基于神经网络的可穿戴无线传感网络数据融合方法

发布时间：2017-07-01 14:02

  本文关键词：基于神经网络的可穿戴无线传感网络数据融合方法，由笔耕文化传播整理发布。

【摘要】：可穿戴无线传感网络节点一般使用电池供电,能量补给受限,同时,数据冗余量大,相互矛盾数据较多。数据融合技术可以有效减少数据传送阶段的通信量,降低传感节点的能量损耗,延长传感网络的生命周期。本文主要研究基于神经网络及模糊神经网络的数据融合方法。为了提高学习算法的收敛速率,解决网络收敛振荡问题,本文提出一种动量项-学习速率自适应的反向传播学习算法(A Momentum Adaptive Learning Rate Algorithm, MALRBPA) o以解决二维异或问题为背景,将MALRBPA算法与标准学习算法以及传统改进型学习算法收敛速度进行比较,采用MALRBPA学习算法的神经网络收敛速率更快。将改进型BP神经网络与无线传感网络分簇路由协议(LEACH-F协议)进行结合,提出一种改进的BP神经网络数据融合算法(A Back Propagation Neural-Network Data Fusion Algorithm, BPNDFA),在传感网络簇内,对采集的原始数据进行数据拟合,将数据的特征向量值进行CDMA编码并发送给汇聚节点,以实现加快网络学习训练的收敛速度,减少节点数据通信量的目的。仿真实验表明,与传统的BP神经网络数据融合算法相比,BPNDFA算法降低了节点能耗,延长了网络生命周期。在监测人体特征参数等方面具有较好的准确性、有效性以及实时性。本文最后采用T-S(Takagi-Sugeno)结构的模糊推理系统,使用MALRBPA算法及模糊规则训练模糊神经网络,同时引入无线传感网络分簇路由技术,提出一种基于模糊神经网络的数据融合算法(A Fuzzy Neural networks Data Fusion algorithm, FNNDFA),仿真实验表明,相比传统的基于模糊神经网络的数据融合算法,FNNDFA算法有较高的网络收敛速率及预测准确度,能够降低可穿戴传感节点能耗,延长网络寿命,适合参数指标没有确定值而是一个模糊范围的可穿戴无线传感网络。
【关键词】：神经网络 无线传感网络 数据融合 能耗
【学位授予单位】：南华大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TP212.9;TN929.5;TP202
【目录】：

