无线传感器网络数据融合的算法研究

• 作 者: 李兆祥
• 发表日期: 2011年01期
• 关键词: 无线传感器 遗传算法 BP神经网络 数据融合

无线传感器网络(WSN)作为新一代的通信技术,集成了传感器、嵌入式计算、网络和无线通信等技术,已成为国内外的热门研究领域。WSN节点数量大、数据冗余、单个节点能量有限等特性,所以如何节省能量、延长生命周期是WSN设计的主要目标。相关研究表明,能量的消耗大部分是在数据传输时所消耗,而数据融合技术可以有效的减少WSN中的数据冗余,提高数据的收集效率,获得更加准确的信息。目前,数据融合主要是集中在WSN的应用层和网络层上的研究。本文就是在总结这些算法的基础上,将数据融合和网络层LEACH协议结合在一起考虑,引入遗传算法(GA)和BP神经网络(BPNN)到数据融合中来。主要内容如下：1)本文从GA算法覆盖面大、搜索过程灵活和全局搜索能力强等特性出发,研究了一个GA算法应用到数据融合中的典型模型,采用GA算法选择簇头,可以提高数据融合的效率。2)本文描述了BPNN的基本原理,数据融合与BP神经网络一个共同特征是通过对大量的数据信息进行处理,得到反映这些数据特征的结论性的结果。因此,利用BP神经网络来实现和解决WSN中的数据融合问题,并研究了其在数据融合模型中的应用及优劣。3)本文基于GA和BPNN提出了一种新的数据融合GABP算法。以最小化网络能耗为目标将数据融合和路由问题抽象成一个NPC(Non-deterministic Polynomial Complete)问题,簇头的产生由节点剩余能量和节点当选簇头次数两个因素决定。GA对于近似求解NPC问题非常有效,但它又有容易陷入局部最小,局部搜索能力弱等缺点,所以用BP神经网络对GA进行优化,可以实现WSN簇内节点的能耗均衡。文章最后通过仿真测试验证了该算法能有效的降低网络能耗,延长网络周期。