基于WSN的時(shí)空相關(guān)性數(shù)據(jù)融合算法研究.pdf

1、無(wú)線傳感網(wǎng)絡(luò)（Wireless Sensor Network, WSN）目前已經(jīng)被廣泛地運(yùn)用到各種軍事和民用應(yīng)用中，如目標(biāo)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(nèi)WSN節(jié)點(diǎn)分布密集且采樣頻繁，感知數(shù)據(jù)之間的時(shí)空相關(guān)性造成數(shù)據(jù)冗余。大量冗余數(shù)據(jù)的傳輸對(duì)WSN有限的能量、網(wǎng)絡(luò)帶寬帶和存儲(chǔ)容量帶來(lái)了巨大的挑戰(zhàn)。數(shù)據(jù)融合技術(shù)能有效地減少冗余數(shù)據(jù)，提高數(shù)據(jù)收集的準(zhǔn)確性和效率。因此，WSN數(shù)據(jù)融合技術(shù)的研究具有重要意義。
　　本

2、文的主要工作分為以下幾點(diǎn)：
　　首先，分別從數(shù)據(jù)相關(guān)性和路由協(xié)議兩個(gè)方面綜述了WSN數(shù)據(jù)融合技術(shù)的國(guó)內(nèi)外研究現(xiàn)狀。基于數(shù)據(jù)相關(guān)性，將現(xiàn)有的WSN數(shù)據(jù)融合機(jī)制分為時(shí)間相關(guān)性、空間相關(guān)性和時(shí)空相關(guān)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(jī)制分為查詢路由和網(wǎng)絡(luò)分層路由數(shù)據(jù)融合協(xié)議。為設(shè)計(jì)高效的WSN數(shù)據(jù)融合算法奠定了理論基礎(chǔ)。
　　其次，在解決單個(gè)WSN節(jié)點(diǎn)感知數(shù)據(jù)冗余度高的問(wèn)題中，針對(duì)傳感數(shù)據(jù)具有長(zhǎng)期趨勢(shì)穩(wěn)定、瞬間波

3、動(dòng)較大的現(xiàn)象，本文提出了一種基于雙模型驅(qū)動(dòng)的時(shí)間相關(guān)性數(shù)據(jù)采集算法。首先，通過(guò)對(duì)當(dāng)前WSN節(jié)點(diǎn)的感知時(shí)間序列進(jìn)行分析，利用分段線性回歸預(yù)測(cè)方法，建立長(zhǎng)期趨勢(shì)模型；在此基礎(chǔ)上，對(duì)殘差序列進(jìn)行分析,利用AR預(yù)測(cè)方法，建立瞬間調(diào)整模型；實(shí)時(shí)檢測(cè)模型有效性，動(dòng)態(tài)更新模型參數(shù)。仿真實(shí)驗(yàn)結(jié)果證明，針對(duì)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(gè)WSN節(jié)點(diǎn)感知數(shù)據(jù)冗余度高的問(wèn)題中，針對(duì)鄰近

4、節(jié)點(diǎn)之間的感知數(shù)據(jù)存在變化趨勢(shì)相似度較高，瞬間波動(dòng)差異較大的特點(diǎn)，在上述雙模型驅(qū)動(dòng)的基礎(chǔ)上，本文提出一種二次分簇算法。該算法通過(guò)執(zhí)行兩次分簇操作，將WSN內(nèi)的節(jié)點(diǎn)劃分成三層結(jié)構(gòu)：第一次分簇過(guò)程依據(jù)地理位置和剩余能量，借助經(jīng)典方法，實(shí)現(xiàn)WSN內(nèi)的節(jié)點(diǎn)分簇；第二次分簇過(guò)程依據(jù)不同節(jié)點(diǎn)之間趨勢(shì)模型和調(diào)整模型的相似性,并根據(jù)數(shù)據(jù)波動(dòng)幅度，賦予兩模型不同權(quán)重，將第一次分得的簇進(jìn)一步劃分成子簇；最后子簇內(nèi)的節(jié)點(diǎn)由代表節(jié)點(diǎn)、冗余節(jié)點(diǎn)兩部分組成，代表節(jié)