无线传感器网络中基于预测的时域数据融合技术

数据融合是无线传感器网络中重要的研究领域之一。在无线传感器网络中,数据融合的作用主要体现在节省能量、提高数据收集效率、增强数据准确性以及获取综合性信息等几个方面。时间序列分析是一种根据动态数据揭示系统动态结构以及规律的统计方法。基于监测数据的时间序列模型以及时间序列预测,提出适用于无线传感器网络的基于预测的时域数据融合方法,以部署于故宫博物院的环境监测网络采集的温度数据作为样本,通过仿真对该方法进行有效性验证以及性能分析。结果表明,一阶自回归预测算法与其它预测算法相比,具有更好的适用性,当误差阈值为0.05 ℃-0.50 ℃时,预测成功率为21%-83%;当误差阈值为0.05 ℃时,节能收益达到68%。     

无线传感器网络延迟层次型时间同步算法

时间同步在无线传感器网络的许多应用和协议中都有重要的作用,提高同步精度和降低能量消耗是无线传感器网络时间同步算法考虑的两个重要指标.为了改善中小型网络的时间同步性能,针对成簇的网络结构,提出一种基于分簇的延迟层次型时间同步算法(DHTS),建立系统模型并应用DHTS算法,分析了模型拓扑结构和算法同步误差.模拟结果表明,与传统算法相比,DHTS使所有的节点都得到了有效同步,能够在保证网络同步精度的前提下有效降低数据传输所需能量,并且能方便地应用于现实的无线传感器网络.     

一种适用于矿山设备振动监测的WSNs改进时间同步算法

结合矿山设备振动监测的实际情况,给出了矿山设备振动监测的无线传感器网络模型;针对TPSN时间同步算法能耗大、DMTS时间同步算法精度低的问题,提出一种改进的无线传感器网络时间同步算法——TPDM算法。该算法采用动态簇首选择算法选出簇首节点,簇首节点之间的同步采用TPSN算法以保证同步精度,簇内节点之间的同步采用DMTS算法以降低能耗,并采用基于最小平方线性回归方法的时钟漂移补偿技术对同步时钟进行时间补偿。仿真结果表明,与TPSN算法和DMTS算法相比,TPDM算法在能耗和精度方面得到了折中,能更好地满足矿山设备振动监测的要求。     

无线传感器网络中缺失数据估计算法

为了提高无线传感器网络(WSN)中缺失数据估计值的精度,提出了一种自决策插值算法。该算法能够根据数据集的空间相关性以及缺失数据的连续性选择不同的缺失数据估计策略,并将自回归滑动平均(ARMA)模型引入到对缺失数据插值的研究中。与传统缺失值估计算法相比,该算法不仅考虑到无线传感器网络的特性,而且考虑到数据集本身的特性。在真实数据集上测试结果表明,该算法提高了对缺失值估计的精度。     

无线传感器网络的多跳时间同步优化算法

通过对无线传感器网络RBS时间同步算法（Reference Broadcast Synchronization,RBS）的研究,针对多跳全网的时间同步问题,提出基于环形网络拓扑的RBS环形算法（References Broadcast Bing Synchronization,RBRS）。该算法在RBS的基础上,采用广播分组和最小平方线性回归的方法实现全网时间同步。从同步误差和开销两方面对该算法和现有的RBS优化算法作理论比较。算法在众多算法中具有一定的优越性,适用于轻型、低功耗的无线传感器网络负载。使用matlab软件进行仿真,实验结果表明优化后的算法和初始算法相比误差累积小、同步开销显著减少,并且能够实现全网络的时间同步。     

无线传感器网络权衡生存时间与数据分组跳数的分流路由算法*

无线传感器网络的节点大多采用电池供电.因而节能对无线传感器网络就显得至关重要.该文提出一种能耗感知的优化网络生存时间的路由算法,称之为分流路由算法(DTRA,Diffluent Traffic Routing Algorithm).DTRA算法采用一个优化模型以优化每个节点发出的数据比例,从而达到权衡网络生存时间和数据分组跳数.此外,采用一个简单的遗传算法求解该优化问题.仿真结果表明:DTRA算法能显著地提高网络的生存时间,同时将数据分组平均跳数保持在一个较低的水平;在网络生存时间上,DTRA算法比一些已有的知名算法更优.     

