带有同步预测的wban时序数据融合算法 王汝言[ ], 翟美玲, 吴大鹏 .doc

带有同步预测的wban时序数据融合算法 王汝言[ ], 翟美玲, 吴大鹏 .doc

  1. 1、本文档共16页,可阅读全部内容。
  2. 2、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
  3. 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载
  4. 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
查看更多
带有同步预测的时序数据融合算法王汝言翟美玲吴大鹏重庆邮电大学宽带泛在接入技术研究所重庆降低能耗引言微型智能医学传感器无线网络技术以及普适计算的日趋成熟促进了无线体域网的快速发展是由可穿戴或植入式传感器节点构成的以人体为中心的网络可以随时随地监控人体生理状况在远程医疗健康恢复运动监控以及多媒体通信等领域具有广泛的应用价值传感器节点尺寸很小电池容量低且难以替换因此如何高效利用有限能量来延长整个网络的生命期成为的关键技术的能量主要消耗在数据传输信号处理和硬件操作三方面其中数据传输过程耗能最大同时节点采

带有同步预测的WBAN时序数据融合算法 王汝言(, 翟美玲, 吴大鹏 (重庆邮电大学 宽带泛在接入技术研究所 重庆 400065)降低能耗。Time Series Data Aggregation Algorithm with Synchronous Prediction for WBAN Wang Ruyan, Zhai Meiling, Wu Dapeng (Broadband Ubiquitous Network Research Laboratory, Chongqing Univ. of Posts and Telecommunications, Chongqing, 400065, China) Abstract: Due to the nonlinearity and nonstationarity of the physiological data sensed by WBAN, data aggregation cannot be effectively achieved according to the time-domain trend of data. Therefore, a novel time series data aggregation algorithm with synchronous prediction is proposed in this paper. By preprocessing the original sensing data with the multi-resolution analysis, the inherent characteristics of the physiological data can be obtained to establish a light-weight synchronous prediction model at both the sensor and sink. Numerical results show that the proposed aggregation algorithm can achieve a favorable prediction precision and a low energy consumption rate by eliminating the in-network data redundancy. Key words: Wireless Body Area Network; Data Aggregation; Multi-Resolution Analysis; LSSVM; Synchronous Prediction Mechanism 引言 微型智能医学传感器、无线网络技术以及普适计算的日趋成熟促进了无线体域网(Wireless Body Area Network, WBAN)的快速发展。WBAN是由可穿戴或植入式传感器节点构成的、以人体为中心的网络[][],可以随时随地监控人体生理状况,在远程医疗[][]、健康恢复[][]、运动监控[][]以及多媒体通信[][]等领域具有广泛的应用价值。 WBAN传感器节点尺寸很小,电池容量低且难以替换,因此如何高效利用有限能量来延长整个网络的生命期成为WBAN的关键技术。WBAN的能量主要消耗在数据传输、信号处理和硬件操作三方面,其中数据传输过程耗能最大[][][]。同时,节点采集的数据具有一定的时间冗余度,冗余数据的传输加剧了通信能量的消耗。高效的数据融合算法能够显著减少冗余数据的传输,降低数据冲突,减轻网络拥塞,有效地节省能源开销,延长网络 [][]。显然,对于来说,研究高效的数据融合策略对提高网络性能、充分利用网络资源十分关键。[][]。文献[]考虑了全局冲突情况下节点间感知信息的相互影响,利用动态冲突信誉值和新的组合规则模拟行为的不确定性,构建感知信息证据理论融合模型,用于解决环境辅助生活系统(Ambient Assisted Living, AAL)中行为识别冲突问题。该融合方法提高了行为识别的有效性和准确性。文献[]定义了一种新型的协作无线体域网络体系结构(Collaborative Body Sensor Networks, CBSNs)为多传感器数据融合以及普适计算的应用提供了一种灵活的框架。该框架能够有效支持实时数据处理,实现协作体域网对联合事件的精确分类和检测,解决了复杂应用中单一体域网不能满足系统要求的问题。 WBAN数据融合在行为分类方面的研究[16-19]普遍由汇聚节点执行数据分析和融合操作,需要建立在对大量数据进行训练的基础上才能确保较高的识别精度。WBAN的汇聚节点资源丰富,能够对复杂的信号进行分析和处理,可以进行复杂

您可能关注的文档

文档评论(0)

wangsux + 关注
实名认证
内容提供者

该用户很懒,什么也没介绍

1亿VIP精品文档

相关文档