传感器网络中一种基于多元回归模型的缺失值估计算法

在无线传感器网络中,感知数据的缺失问题不可避免,并且给无线传感器网络的各种应用带来了巨大困难.解决该问题的最好办法是对缺失数据进行准确估计.提出了一种基于多元回归模型的缺失值估计算法.该算法首先依感知数据的时间相关性和空间相关性分别采用多元线性回归模型对缺失数据进行估计,然后根据回归模型的拟合优度对基于时间维和空间维求出的两个估计值分别赋予相应的权值系数,并将其加权平均值作为缺失数据的最后估计值.由于该算法在对缺失值进行估计时,同时考察多个邻居节点并联合地用其感知数据来共同估计缺失值,因此该算法具有可靠、稳定的估计性能.在两个真实的数据集合上对该算法进行了测试,实验结果表明提出的缺失值估计算法能够有效估计无线传感器网络中的缺失数据.     

基于属性相关性的无线传感网络缺失值估计方法

针对无线传感器网络(WSN)中感知数据易缺失问题,提出了一种基于感知数据属性相关性的缺失值估计方法。该方法采用多元线性回归模型,对属性相关的感知数据的缺失值进行估计;同时,为提高算法估计的鲁棒性,提出了基于感知数据属性的数据交织传送策略。仿真结果表明,所提出的估计方法能有效估计无线传感器网络中的缺失值,相比基于时空相关性的线性插值模型(LM)算法和传统的最近邻插值(NNI)算法具有更高的精度和稳定性。     

一种无线传感器网络缺失数值估计算法

无线传感器网络（WSNs）工作环境复杂,不可避免会出现感知数值缺失问题。提出一种基于BP神经网络模型的缺失数值估计算法,利用同节点多参数间相关性特点,以强相关参数集为输入进行缺失数值输出估计。为了提高数值估计准确性和稳定性,提出将上述算法与线性回归算法结合,对二种缺失数值估计量进行加权平均,针对变化规律复杂的缺失数值进行有效的估计。基于实际采样数值进行仿真分析,结果表明：算法能够有效地完成缺失数值估计,同时对WSNs拓扑结构和节点覆盖率依赖性较弱,实用性较好。     

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。     

无线传感器网络含有缺失数据的数据融合研究

针对含有缺失数据的无线传感器网络数据融合问题,提出了一种简单易行的二次数据融合算法(TFA)。考虑到感知数据的时—空相关性,对缺失数据进行线性插值插补和回归分析插补,对插补结果利用线性组合融合算法进行融合。综合考虑各节点的信息,利用自适应加权融合算法进行融合。实验结果表明,该算法在含有缺失数据的前提下,能够以较低的计算开销和较高的估计精度实现数据融合。     

无线传感器网络中不确定数据的估计算法

针对数据元组本身所产生的不确定性,利用WSN节点的历史数据,结合Hermite和DESM模型,提出利用感知数据的时-空相关性的估计算法,该算法能自适应调整时间和空间模型的权值对不确定数据进行估计,以提高无线网络的可靠性,实验表明该算法有较好的稳定性和较高的估计精度。     

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.     

无线传感器网络中基于熵评判的关联支配集构造算法

无线传感器网络通常是密集分布的,因此相邻网络节点感知的数据之间具有很大的相关性.为了在无线传感器网络中进行数据冗余缩减,文中提出了一个基于熵评判的关联支配集构造算法(EECDS),算法首先通过评价高斯随机变量的熵值来判断网络节点间的数据相关性,然后分布式地构造一个关联图,最后根据关联图信息移除网络中的冗余节点,构建一个...     

一种树型层次结构的无线传感器网络应用研究

针对无线传感器网络的拓扑结构,提出了一种树型层次结构的无线传感器网络.该网络结构可用最少的无线通信跳数进行数据传输,能均衡使用节点电池能量.同时给出了节点位置估算法和数据丢包解决法,设计并验证了该网络的路由算法.该无线传感器网络所用技术成熟、成本低、易于工程实现,具有较好的实用价值,其网络结构具有一定的通用性.     

基于距离平方差的目标定位估计算法研究

无线传感器网络定位技术作为无线传感器网络的重要支撑技术之一,具有很大的实际价值和研究意义。无线传感器网络的目标定位估计技术主要应用于目标跟踪和目标运动分析,在工业领域具有广阔的发展前景。无线传感器网络由许多在空间中分布的传感器组成,这些传感器能够测量出传感器与定位目标之间的距离,但是该观测距离因为受环境影响所以是有噪音的。目前基于距离的最小二乘估计的定位算法已得到广泛关注,但是该问题是一个非凸问题,精确求解十分困难。因此学者们提出了基于距离平方的最小二乘估计的定位算法,该算法的数学模型虽然相对精确,但是计算起来十分复杂。本文基于距离平方差,提出了新的目标定位估计算法,该算法计算简单,稳定性强,且能得到与基于距离平方的最小二乘估计的定位算法相当的结果。仿真实验结果表明,无论在低噪音水平、中噪音水平还是高噪音水平下,本文提出的新算法都更有优势,在工程领域有极高的应用价值。     

基于时空相关性的连续缺失值填补算法

无线传感器网络中的缺失数据对后续的数据分析带来很多不利影响,在数据分析之前,预处理工作必不可少。传感器网络数据在时间和空间方面均存在一定的变化规律,现有的缺失值填补算法往往只从单一角度分析解决问题,为了充分利用时空2个维度的特性,本文提出一种基于时空相关性的缺失值填补方法。该方法运用回归拟合、改进的BP神经网络等方法,对缺失数据进行填补。实验结果表明,该方法可以有效地提升缺失值填补的精度。     

基于遗传模拟退火算法的无线传感器网络定位算法

无线传感器网络定位问题本质上是一个基于不同的距离或路径测量方法的优化问题.第一次提出了基于遗传模拟退火算法的无线传感器网络定位算法GASA-Hop,它是将遗传模拟退火算法作为DV-Hop的后期优化.其中,DV-Hop用来估计未知节点与锚节点的测量距离,GASA用来最小化与DV-Hop相关的适应度函数.仿真结果表明,本算法定位精度高、条件简单,比较适合无线传感器网络的节点定位.     

