萤火虫算法优化神经网络的无线传感器网络数据融合.pdfVIP

2016焦 仪 表 技 术 与 传 感 器 2016 第 7期 Instrument Technique and Sensor No．7 萤火虫算法优化神经网络的无线传感器网络数据融合 黄廷辉 ，伊 凯 ，王玉 良，崔更申 (1．桂林电子科技大学计算机科学与工程学院，广西桂林 541004； 2．桂林电子科技大学广西可信软件重点实验室，广西桂林 541004) ‘ 摘要：为了降低无线传感器网络中收集数据的冗余性，提高网络的生存周期．并且针对无线传感器 网络数据融合算法中使用单层BP神经网络与SOFM神经网络收敛慢、易出现局部最优解的缺点．设计 了一种萤火虫算法优化神经网络的无线传感器网络数据融合的策略 FA—BPNN。首先，每个簇首节点 接收该簇内感知节点监测到的数据，并根据相关性，提取相关的特征数据；然后，依据萤火虫算法优化 · BP神经网络进行数据融合；最后，通过仿真实验对其可行性进行测试。仿真结果表明，FA—BPNN算法 提高了网络数据融合的效率，减少了网络的能量消耗，延长了网络的生命周期。 关键词：萤火虫算法；BP神经网络；无线传感器网络；数据融合 中图分类号：TP393 文献标识码 ：A 文章编号：1002—1841(2016)07—0103一O5 FireflyAlgorithm OptimizedNeuralNetworkDataFusioninW irelessSensorNetwork HUANGTing-hui ，YIKai，WANG Yn—liang。，CUIGeng—shen (1．SchoolofComputerEngineering，GnilinUniversityofElectronicTechnology，Guilin541004，China； 2．GuangxiKeyLaboratoryofTrustedSoftware，GuilinUniversityofElcetronicTechnoloyg，Guilin541004，China) Abstract：InordertoreducetheredundancyofdatacollectioninWSN andimprovelife·cycleofnetwork，duetodatafusion inWSN usingsingle—layerBPneuralnetworkandSOFM neural networkconvergenceslowlyandispronetodisadvantagesoflocal optima，afireflyalgorithm optimizingneural networkdatafusionstrategyinWSN calledFA—BPNN wasdesigned．First，each clusterheadnodereceivesmonitoringdatafrom nodeswithin cluster—aware，and extractsrelevantcharacteristicsdatabasedon relevance．Then，datawasfusedaccordingtothefireflyalgorithm optimizationBP neuralnetwork．Finally，simulationexperi— mentswasusedtotestitsfeasibility．ThesimulationresultsshowthatFA—BPNN improvestheefficiencyofdatafusion，reduces theeneryg consumptionandprolongsthelife—cycleintheWSN． Keywords：fireflyalgorithm ；BP neural network；WSN；datafusion 0 引言 器网络和神经网络的相似性，近年来利