基于分簇的无线传感器网络时间同步算法

时间同步是无线传感器网络中一个重要支撑技术,为了提高时间同步精度,提出了一种基于分簇的无线传感器网络时间同步算法;在部署无线传感器网络的初期阶段,建立簇状拓扑结构,首先是基站与簇首节点实现同步,然后簇内实现同步,最终建立一个全网统一的时钟,在同步过程中,采用了成对节点间的同步算法,很好利用了多信道广播方式;该算法能很好地满足无线传感器网络低能耗的要求;性能分析和实验结果表明,该算法减少了同步层次,提高了同步精度。     

低冗余度WSN非均匀分簇算法应用研究

将传统非均匀分簇算法应用于低冗余度的无线传感器网络(WSN)中时,存在传感器节点早衰和簇间多跳通信传输能量开销不均衡的问题。为此,针对低冗余度WSN,提出基于粒子群和最短路由树的非均匀分簇路由算法。利用粒子群算法优化非均匀分簇过程,通过建立最短路由树搜索簇间多跳传输最优路径,实现数据从传感器节点到基站的高效传输。仿真结果表明,相比于EECS和EEUC算法,该算法可有效延长低冗余度WSN的网络生命时间,均衡簇间通信能量消耗。     

基于回归的无线传感器网络数据压缩方法

无线传感器网络的能量和通信带宽有限,不适合大规模数据传输,需进行压缩处理。为此,研究无线传感器网络中基于回归的数据压缩问题,提出分段线性回归拟合算法和基于置信间隔的回归模型调整算法。分段线性回归拟合算法通过分段,使回归拟合适应环境数据周期性变化的规律。回归模型调整算法能够确定分段时机,使回归直线更加逼近动态变化的环境数据集。在Berkeley-Intel数据集上的实验结果表明,该算法在较小的重构精度下能达到3%的压缩比。     

基于指数时延的无线传感器网络时钟同步估计

无线传感器网络的时间同步是无线传感器网络的一个重要的研究方向.本文利用时钟偏移量误差的规律性,提出基于指数时延的无线传感器网络时钟同步估计算法.本算法是一种基于发送者同步模型,在DMTS算法的基础上引入指数时延得到的.理论与仿真实验都证明本算法对时钟偏移量的估计是相合的,同时实验还证明本算法比DMTS算法具有更高的精度和稳定性.     

一种能量高效的WSN近似数据收集算法

为降低能耗和最大化网络生存期,论文提出了在一定误差范围内的高效近似数据收集算法。首先利用节点感知数据的时间相关性生成局部估计模型,然后根据节点间估计数据的空间相关性进行分簇,在簇首进行相关性检测,动态调整簇结构,并将簇首的模型参数上传给SINK节点,最后在SINK节点进行全局近似数据收集。仿真结果表明,该算法能充分利用节点数据的时空相关性去除冗余数据,在给定误差界限内能显著降低通信成本。     

基于分段线性回归的传感器网络数据压缩传输方法研究

无线传感器网络通信带宽等十分有限,难以实现较大量数据传输。针对多参数传感器网络,通过提取基准参数数据集,并分段构建线性回归方程的方法,设计了一种适合多参数、较大数据量传感器网络网内数据的压缩传输算法。以某基地实际采样环境温度、空气相对湿度、土壤温度数据为研究对象,对算法压缩效率和数据恢复效果进行了分析。结果表明：对于空气相对湿度和土壤温度,恢复数据与原始数据均方根误差RMSE分别为3.87%、0.49℃时,整体数据压缩率可达51.9%,有效降低了数据传送量。     

基于递推最小二乘和改进支持度的WSN数据融合算法

无线传感器网络(WSN)在空间和时间上均存在数据冗余问题。为了在保证精度的前提下减少冗余量,提出了基于递推最小二乘和改进支持度的WSN数据融合方法。针对单个传感器节点,采用递推最小二乘法进行数据融合。针对节点之间的冗余问题,应用分批融合思想对系统降维,将灰色接近度理论与自支持度结合改进支持度函数,对各子系统分别采用基于改进支持度函数的加权算法进行融合。采用一个包含7个传感器节点的无线传感器网络对该算法进行了检验。结果表明,该融合算法能够显著减少数据计算量与传输量。融合后的数据均方误差为0.1597,能够满足实际应用对精度的要求。     

WSNs中基于期望网络覆盖和分簇压缩感知的数据收集方案

为提高无线传感器网络数据收集精确度、降低网络能耗和改善数据包丢失情况下数据收集算法的鲁棒性,提出一种基于期望网络覆盖和分簇压缩感知的数据收集方案.首先设计期望网络覆盖优化算法,给出节点调度策略,实现对“特殊”区域重点观测和降低节点能耗的目的;然后通过分析网络分簇与节点部署之间的关系,设计弱相关性观测矩阵,降低数据包丢失对数据收集的影响;最后引入群居蜘蛛优化算法以提高汇聚节点处CS数据重构精度.仿真结果表明,与其他数据收集算法相比,所提出方案数据重构误差降低了约23.5{%     