一种基于动态跳数距离的有洞无线传感器网络定位方法

在无线传感器网络中,与距离无关的定位技术一直是一项挑战性的工作。尤其是在有洞的各向异性网络中,多}L节点之间的距离估算更是一个难点。针对有洞的无线传感器网络,提出一种新的距离无关定位方法,该方法可以较好地估算未知节点到参考节点之间的距离。其主要思想是,先佑算各信标节点对之间的平均单跳距离,然后选择平均单跳距离较大并且最短路径通过未知节点的信标节点对作为参考节点来估算未知节点的位置。新算法能够较好地滤除距离估算误差较大的信标节点作为参考节点。实验表明,新算法比以前的算法定位更准确。     

基于观测数据删减及量化新息的无线传感器网络目标跟踪

针对资源受限的无线传感器网络,提出一种基于数据删减及量化新息的目标跟踪方法.利用融合中心接收到的量化新息以及数据删减过程传递的信息对目标状态进行估计.每个传感器节点利用容积卡尔曼滤波执行数据删减过程,融合中心执行一个辅助粒子滤波器.为了节省节点的能量和带宽,将所选择的观测数据的新息符号发送到融合中心,融合中心将数据丢失过程所包含的信息加以利用,提高了目标跟踪精度.仿真结果表明了该方法的有效性.     

基于LEACH的WSNs分簇优化策略

针对LEACH算法中能量消耗不均匀的缺陷,本文提出了一种改进的路由协议来提高无线传感器网络的能量效率。在簇首选择阶段,引入节点剩余能量和初始能量来调节传感器节点随机数的大小;在成簇阶段,该算法将节点的剩余能量和距离汇聚节点的远近作为成簇的依据,使簇首的分布更加合理;在数据传输阶段,将节点与汇聚节点之间的距离及节点的剩余能量相结合,提出一种单跳与多跳相结合的传输方式,从而减少了能量消耗。仿真实验表明,改进后的算法能够更好的减少能耗,延长无线传感器网络的生命周期。     

基于功能信任的无线传感器网络安全数据融合方法

针对无线传感器网络节点恶意行为和自身故障问题,将节点信任按其功能行为分为传感信任、融合信任和传递信任,提出一种基于功能信任的无线传感器网络安全数据融合方法,并利用局部相关一致性原理检测节点的传感功能行为.NS2环境下的仿真实验结果表明,该方法可以有效地避免恶意节点对数据融合结果造成的影响,提高了数据融合的安全性和可靠性,延长了网络的寿命.     

无线传感器网络云信任模型

针对目前无线传感器网络不能有效降低信任风险的问题,提出一种用云理论定义的风险信号,并构建基于该风险评估方法的无线传感器网络云信任模型。该模型考虑到无线传感器网络中节点的动态上下文的不确定性,引入一种新的基于云理论的风险评估方法,并提出把风险和信任不确定性统一起来。实验结果分析表明,该信任模型能够有效表达信任和风险的不确定性,降低信任风险,相比已有的一些信任模型较大程度地降低了信任风险,提高了系统的有效成功合作率。     

A color-theory-based energy efficient routing algorithm for mobile wireless sensor networks

Wireless sensor networks (WSNs) with nodes spreading in a target area have abilities of sensing, computing, and communication. Since the GPS device is expensive, we used a small number of fixed anchor nodes that are aware of their locations to help estimate the locations of sensor nodes in WSNs. To efficiently route sensed data to the destination (the server), identifying the location of each sensor node can be of great help. We adopted a range-free color-theory based dynamic localization (CDL) [Shen-Hai Shee, Kuochen Wang, I.L. Hsieh, Color-theory-based dynamic localization in mobile wireless sensor networks, in: Proceedings of Workshop on Wireless, Ad Hoc, Sensor Networks, August 2005] approach, to help identify the location of each sensor node. Since sensor nodes are battery-powered, we propose an efficient color-theory-based energy efficient routing (CEER) algorithm to prolong the life time of each sensor node. The uniqueness of our approach is that by comparing the associated RGB values among neighboring nodes, we can efficiently choose a better routing path with energy awareness. Besides, the CEER has no topology hole problem. Simulation results have shown that our CEER algorithm can save up to 50–60% energy than ESDSR [Mohammed Tarique, Kemal E. Tepe, Mohammad Naserian, Energy saving dynamic source routing for ad hoc wireless networks, in: Proceedings of Modeling and Optimization in Mobile, Ad Hoc, and Wireless Networks, April 2005, pp. 305–310] in mobile wireless sensor networks. In addition, the latency per packet of CEER is 50% less than that of ESDSR.     

一种WSN下的Mean Shift跟踪算法*

为有效地利用无线传感器网络跟踪移动目标,提出了一种基于高斯混合模型的Mean Shift跟踪算法。该算法运用高斯混合模型描述网络区域内目标信号分布的统计特征,利用Mean Shift区分目标信号与环境噪声,并对目标进行定位与跟踪。仿真实验结果表明,该算法在网络存在较大噪声,特别是网络存在大量异常传感器节点读数的情况下,定位精度高、受异常传感器节点读数影响较小。较之以往无线传感器网络目标跟踪算法,该算法具有更好的鲁棒性。