• 摘要4-6
• Abstract6-11
• 第1章 绪论11-15
• 1.1 研究背景及意义11-12
• 1.2 国内外研究现状12-13
• 1.3 本文的主要研究工作13
• 1.4 文章的组织结构13-15
• 第2章 相关理论基础15-31
• 2.1 可穿戴无线传感网络概述15-19
• 2.1.1 可穿戴传感网络概念15
• 2.1.2 可穿戴无线传感网络体系结构15-17
• 2.1.3 可穿戴无线传感网络应用背景17
• 2.1.4 可穿戴传感网络人体体征监测系统架构设计17-19
• 2.2 数据融合基本理论19-22
• 2.2.1 数据融合系统的功能模型19-20
• 2.2.2 数据融合体系结构20-21
• 2.2.3 数据融合层次描述21-22
• 2.3 BP神经网络概述22-26
• 2.3.1 BP神经网络结构22-23
• 2.3.2 BP神经网络学习算法23-25
• 2.3.3 BP算法的程序实现25-26
• 2.4 模糊神经网络概述26-30
• 2.4.1 模糊理论基础26
• 2.4.2 隶属函数26-28
• 2.4.3 模糊逻辑与模糊推理28-29
• 2.4.4 Takagi-Sugeno模糊推理系统29-30
• 2.5 本章小结30-31
• 第3章 基于BP神经网络的可穿戴传感网络数据融合方法31-49
• 3.1 BP学习算法概述31-34
• 3.1.1 增加动量项法31-33
• 3.1.2 自适应学习速率法33-34
• 3.2 MALRBPA算法34-39
• 3.2.1 MALRBPA算法的基本思想34-35
• 3.2.2 MALRBPA算法主要步骤及流程图35-36
• 3.2.4 MALRBPA算法仿真比较36-39
• 3.3 可穿戴无线传感网络的BPNDFA算法39-42
• 3.3.1 BPNDFA数据融合算法的基本思想39
• 3.3.2 BPNDFA数据融合算法主要步骤及流程图39-41
• 3.3.3 BPNDFA数据融合算法形式描述41-42
• 3.4 实验与结果分析42-48
• 3.4.1 实验环境42
• 3.4.2 实验重要参数设计42
• 3.4.3 实验与结果分析42-48
• 3.5 本章小结48-49
• 第4章 基于模糊神经网络的可穿戴传感网络数据融合方法49-63
• 4.1 T-S模糊推理系统设计49-51
• 4.2 模糊推理综合评判模型51-52
• 4.3 可穿戴传感网络的FNNDFA数据融合算法52-56
• 4.3.1 FNNDFA数据融合算法的基本思想52
• 4.3.2 FNNDFA数据融合算法主要步骤及流程图52-54
• 4.3.3 FNNDFA数据融合算法形式描述54-56
• 4.4 实验与结果分析56-61
• 4.4.1 实验环境56
• 4.4.2 实验重要参数设计56
• 4.4.3 实验与结果分析56-61
• 4.5 本章小结61-63
• 第5章 总结与展望63-65
• 5.1 总结63-64
• 5.2 展望64-65
• 参考文献65-69
• 主要成果69-71
• 致谢71

