基于神经网络的WSN数据融合算法.docVIP

基于神经网络的WSN数据融合算法 　　摘要:该文将神经网络功能模型引入无线传感器网络,提出一种基于神经网络的无线传感器网络数据融合算法。实验表明该算法有效地减少了网络的能耗,延长了无线传感器网络的生存周期,是一种较为实用的无线传感器网络数据融合算法。 　　关键词:无线传感器网络;数据融合;神经网络 　　中图分类号:TP393文献标识码:A文章编号:1009-3044(2010)18-5050-02 　　 　　A Wireless Sensor Network Data Fusion Algorithm Based on Neural Network 　　YAO Li-jun1, LIANG Hong-qian2, ZHAO Lei1 　　(1.Hengyang Normal University, Hengyang 421008, China;2.Xian Wenli College, Xian 710065, China) 　　Abstruct: This paper combined the neural network model and the wireless sensor network, proposed a wireless sensor network data fusion algorithm based on neural network. Experiments show that the algorithm can effectively reduce energy consumption of network, extend network life, it is a more practical wireless sensor network data fusion algorithm. 　　Key words: wireless sensor network; data fusion; neural network 　　 　　无线传感器网络(wireless sensor network,简称WSN)近几年来是计算机网络领域中最为热门的研究内容之一。典型的无线传感器网络由大量廉价的传感器节点所构成,相互之间通过无线方式进行数据通信。这些传感器节点可以通过其携带的各种类型的传感器采集现场的各种数据,并以接力的方式通过其它传感器节点将采集到的数据逐跳地发送到汇聚节点(Sink)[1]。其中单个传感器节点由于能量、计算、存储、感应及通信能力严格受限,所以需要高的覆盖密度来保证整个网络的鲁棒性和检测信息的准确性。这就导致相邻节点间采集的数据存在一定的冗余,网络负载随之增加。为了节省能量和通信带宽,减少原始数据的发送,传感器节点需要协同在网处理所收集的原始数据。数据融合就是在网处理的方法之一[2-3]。 　　神经网络(Neural Network,简称NN)是对人脑或自然神经网络若干基本特性的抽象和模拟,是一门多个学科领域的边缘交又学科。它以对大脑的生理研究成果为基础,旨在模拟大脑的某些机理与机制,实现某个方面的功能[4]。 　　神经网络与数据融合具有一个共同的基本特征,即通过对大量的数据进行一定的运算和处理,得到能够反映这些数据特征的结论性的结果。本文提出一种新的无线传感器网络数据融合算法,该算法基于分簇无线传感器网络模型,将其中的分簇结构与神经网络模型相结合,在簇头节点利用神经网络算法对簇成员节点的数据进行融合处理,以有效地减少网络中传输的数据量,延长网络使用寿命。 　　1 无线传感器网络模型与神经网络模型 　　无线传感器网络由大量部署于监控区域的传感器节点组成。传感器节点分为 3类:基站、簇头和普通传感节点。层次化无线传感器网络如图1所示。 　　本文采用的神经网络模型是典型的前馈神经网络―多层感知器(MLP)[5]。多层感知器由若干层非线性神经元组成,每个神经元都是一个感知器,每层包含多个感知器,相邻层的神经元用权连接起来。图2给出了多层感知器的结构示意图,通常情况下,层与层之间是全连接的,信号沿着前馈方向,即从左边到右边,逐层传递。 　　2 具体数据融合算法 　　本算法基于三层感知器神经网络模型,对应无线传感器网络中的一个簇。其中,输入层和第一隐层位于簇成员节点中,而输出层和第二隐层位于簇头节点中。 　　假设无线传感器网络中一个簇内有n个簇成员节点,每个簇成员节点采集m种不同类型的数据,那么该神经网络模型共有n×m个输入层节点、n×m个第一隐层神经元。第二隐层神经元的数量、和输出层神经元的数量k可以根据实际应用的需要进行调整,与簇成员节点的数量n并没有联系。对于不同类型的数据,第二隐层的数量可以不同。在输入层与第一隐层之间、第一隐层和第二隐层间没有采用全连接,