论文部分内容阅读
无线传感器网络(Wireless Sensor Network, WSN)作为一种新型智能监测网络正在迅速发展。无线传感器网络通过微型传感器协同工作的方式进行感知采集信息,再将信息通过嵌入式计算系统进行高效处理,并以自组织方式形成动态网络拓扑结构,通过无线通信传输到基站。该网络一般部署在环境恶劣监测区域内进行信息监测采集任务,且由于自身特性,传感器节点能量有限,整个网络中能量消耗主要集中在无线通信传输阶段。利用数据融合技术,可以有效减少冗余信息和错误信息,提高节点的传输效率,从而节省节点能量消耗,使网络生命周期得到延长。为了这一研究目的,很多学术界人士多角度分析研究,使得无线传感器网络在网络层与应用层的数据融合技术研究成为关注热点之一。本文在前人研究的基础上,对WSN网络层路由协议与基于BP神经网络的数据融合算法相结合,提出一种新的基于BP神经网络的数据融合算法。本文主要研究工作和创新点如下:1.对目前无线传感器网络及数据融合技术研究现状及相关知识进行分析研究,根据现有WSN网络层分簇路由协议的不足之处提出了一种基于聚合度模型的双簇头分簇路由协议DCHP。该协议通过与低功耗自适应分簇路由算法LEACH和基于能量预测的分簇路由算法CHEP相比较,针对LEACH算法没有考虑簇头分布不均及剩余能量问题、CHEP算法未考虑簇头节点的空间位置以及二者节点的数据相关性对数据融合的影响等因素,将DCHP协议从节点聚合度、剩余能量及节点空间位置等方面进行改进,使网络能量消耗平衡,提高网络性能。2.对神经网络及BP神经网络进行分析研究,并根据WSN数据融合技术与BP神经网络的功能相似性,提出一种基于BP神经网络的数据融合算法DCBP。WSN数据融合技术与BP神经网络都可以通过一定的规则来计算处理大量数据信息,从而得到反映数据特征的结果。因此将BP神经网络算法引入改进的无线传感器网络路由协议DCHP,将三层BP神经网络应用到每一个分簇中,簇内节点作为输入层神经元进行初步数据处理,然后将处理结果输送到第一簇头,并由第一簇头根据隐含层神经元和输出层神经元函数进一步处理,最后由相邻第二簇头通过多跳路由将特征值发送到汇聚节点。通过新的数据融合模型处理的数据量要远少于采集的源数据量,因此降低了数据通信中的能量消耗,有效延长网络生命周期。3.在NS-2网络仿真实验平台上对数据融合算法DCBP进行仿真,分别从节点存活数、网络总能量消耗及节点平均耗能与节点数目的关系三个方面进行分析比较,从而验证DCBP算法的有效性,提高了网络性能。