基于移动Sink的WSN安全数据收集方法

由于目前基于移动Sink的WSN数据收集方法存在网络攻击检测率不高、内存开销大等问题,导致网络较易受到网络攻击且难以被实际应用。针对该问题,提出一种基于移动Sink的WSN安全数据收集方法,利用能量感知的凸壳算法,识别数据收集点,使用椭圆加密算法（ECC）为网络内的所有节点生成密钥,通过ElGamal算法实现节点身份和消息的认证,使用支持向量机（SVM）识别网络攻击类型。仿真实验结果表明,所提出的安全数据收集方法在攻击检测率、内存开销以及数据包投递率方面都表现出较好的性能。     

一种及时恢复故障路由的无线传感器路由算法

无线传感器网络以其布网灵活,连接方便,功耗小,成本低,逐渐被应用于煤矿、消防、化工安全等民用领域.根据煤矿安全应用的特殊情况,提出一种无线传感器路由算法.该算法在定向扩散算法的基础上进行了改进,采用簇的方式,由簇首协调簇内节点的数据采集和整合,并且在每一煤层设置层首作为协调节点,通过层首之间建立的主干路由,有效地减少冗余数据的传播.该算法的特点就是能够及时恢复出现故障的路由.实验模拟结果也表明算法有效地减少了冗余数据和传输延时.     

基于时间序列预测模型的簇型数据收集机制

由于温度、光照等物理属性的时空连续性,密集部署的传感器网络中节点感知的数据往往具有很高的时空相关性。这种数据相关性产生的数据冗余会带来通信负担,也会缩短网络的生命周期。提出一种基于预测模型的簇型数据收集机制 (CDCF),探索数据相关性,减少无线传感器网络的通信量。该机制包括一种基于曲线拟合最小二乘法的时间序列预测模型和简单有效的误差控制方法。在数据收集过程中,簇型结构考虑到了数据间的空间相关性,时间序列预测模型探讨数据的时间相关性。实验仿真表明,在较为稳定的网络环境中,相对于收集原始数据,该机制只需10%~20%的通信量就可完成整个网络的数据收集任务;数据误差控制方法可以确保基站恢复数据的误差控制在用户定义的误差范围之内。     

一种模拟退火遗传算法的传感器网络数据融合技术研究

研究无线传感器网络(WSN)数据融合技术。传感器节点计算能力、通信能力有限,WSN采用交叉重叠方式部署,导致冗余数据量大,需采用数据融合技术消除冗余和无效数据,节约网络通信能耗。结合遗传算法全局搜索和模拟退火算法局部搜索的优点,提出一种模拟退火遗传算法的WSN数据融合方法(SA-GA)。采用模拟退火遗传算法快速找到移动代理路由最优传感器节点序列,并实现数据融合。仿真实验结果表明,与遗传算法、模拟退火算法相比,SA-GA更能快速找到全局最优数据融合节点序列,并对数据进行有效融合,具有更小的网络能耗和网络延时。     

可充电无线传感网络能量均衡路由算法

针对可充电无线传感网络中的能量均衡路由问题,提出在稳定功率无线充电和监测数据收集网络场景下的多路径路由算法和机会路由算法,以实现网络的能量均衡。首先,通过电磁传播理论构建了无线传感节点的充电和接收功率关系模型;然后,考虑网络中无线传感节点的发送能耗和接收能耗,基于上述充电模型将网络能量均衡的路由问题转化为网络节点运行时间的最大最小化问题,通过线性规划得到的各链路流量用以指导路由中数据流量分配;最后,考虑一种更加现实的低功耗的场景,并提出了一种基于机会路由的能量均衡路由算法。实验结果表明,与最短路径路由（SPR）和期望周期最短路由（EDC）算法相比较,所提出的两种路由算法均能有效提高采集能量的利用率和工作周期内的网络生命周期。     

基于簇的分布式传感器故障检测算法

针对大规模无线传感器网络(WSN)中故障检测准确率降低,并产生较大通信负载的问题,根据传感器节点的时空相关性特点,提出一种基于簇的分布式传感器故障检测算法。通过邻居节点间的数据交换和互相测试检测簇首节点,并以正常簇首节点作为参照诊断故障节点。性能分析与实验结果表明,在大规模WSN中,该算法具有良好的故障检测能力和较低的通信负载,在邻居节点数较少、节点故障率较高的情况下,能达到98%以上的故障检测准确率,并保持较低的能耗水平。