【相似文献】

中国期刊全文数据库 前10条

1 云中客;新的神经网络来自于仿生学[J];物理;2001年10期

2 唐春明,高协平;进化神经网络的研究进展[J];系统工程与电子技术;2001年10期

3 李智;一种基于神经网络的煤炭调运优化方法[J];长沙铁道学院学报;2003年02期

4 程科,王士同,杨静宇;新型模糊形态神经网络及其应用研究[J];计算机工程与应用;2004年21期

5 王凡,孟立凡;关于使用神经网络推定操作者疲劳的研究[J];人类工效学;2004年03期

6 周丽晖;从统计角度看神经网络[J];统计教育;2005年06期

7 赵奇 ,刘开第 ,庞彦军;灰色补偿神经网络及其应用研究[J];微计算机信息;2005年14期

8 袁婷;;神经网络在股票市场预测中的应用[J];软件导刊;2006年05期

9 尚晋;杨有;;从神经网络的过去谈科学发展观[J];重庆三峡学院学报;2006年03期

10 杨钟瑾;;神经网络的过去、现在和将来[J];青年探索;2006年04期

中国重要会议论文全文数据库 前10条

1 徐春玉;;基于泛集的神经网络的混沌性[A];1996中国控制与决策学术年会论文集[C];1996年

2 周树德;王岩;孙增圻;孙富春;;量子神经网络[A];2003年中国智能自动化会议论文集（上册）[C];2003年

3 罗山;张琳;范文新;;基于神经网络和简单规划的识别融合算法[A];2009系统仿真技术及其应用学术会议论文集[C];2009年

4 郭爱克;马尽文;丁康;;序言(二)[A];1999年中国神经网络与信号处理学术会议论文集[C];1999年

5 钟义信;;知识论:神经网络的新机遇——纪念中国神经网络10周年[A];1999年中国神经网络与信号处理学术会议论文集[C];1999年

6 许进;保铮;;神经网络与图论[A];1999年中国神经网络与信号处理学术会议论文集[C];1999年

7 金龙;朱诗武;赵成志;陈宁;;数值预报产品的神经网络释用预报应用[A];1999年中国神经网络与信号处理学术会议论文集[C];1999年

8 田金亭;;神经网络在中学生创造力评估中的应用[A];第十二届全国心理学学术大会论文摘要集[C];2009年

9 唐墨;王科俊;;自发展神经网络的混沌特性研究[A];2009年中国智能自动化会议论文集（第七分册）[南京理工大学学报（增刊）][C];2009年

10 张广远;万强;曹海源;田方涛;;基于遗传算法优化神经网络的故障诊断方法研究[A];第十二届全国设备故障诊断学术会议论文集[C];2010年

中国重要报纸全文数据库 前10条

1 美国明尼苏达大学社会学博士 密西西比州立大学国家战略规划与分析研究中心资深助理研究员 陈心想;维护好创新的“神经网络硬件”[N];中国教师报;2014年

2 卢业忠;脑控电脑 惊世骇俗[N];计算机世界;2001年

3 葛一鸣 路边文;人工神经网络将大显身手[N];中国纺织报;2003年

4 中国科技大学计算机系　邢方亮;神经网络挑战人类大脑[N];计算机世界;2003年

5 记者 孙刚;“神经网络”：打开复杂工艺“黑箱”[N];解放日报;2007年

6 本报记者 刘霞;美用DNA制造出首个人造神经网络[N];科技日报;2011年

7 健康时报特约记者　 张献怀;干细胞移植：修复受损的神经网络[N];健康时报;2006年

8 刘力;我半导体神经网络技术及应用研究达国际先进水平[N];中国电子报;2001年

9 ;神经网络和模糊逻辑[N];世界金属导报;2002年

10 邹丽梅 陈耀群;江苏科大神经网络应用研究通过鉴定[N];中国船舶报;2006年

中国博士学位论文全文数据库 前10条

1 杨旭华;神经网络及其在控制中的应用研究[D];浙江大学;2004年

2 李素芳;基于神经网络的无线通信算法研究[D];山东大学;2015年

3 石艳超;忆阻神经网络的混沌性及几类时滞神经网络的同步研究[D];电子科技大学;2014年

4 王新迎;基于随机映射神经网络的多元时间序列预测方法研究[D];大连理工大学;2015年

5 付爱民;极速学习机的训练残差、稳定性及泛化能力研究[D];中国农业大学;2015年

6 李辉;基于粒计算的神经网络及集成方法研究[D];中国矿业大学;2015年

7 王卫苹;复杂网络几类同步控制策略研究及稳定性分析[D];北京邮电大学;2015年

8 张海军;基于云计算的神经网络并行实现及其学习方法研究[D];华南理工大学;2015年

9 李艳晴;风速时间序列预测算法研究[D];北京科技大学;2016年

10 陈辉;多维超精密定位系统建模与控制关键技术研究[D];东南大学;2015年

中国硕士学位论文全文数据库 前10条

1 章颖;混合不确定性模块化神经网络与高校效益预测的研究[D];华南理工大学;2015年

2 贾文静;基于改进型神经网络的风力发电系统预测及控制研究[D];燕山大学;2015年

3 李慧芳;基于忆阻器的涡卷混沌系统及其电路仿真[D];西南大学;2015年

4 陈彦至;神经网络降维算法研究与应用[D];华南理工大学;2015年

5 董哲康;基于忆阻器的组合电路及神经网络研究[D];西南大学;2015年

6 武创举;基于神经网络的遥感图像分类研究[D];昆明理工大学;2015年

7 李志杰;基于神经网络的上证指数预测研究[D];华南理工大学;2015年

8 陈少吉;基于神经网络血压预测研究与系统实现[D];华南理工大学;2015年

9 张韬;几类时滞神经网络稳定性分析[D];渤海大学;2015年

10 邵雪莹;几类时滞不确定神经网络的稳定性分析[D];渤海大学;2015年

  本文关键词：基于神经网络的可穿戴无线传感网络数据融合方法，，由笔耕文化传播整理发布。

本文编号：506156