基于bp神经网络的无线传感网络的校准电路与系统专业论文.docxVIP

杭州 杭州电子科技大学硕士学位论文 I I 摘 要 无线传感器网络是由大量具有无线通信和数据处理能力的传感器节点组成的。这些 节点通常布置在环境易变、不易于人为接近的环境中，环境变化或者节点自身老化等因 素，都会造成传感器出现非线性误差。无线传感器网络采集的数据是无线检测系统进行 分析和处理的基础，其准确性对检测系统的性能起着决定性的作用，因此数据校准是提 高无线传感器网络性能的重要技术之一。采用 BP（Back Propagation）神经网络对无线 传感器网络的非线性失真进行校正，详细介绍了校准无线网络的原理，提出了优化的神 经网络优化算法，该算法不仅减小了校准时间，提高了校准精度，还适用于其他系统的 非线性校准。 首先对无线传感器网络进行了研究，介绍了无线传感器网络的发展和体系结构，分 析了无线校准技术的背景和意义、国内外研究现状和发展趋势。 接着对人工神经网络进行了介绍，给出了人工神经网络的发展历史、应用领域和国 内外研究现状，针对算法在实际应用中存在的问题，分析了无线传感器网络节点在使用 中存在的主要失真原因，分析并比较了很多 BP 神经网络的改进算法。为了更好的提高 BP 神经网络校准的性能，对现有的初值算法进行优化得到分步赋初值算法，该算法着 重研究了神经网络的算法和其初值之间的关系，建立了神经网络输出层的线性方程，通 过求解方程得到了 BP 神经网络的最优初始值。 最后对 BP 算法在无线传感网络中的校准应用进行了分析。首先以硅压力传感器为 例，详细地分析了神经网络校准该传感器节点的原理，指出只要选择合适的输入输出参 数，神经网络就可以映射出任意的非线性关系，对任意系统的误差进行校准补偿。接着 应用软件和硬件平台，组建了一个点对点的简单无线传感器网络，描述了无线传感器网 络数据采集的过程，以及用 BP 神经网络对无线网络数据进行校准分析，结果表明误差 精度比校准前提高了两个数量级。为了验证优化后的分步赋初值算法的优越性，与传统 BP 算法进行了仿真分析的比较，Matlab 仿真结果表明：优化后的分步赋初值算法不仅 降低了 BP 算法的训练时间,使其由 13 秒缩短到 1 秒以内，还使误差曲线变为直线下降， 在一定程度上避免了 BP 算法的局部极小值的问题。 详细的理论分析和仿真结果表明，BP 神经网络对传感器非线性校准取得了良好的 效果，最后总结了校准技术的主要内容及其发展未来。 关键词：无线传感器网络，非线性校准，人工神经网络，BP 算法，赋初值算法 II II ABSTRACT Wireless sensor network is composed of a large number of sensor nodes wireless communication and data processing. These nodes are usually arranged in the variable and difficult to close environment for people. Due to the changes of the environment or the problems of the nodes aging, the sensors are prone to have nonlinearity errors. Data collected by the wireless sensor network is the basis of the analysis and processing of the detection system and plays a decisive role for the performance of the detection system. So the date calibration is one of the main technologies to improve the performance of wireless sensor network. Back Propagation neural network are used to calibrate the nonlinear distortion of the wireless sensor network. The calibration theories were introduced well and an optimization algorithm of the neural network was come out .The algorithm not only reduced the calibration time, but also improved the ac