无线传感器网络中基于特征分析的缺失数据恢复方法研究

发布时间：2017-08-01 10:27

  本文关键词：无线传感器网络中基于特征分析的缺失数据恢复方法研究

  更多相关文章： 无线传感器网络 数据缺失 数据恢复 属性相关性 时间稳定性

【摘要】：随着微机电系统、片上系统、无线通讯技术以及低功耗嵌入式技术的快速发展,无线传感器网络被普遍应用于工业过程控制、健康监测和环境感知等多个领域,其以数据为中心的特点也日益凸显,但由于存在节点能量有限、链路不稳定等现象,不可避免地会造成感知数据的缺失,这将一定程度上影响感知数据集的完整性和准确性。在数据采集和传输的过程中对缺失数据进行有效恢复,将有助于提高感知数据的质量。目前,基于重传及冗余等机制的数据恢复方法能耗较高,而基于感知数据特征分析并结合数学模型进行数据恢复的方法大多针对单一的属性特征,具有一定的局限性。本文以多传感器集成与融合技术为基础,结合多属性感知数据间的特征和相关性分析,探讨满足高准确性要求的数据恢复方法。首先,考虑到数据传输对数据缺失所造成的影响,引入通信系统中的数据交织技术,将传输过程中可能发生的错误进行最大化分散,从而提出基于数据交织的感知数据传输策略,并构建数据恢复整体框架。在数据传输阶段,对原始数据进行基于矩阵的网内交织,使得感知数据得以重组并分散传输;在数据处理阶段,对接收到的数据进行解交织并判断缺失状态,记录相应的缺失值信息;在数据恢复阶段,基于感知属性数据间的特征和相关性分析进行数据恢复。其次,考虑到自然界中的物理属性间大多具有一定的相关性,可以利用其提高数据恢复的精度。通过多属性感知数据间的特征分析,提出基于时间稳定性和属性相关性的感知数据恢复算法(TS-AC,temporal stability and attribute correlation)。该算法一方面基于属性相关性建立回归模型,另一方面基于时间稳定性建立线性插值模型,通过对两种方法的估算结果进行联合求平均,以提高数据恢复的精度。最后,通过理论和实验,对所提出的数据恢复整体框架以及基于属性相关性和时间稳定性的感知数据恢复算法进行性能分析。相对于KNN等经典算法,该方法能够有效提高感知数据恢复的准确性。
【关键词】：无线传感器网络 数据缺失 数据恢复 属性相关性 时间稳定性
【学位授予单位】：重庆邮电大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TP212.9;TN929.5
【目录】：

• 摘要3-4
• Abstract4-8
• 第1章 绪论8-14
• 1.1 研究背景及意义8-9
• 1.2 研究现状9-12
• 1.3 本文的研究内容12-13
• 1.4 本文的组织结构13-14
• 第2章 感知数据特征及恢复技术分析14-27
• 2.1 多传感器集成技术及应用14-15
• 2.2 感知数据特征分析15-20
• 2.2.1 时间稳定性16-18
• 2.2.2 属性相关性18-20
• 2.3 缺失数据恢复技术分析20-26
• 2.3.1 缺失数据恢复方法分类20-21
• 2.3.2 基于可靠传输机制的数据恢复21-23
• 2.3.3 基于估算的数据恢复23-26
• 2.4 本章小结26-27
• 第3章 感知数据恢复框架的构建27-36
• 3.1 引言27
• 3.2 感知数据恢复整体框架27-28
• 3.3 数据传输阶段28-31
• 3.3.1 数据交织概念29
• 3.3.2 基于数据交织的感知数据传输策略29-31
• 3.4 数据处理阶段31-33
• 3.4.1 数据解交织31-32
• 3.4.2 数据预判处理32-33
• 3.5 数据恢复阶段33-35
• 3.5.1 问题描述33-34
• 3.5.2 数据恢复34-35
• 3.6 本章小结35-36
• 第4章 基于时间稳定性和属性相关性的恢复算法36-44
• 4.1 引言36-37
• 4.2 基于时间稳定性的缺失数据估算37
• 4.3 基于属性相关性的缺失数据估算37-40
• 4.4 数据恢复算法设计及描述40-43
• 4.4.1 算法设计40-41
• 4.4.2 算法描述41-43
• 4.5 本章小结43-44
• 第5章 实验分析44-50
• 5.1 实验设置44-47
• 5.1.1 实验环境及数据集44-45
• 5.1.2 实验方案45-47
• 5.2 性能分析47-49
• 5.2.1 基于IntelIndoor数据集的估算误差率分析47-48
• 5.2.2 基于GreenOrbs数据集的估算误差率分析48-49
• 5.3 本章小结49-50
• 第6章 总结与展望50-52
• 6.1 总结50-51
• 6.2 展望51-52
• 参考文献52-57
• 致谢57-58
• 攻读硕士学位期间从事的科研工作及取得的成果58

【参考文献】

中国期刊全文数据库 前10条

1 田健;王开军;郭躬德;陈黎飞;;融合速度特征的压缩感知目标跟踪算法[J];南京大学学报(自然科学);2016年01期

2 赵巾帼;;WSN中基于多属性协助和压缩感知的数据恢复算法[J];计算机应用与软件;2015年07期

3 杨兵;张珂珂;李国徽;何伟康;;基于梯度信息的无线传感器网络MAC协议研究[J];计算机科学;2015年05期

4 刘栋;刘德君;;多传感器集成与信息融合及其应用研究[J];化学工程与装备;2015年05期

5 许丽敏;吴哲夫;哈卡米;;基于压缩感知的水声通信网络流量预测[J];电声技术;2015年02期

6 吴桂峰;王轩;;基于二次规划的无线传感器网络数据恢复算法[J];计算机应用;2013年04期

7 屈峰;杨华;王立军;谢爱荣;;无线传感器网络及其应用[J];四川兵工学报;2013年02期

8 谢梦;林晓斌;葛立峰;;WSN中基于网络编码缓冲策略的丢包恢复[J];计算机应用与软件;2012年09期

9 黄宴委;吴登国;李竣;;基于极限学习机的结构健康监测数据恢复[J];计算机工程;2011年16期

10 张书奎;樊建席;崔志明;;无线传感器网络中可靠的数据协作传输机制[J];通信学报;2010年11期

，

本文编号：603801