论文部分内容阅读
由于无线传感器采集到的数据信息精准、部署比较简单、成本较低且不需要现场维护等特点,无线传感器网络目前已经成为一个研究的热点。无线传感器节点一般直接布置在暴露的地理环境中,天气条件、传感器节点通讯能力、信号较弱、信号遇到故障、人为因素等原因都会造成通信链路频繁的断接,从而使采集到的感知数据在传送过程中丢失或数据异常。如果直接删除含有缺失数据或异常点的数据集合,则会造成大量信息的丢失,而对缺失数据进行合理的填补以及对不良数据进行辨识修正可以提高数据分析结果的准确性和可靠性。为了提高无线传感器网络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模型(ARMA)引入到缺失数据插值的研究中。与传统缺失数据估计算法相比,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数据估计的精度。为了实时处理无线传感器网络中的缺失数据,提出了一种二次指数平滑法与线性回归分析组合估计的算法,该算法能够处理实时数据,且估计的精度很高,多次仿真测试结果表明,该算法能够对缺失数据进行估计。为了检测无线传感器网络中的不良数据并对其修正,提出了一种新的不良数据检测与修正方法,该方法能够充分考虑无线传感器网络的空间特性。该方法利用空间相关性以及先验数据建立一个数学模型,然后给出一定的偏离度范围,如果检验数据的偏离度在给定的偏离度范围内,则该数据为正常数据;反之,该数据为不良数据。在数据集上多次测试结果表明,该算法能够对不良数据进行检测,并给出不良数据的估计值。