基于WSN的時空相關性數(shù)據(jù)融合算法研究.pdf

1、無線傳感網(wǎng)絡（Wireless Sensor Network, WSN）目前已經(jīng)被廣泛地運用到各種軍事和民用應用中，如目標跟蹤、智能電網(wǎng)、環(huán)境監(jiān)控和健康醫(yī)療。但是，監(jiān)控空區(qū)域內WSN節(jié)點分布密集且采樣頻繁，感知數(shù)據(jù)之間的時空相關性造成數(shù)據(jù)冗余。大量冗余數(shù)據(jù)的傳輸對WSN有限的能量、網(wǎng)絡帶寬帶和存儲容量帶來了巨大的挑戰(zhàn)。數(shù)據(jù)融合技術能有效地減少冗余數(shù)據(jù)，提高數(shù)據(jù)收集的準確性和效率。因此，WSN數(shù)據(jù)融合技術的研究具有重要意義。
　　本

2、文的主要工作分為以下幾點：
　　首先，分別從數(shù)據(jù)相關性和路由協(xié)議兩個方面綜述了WSN數(shù)據(jù)融合技術的國內外研究現(xiàn)狀?；跀?shù)據(jù)相關性，將現(xiàn)有的WSN數(shù)據(jù)融合機制分為時間相關性、空間相關性和時空相關性數(shù)據(jù)融合算法；基于路由協(xié)議，將現(xiàn)有的WSN數(shù)據(jù)融合機制分為查詢路由和網(wǎng)絡分層路由數(shù)據(jù)融合協(xié)議。為設計高效的WSN數(shù)據(jù)融合算法奠定了理論基礎。
　　其次，在解決單個WSN節(jié)點感知數(shù)據(jù)冗余度高的問題中，針對傳感數(shù)據(jù)具有長期趨勢穩(wěn)定、瞬間波

3、動較大的現(xiàn)象，本文提出了一種基于雙模型驅動的時間相關性數(shù)據(jù)采集算法。首先，通過對當前WSN節(jié)點的感知時間序列進行分析，利用分段線性回歸預測方法，建立長期趨勢模型；在此基礎上，對殘差序列進行分析,利用AR預測方法，建立瞬間調整模型；實時檢測模型有效性，動態(tài)更新模型參數(shù)。仿真實驗結果證明，針對不同的數(shù)據(jù)變化率，在滿足一定數(shù)據(jù)精度的前提下，該算法能夠有效的減少數(shù)據(jù)傳輸量。
　　最后，在解決多個WSN節(jié)點感知數(shù)據(jù)冗余度高的問題中，針對鄰近

4、節(jié)點之間的感知數(shù)據(jù)存在變化趨勢相似度較高，瞬間波動差異較大的特點，在上述雙模型驅動的基礎上，本文提出一種二次分簇算法。該算法通過執(zhí)行兩次分簇操作，將WSN內的節(jié)點劃分成三層結構：第一次分簇過程依據(jù)地理位置和剩余能量，借助經(jīng)典方法，實現(xiàn)WSN內的節(jié)點分簇；第二次分簇過程依據(jù)不同節(jié)點之間趨勢模型和調整模型的相似性,并根據(jù)數(shù)據(jù)波動幅度，賦予兩模型不同權重，將第一次分得的簇進一步劃分成子簇；最后子簇內的節(jié)點由代表節(jié)點、冗余節(jié)點兩部分組成，代表節(jié)