高效实时的无线传感器网络数据融合算法研究

发布时间：2017-07-17 23:33

  本文关键词：高效实时的无线传感器网络数据融合算法研究

  更多相关文章： 无线传感器网络 数据融合 加权移动平均 能量距离

【摘要】：无线传感器网络(Wireless Sensor Networks,WSNs)是一种综合了无线传输技术和传感器技术为一体的网络系统。系统中多节点自组织的动态形成网络拓扑结构,微传感器以协作的方式进行数据采集,数据以多跳的方式经过传感器节点进行接力传输至汇聚节点,进行数据汇总、决策分析等。该网络系统节点支持随机撒布部署,因此该网络系统一般应用在恶劣环境下,进行无人值守的自动信息采集与回传。目前无线传感器网络在军事领域、健康医疗监控、城市监控管理、自然环境监测以及智能家居等诸多领域有广泛的应用。传感器节点采用自身电池的供电方式,摆脱了线路的牵制,但是能量有限的特性就对网络时效性、节点生命周期、算法效率提出了严苛的要求。通过研究我们能够知道网络中消耗的能量集中在无线射频进行数据通信时,因此需要对网络中数据包的数量、冗余数据等进行控制,提高能量的使用效率,以达到网络时效性、高效性和延长网络生命周期的均衡,这就是数据融合算法的任务所在。本文主要对无线传感器网络数据融合过程进行研究探讨,基于最小生成树结构形成网络路由、数据融合的骨干结构,设计了一套高效、实时的数据融合算法,创新的提出基于动态链表的N阶加权移动平均跟踪、预测环境,依据最小生成树的路径交叉节点设置数据过滤点。在数据逐渐向汇聚节点传送的过程中形成决策数据包,保证重要数据及时回传并尽力延长网络生命周期。本文的主要研究工作如下:(1)对无线传感器网络组成方式、能量消耗及路由算法相关理论等进行了研究,分析了数据融合算法的多种过滤模型及其优劣势;(2)提出将每一次发送数据动作的两端节点同时纳入能量距离中,权衡考虑两个节点的剩余能量水平,并给出了其计算公式;(3)本文对最小生成树路由算法进行适应性改进,依托该算法形成的网络结构设置数据融合点,发挥数据降噪、去冗余作用;(4)提出基于动态链表的N阶历史数据移动平均融合算法,挖掘传感节点历史数据的关联关系,预测当期数据水平,并决策是否对数据进行过滤操作;(5)实验及数据分析。本文设置了多个模拟事件场景,运用上述的算法对环境数据进行感测跟踪,通过数据分析、图表展示等检验了算法的有效性及对冗余数据的过滤水平。
【关键词】：无线传感器网络 数据融合 加权移动平均 能量距离
【学位授予单位】：济南大学
【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7-8
• Abstract8-10
• 第一章 绪论10-16
• 1.1 课题背景、目的和意义10-11
• 1.2 国内外研究动态11-14
• 1.3 论文的主要研究成果、创新点和研究意义14-15
• 1.3.1 本文的主要创新点14
• 1.3.2 本文的研究意义14-15
• 1.4 论文的组织结构15-16
• 第二章 无线传感器网络相关理论16-25
• 2.1 无线传感器网络结构16-17
• 2.2 无线传感器网络的应用17-19
• 2.3 传感器节点的射频模型19-20
• 2.4 无线传感网数据融合算法20-21
• 2.4.1 数据融合的基本概念及目标20
• 2.4.2 数据融合算法的分类20-21
• 2.5 数据融合路径结构研究21-23
• 2.5.1 基于簇的层次结构数据融合算法22
• 2.5.2 基于树结构的数据融合算法22-23
• 2.5.3 基于平面结构的数据融合算法23
• 2.6 本章小结23-25
• 第三章 基于最小生成树的动态能量-位置路由算法25-32
• 3.1 最小生成树与地理信息分组结合的网络架构模型25-26
• 3.2 动态能量-位置路由算法详细设计26-31
• 3.2.1 节点间距离计算26-27
• 3.2.2 对传感节点进行聚簇分组27-28
• 3.2.3 原子性能量距离计算28-29
• 3.2.4 数据融合树的生成29-31
• 3.2.5 数据收集树的周期维护31
• 3.3 本章小结31-32
• 第四章 基于动态链表的N阶加权移动平均的数据融合算法32-38
• 4.1 数据融合算法过滤方式研究现况32
• 4.2 N阶加权移动平均数据融合32-37
• 4.2.1 加权移动平均策略33-34
• 4.2.2 无线传感器网络下环境事件定义34
• 4.2.3N阶加权移动平均数据融合算法的详细设计34-37
• 4.3 本章小结37-38
• 第五章 仿真实验与数据分析38-56
• 5.1 基于GNU/Linux的NS-3 仿真平台38-39
• 5.2 仿真平台搭建39-42
• 5.3 仿真基本流程与脚本编写42-49
• 5.4 仿真场景数据分析49-54
• 5.5 与现有算法的性能对比54-55
• 5.6 本章小结55-56
• 第六章 总结与展望56-58
• 6.1 全文总结56-57
• 6.2 研究方案的不足之处与进一步研究设想57
• 6.3 心得体会57-58
• 参考文献58-62
• 致谢62-63
• 附录63

【参考文献】

中国期刊全文数据库 前8条

1 邱立达;刘天键;林南;黄章超;;基于深度学习模型的无线传感器网络数据融合算法[J];传感技术学报;2014年12期

2 许建;杨庚;陈正宇;王海勇;杨震;;基于二次独立集的数据融合调度算法[J];通信学报;2014年01期

3 杨庚;李森;陈正宇;许建;杨震;;传感器网络中面向隐私保护的高精确度数据融合算法[J];计算机学报;2013年01期

4 乐俊;张维明;肖卫东;汤大权;唐九阳;;无结构动态适应无线传感器网络数据融合算法[J];通信学报;2012年09期

5 陈正宇;杨庚;陈蕾;许建;;无线传感器网络数据融合研究综述[J];计算机应用研究;2011年05期

6 张静;贾春福;;无线传感器网络基于权值的极小支配集路由算法[J];传感技术学报;2009年12期

7 李志宇;史浩山;;基于最小Steiner树的无线传感器网络数据融合算法[J];西北工业大学学报;2009年04期

8 衣晓;刘瑜;何友;;一种修正的DV-Hop无线传感器网络节点定位算法[J];江苏航空;2009年01期

，

本文编号：555132