基于時(shí)空相關(guān)性的無線傳感器網(wǎng)絡(luò)數(shù)據(jù)融合算法研究.pdf

1、無線傳感器網(wǎng)絡(luò)WSN具有節(jié)點(diǎn)數(shù)目眾多、能量和無線通信資源受限、組成節(jié)點(diǎn)同構(gòu)性等特點(diǎn)，所以傳感器節(jié)點(diǎn)的感知數(shù)據(jù)往往具有高度的時(shí)空相關(guān)性，本文采用基于時(shí)空相關(guān)性的數(shù)據(jù)融合技術(shù)，在保證WSN感知數(shù)據(jù)精度要求的前提下，利用移動(dòng)代理MA的智能性和遷移性，實(shí)現(xiàn)以分布式方式融合并收集感知數(shù)據(jù)，從而大大降低網(wǎng)絡(luò)通信負(fù)載，提高網(wǎng)絡(luò)的擴(kuò)展性、可靠性和實(shí)時(shí)性，延長(zhǎng)網(wǎng)絡(luò)生存時(shí)間。
　　 本文的主要?jiǎng)?chuàng)新工作如下：
　　 (1) WSN中基于時(shí)空相

2、關(guān)性的數(shù)據(jù)壓縮算法
　　 針對(duì)單節(jié)點(diǎn)感知的具有時(shí)間相關(guān)性的可壓縮信號(hào)，提出了基于壓縮感知CS的數(shù)據(jù)壓縮算法。算法利用極大熵MEF方法來求解ll和lpp(0　　 針對(duì)CS中觀測(cè)的選取方法，提出了自適應(yīng)信號(hào)壓縮ASC算法。算法根據(jù)一致不確定原則UUP分析信號(hào)和觀測(cè)能量分布之間的關(guān)系，設(shè)計(jì)最大能量子集，并由最大能量子集自適應(yīng)選擇觀測(cè)，從而減少了精

3、確重構(gòu)信號(hào)所需的最少觀測(cè)個(gè)數(shù)。
　　 (2) WSN中基于時(shí)空相關(guān)性的自適應(yīng)數(shù)據(jù)融合算法
　　 針對(duì)多節(jié)點(diǎn)感知的具有時(shí)空相關(guān)性的可壓縮多維信號(hào)集合，提出了基于時(shí)空相關(guān)性的自適應(yīng)數(shù)據(jù)融合ADF算法。算法根據(jù)多維信號(hào)集合的聯(lián)合稀疏模型，利用MA遷移到各個(gè)節(jié)點(diǎn)進(jìn)行自適應(yīng)數(shù)據(jù)融合。為了精確聯(lián)合重構(gòu)多維信號(hào)集合所含的信息，MA自適應(yīng)確定各個(gè)節(jié)點(diǎn)所需的最少觀測(cè)個(gè)數(shù)，從而大大減少了整個(gè)網(wǎng)絡(luò)的傳輸能耗和負(fù)載。
　　 (3)WSN

4、中基于空間相關(guān)性的分簇算法
　　 針對(duì)多節(jié)點(diǎn)感知數(shù)據(jù)的空間相關(guān)性，建立了馬爾可夫相關(guān)性模型，提出了基于空間相關(guān)性的事件驅(qū)動(dòng)WSN分簇SCBEDC算法和基于位置感知的時(shí)間驅(qū)動(dòng)WSN分簇LABTDC算法。兩種算法都是在無需了解節(jié)點(diǎn)感知數(shù)據(jù)的情況下，匯聚節(jié)點(diǎn)(Sink)根據(jù)用戶提出的查詢誤差將感知區(qū)域劃分為虛擬等價(jià)域，從而對(duì)節(jié)點(diǎn)進(jìn)行分簇；MA只需收集虛擬等價(jià)域內(nèi)簇頭的感知數(shù)據(jù)。這兩種有損的分布式數(shù)據(jù)融合方法，在滿足用戶要求的前提下，提

5、供了近似查詢結(jié)果，大大減少了網(wǎng)絡(luò)的數(shù)據(jù)傳輸量，達(dá)到了節(jié)能目的。
　　 (4)WSN中自適應(yīng)數(shù)據(jù)融合路由算法
　　 針對(duì)進(jìn)行數(shù)據(jù)融合時(shí)的數(shù)據(jù)融合能量開銷，提出了基于遺傳算法的自適應(yīng)數(shù)據(jù)融合路由ADFR算法，以解決MA如何以能量有效的方式融合、收集時(shí)空相關(guān)性數(shù)據(jù)的問題。該算法綜合考慮了MA在路由過程中傳輸能量和融合能量的消耗，并根據(jù)數(shù)據(jù)融合算法的能量開銷和節(jié)能增益，對(duì)MA遷移到各節(jié)點(diǎn)時(shí)是否執(zhí)行數(shù)據(jù)融合操作進(jìn)行自適應(yīng)調(diào)整，以達(dá)