基于wsn的時空相關性數據融合算法研究

1、碩士學位論文基于基于WSNWSN的時空相關性時空相關性數據融合算法研究數據融合算法研究StudyofDataFusionAlgithmBasedonTempalSpatialCrelationinWirelessSenswks作者姓名：劉凱學科、專業(yè)：計算機系統(tǒng)結構學號：21409127指導教師：孫媛媛胡小鵬完成日期：2017年4月30日大連理工大學DalianUniversityofTechnology萬方數據大連理工大學碩士學位論文

2、I–摘要無線傳感網絡（WirelessSenswkWSN）目前已經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、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，感知數據之間的時空相關性造成數據冗余。大量冗余數據的傳輸對WSN有限的能量、網絡帶寬帶和存儲容量帶來了巨大的挑戰(zhàn)。數據融合技術能有效地減少冗余數據，提高數據收集的準確性和效率。因此，WSN數據融合技術的研究具有重要意義。本文的主要工作分為以下幾點：

3、首先，分別從數據相關性和路由協議兩個方面綜述了WSN數據融合技術的國內外研究現狀?；跀祿嚓P性，將現有的WSN數據融合機制分為時間相關性、空間相關性和時空相關性數據融合算法；基于路由協議，將現有的WSN數據融合機制分為查詢路由和網絡分層路由數據融合協議。為設計高效的WSN數據融合算法奠定了理論基礎。其次，在解決單個WSN節(jié)點感知數據冗余度高的問題中，針對傳感數據具有長期趨勢穩(wěn)定、瞬間波動較大的現象，本文提出了一種基于雙模型驅動的時間相

4、關性數據采集算法。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。仿真實驗結果證明，針對不同的數據變化率，在滿足一定數據精度的前提下，該算法能夠有效的減少數據傳輸量。最后，在解決多個WSN節(jié)點感知數據冗余度高的問題中，針對鄰近節(jié)點之間的感知數據存在變化趨勢相似度較高，瞬間波動差異較大的特點

5、，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地理位置和剩余能量，借助經典方法，實現WSN內的節(jié)點分簇；第二次分簇過程依據不同節(jié)點之間趨勢模型和調整模型的相似性并根據數據波動幅度，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)點代表自己和冗余節(jié)點上報監(jiān)控信息，冗余節(jié)點不上報監(jiān)控信息。仿真實驗