过比较是否使用ＴＷＤＦＭ产生的融合结果，来说明该模型对数据融合的准确性的影响。如上所述，可信节点和异常节点的度量模型服从高斯分布。假设环境温度为２０℃，两种节点的概率密度函数如图６所示。可以发现，可信节点的均值为２０；而异常节点的均值为２４，且分布相对分散。显然，异常节点的存在会使融合结果产生偏差，比例越大，偏差就越大。图６传感器节点度量模型假定异常节点的比例为３０％，通过分析数据融合结果随时间的变化曲线（见图７），来说明ＴＷＤＦＭ对数据融合结果的准确性的影响。图７融合结果变化曲线如图７所示，当不使用ＴＷＤＦＭ时，融合结果和真实值总是存在偏差，并且偏差是不确定的，原因在于融合结果受到了异常节点的影响。然而，当使用ＴＷＤＦＭ时，虽然在开始阶段由于受到异常节点的影响，融合结果也高于真实值，但是融合结果很快就逼近真实值，且趋于稳定。这是因为权重机制发挥了至关重要的作用，随着时间的推移和融合结果的更新，有异常节点被不断地加入黑名单，因而融合结果就越来越接近真实值。４．３能耗分析如图８所示，将ＴＷＤＦＭ和双簇头选举模型［１２］进行比较。可知，双簇头选举模型的能耗总是高于ＴＷＤＦＭ。这是因为，在双簇头选举模型中，每个簇内总是有两个簇头各自进行数据融合，增加了数据传输，消耗了更多的能量。然而，不论是ＴＷＤＦＭ，还是双簇头选举模型，为了提高数据融合的安

变化曲线,无线传感器,结束语,选举模型

ＷＤＦＭ对数据融合结果的准确性的影响。图７融合结果变化曲线如图７所示，当不使用ＴＷＤＦＭ时，融合结果和真实值总是存在偏差，并且偏差是不确定的，原因在于融合结果受到了异常节点的影响。然而，当使用ＴＷＤＦＭ时，虽然在开始阶段由于受到异常节点的影响，融合结果也高于真实值，但是融合结果很快就逼近真实值，且趋于稳定。这是因为权重机制发挥了至关重要的作用，随着时间的推移和融合结果的更新，有异常节点被不断地加入黑名单，因而融合结果就越来越接近真实值。４．３能耗分析如图８所示，将ＴＷＤＦＭ和双簇头选举模型［１２］进行比较。可知，双簇头选举模型的能耗总是高于ＴＷＤＦＭ。这是因为，在双簇头选举模型中，每个簇内总是有两个簇头各自进行数据融合，增加了数据传输，消耗了更多的能量。然而，不论是ＴＷＤＦＭ，还是双簇头选举模型，为了提高数据融合的安全性和准确性，都增加了计算存储和数据传输，所以它们的总能耗都高于不使用任何模型的情况。特别要说明，实验中研究的模型都是构建在分簇路由协议上的，虽然ＴＷＤＦＭ增加了多余的数据传输（主要是控制消息和应答），但是相比于传感器节点采集的数据而言，在总体上还是减少了数据冗余和数据传输量。图８网络总能量损耗结束语本文提出了一种基于信任和权重的无线传感器网络数据融合模型，通过信任机制选举可靠簇头，权重机制检测异常节点并融合可信数据，旨在提高数据融合的安全性和准确性。仿真实验表明，该模型可以有效提高数据融合的可靠性。然而，文中并没有考虑能量损耗的问题，为了保证数据融合的安全可靠性，增加了许多数据传输，带来了多余的能量损耗。未来工作将在如何平衡能量损

【相似文献】