物联网传感器数据最近邻-点拓扑目标融合

发布时间：2021-02-07 12:59

　　物联网传感器在执行任务时,由于节点数量巨大,产生大量冗余信息,造成通信带宽浪费等问题。基于此,提出物联网传感器数据最近邻-点拓扑目标融合方法。将置信距离测度当作融合度,通过置信距离矩阵与关系矩阵确定最佳融合数据;利用归一化方法对数据采样矩阵预处理,去除冗余数据;分析传感器数据融合基本原理,结合传感器噪声特点,构建融合模型,定义相对系数与关联系数,计算节点之间最大相似度;通过最近邻-点拓扑目标,选择最佳数据进行初始化处理,根据其它数据记录实现数据融合。仿真结果表明,所提方法数据融合的准确度较高,有效降低了能量消耗,有助于物联网传感器数据的融合。 

【文章来源】：计算机仿真. 2020,37(11)北大核心

【文章页数】：5 页

【部分图文】：

数据融合示意图

为了验证本文方法的可靠性,实验分析了本文方法文献[3]方法以及文献[4]方法的数据融合准确度,实验结果如图2 所示。分析图2可知,随着迭代次数的变化,三种方法数据融合的准确度有所差异。当迭代次数为2时,本文方法融合数据的准确度约为84 %,文献[3]方法的融合准确度约为68 %,文献[4]方法的数据融合准确度约为64 %;当迭代次数为5时,本文方法融合数据的准确度约为97 %,文献[3]方法的融合准确度约为75 %,文献[4]方法的数据融合准确度约为84 %。通过对比可以发现,本文方法数据融合的准确度更高,具有一定的可靠性。

为了验证本文方法的可行性,实验对比了本文方法文献[3]方法以及文献[4]方法的数据融合的能耗,实验结果如图3 所示。分析图3可知,迭代次数的不断增加,三种方法融合数据所消耗的能量随之波动变化。当迭代次数为3时,本文方法融合数据所需能耗约为0.4 J,文献[3]方法所需能耗约为0.7 J,文献[4]方法所需能耗约为0.9 J;当迭代次数为8时,本文方法融合数据所需能耗约为0.43 J,文献[3]方法所需能耗约为0.65 J,文献[4]方法所需能耗约为0.98 J。可以看出本文方法融合数据时所消耗的能量最少,节约了一定成本。

【参考文献】：
期刊论文
[1]结合景深估计的高斯衰减与自适应补偿去雾[J]. 杨燕,张国强,姜沛沛.  光学精密工程. 2019(11)
[2]一种基于多传感器数据融合的云台自稳控制方法[J]. 李会军,袁帅,汤翔,唐超权.  控制工程. 2019(10)
[3]针对电力系统信息采集终端的M2M物联网应用研究[J]. 岳振宇,刘岩,高嘉浩.  电子器件. 2019(05)
[4]面向未来网络的信息-物理融合系统的探讨[J]. 姚建刚,文武,康童,张小峰,金永顺.  计算机工程与科学. 2019(08)
[5]量测数据自校准融合方法[J]. 傅惠民,杨海峰,文歆磊.  航空动力学报. 2019(08)
[6]基于多网融合和节点定位技术的无线温室智能监控系统的设计[J]. 牛萍娟,程峥,田海涛,徐芳海,李舒舒.  江苏农业科学. 2019(14)
[7]带有隐私保护的无线传感网能量有效数据融合机制[J]. 黄颖,费莉,赖小龙.  微电子学与计算机. 2019(07)
[8]基于小波降噪的振动传感器数据分析[J]. 张阳峰,韦仕鸿,邓娜娜,王文瑞.  计算机科学. 2019(S1)
[9]大型物联网激光通信系统的设计与实现[J]. 杨金山.  激光杂志. 2019(04)
[10]基于多源数据多特征融合的弱小目标关联研究[J]. 刘铮,毛宏霞,戴聪明,魏合理.  红外与激光工程. 2019(05)



本文编号：3022261