论文部分内容阅读
无线传感器网络(Wireless Sensor Network,WSN)是由大量小型传感器节点通过无线通信技术自组织而成的监测网络。由于传感器节点的能量有限,导致无线传感器网络只能在有限的生命周期内完成监测任务。为了更准确、更高效的对网内的传感器数据进行采集和传输,我们将数据融合技术应用于无线传感器网络中。数据融合技术能够对网内数据进行汇总并去除冗余信息,从中提取数据的关键信息来达到减少能耗的目的。本文通过选取S-LEACH路由协议及基于遗传算法的改进BP神经网络融合算法来构建无线传感器网络的数据融合模型。论文的主要工作和内容如下:(1)将数据融合的思想应用到无线传感器网络中,对无线传感器网络及数据融合技术的相关知识进行了系统的研究。并且对常见的无线传感器网络中的路由协议及数据融合算法进行了分析。(2)针对传统协议在簇头选取机制及传输方式上的不足,改进了无线传感器网络中基于分簇思想的S-LEACH路由算法。该算法实现在异构网络环境下,考虑节点剩余能量、节点位置和节点密度来进行簇头的选举。并且在簇头到汇聚节点的传输过程中采用基于层次树的单跳和多跳相结合的传输方式。最后,对该算法进行了仿真,仿真结果表明S-LEACH算法极大地降低了网络内的能耗,提高了网络生存周期。(3)介于BP神经网络融合算法收敛速度慢、融合结果平均误差相对较大等缺点,改进了基于遗传算法的改进BP神经网络融合算法。改进后的算法采用遗传算法对BP神经网络内各层节点的初始权值和阈值进行优化选择,提高了算法的收敛速度。此外,对BP神经网络算法采用加动量项改进,消除了收敛过程中的振荡现象。仿真结果表明改进后的BP融合算法执行效率得到明显改善。(4)在研究了S-LEACH路由算法及改进的神经网络融合算法的基础上,构建了无线传感器网络的数据融合模型。文章根据路由算法的分簇特性,建立了基于簇内融合的一级融合模型和基于簇间融合的二级融合模型。