[發明專利]基于核密度估計與非參數置信傳播的WSN網內數據融合方法

無效

• 申請號: 201010535906.5
• 申請日: 2010-11-09
• 公開（公告）號: CN102056192A
• 公開（公告）日: 2011-05-11
• 發明（設計）人: 劉美;徐小玲;賀婷
• 申請（專利權）人: 廣東石油化工學院
• 主分類號: H04W24/00
• 分類號: H04W24/00;H04W84/18;H04L12/24
• 代理公司: 茂名市穗海專利事務所 44106
• 代理人: 王士愛

技術領域

本發明涉及無線傳感器網絡領域，具體說是一種基于核密度估計與非參數置信傳播的WSN網內數據融合方法。

背景技術

無線傳感器網絡(wireless?sensor?network，WSN)是由大量隨機分布的低成本、低功耗的微型無線傳感器節點通過自組織的方式形成的一種分布式網絡，它能實時感知、采集和監測網絡覆蓋區域中被監測對象的信息，在軍事和民用領域都具有廣闊的應用前景。目標定位跟蹤是無線傳感器網絡(wireless?sensor?network，WSN)的重要應用，準確有效的監測數據是實現目標精確定位跟蹤的基礎，數據融合是WSN目標定位跟蹤的關鍵技術。WSN網內檢測級數據融合是指在WSN多傳感器分布檢測系統中，每個傳感器節點對所獲得觀測先采用一定數據處理方法進行預處理，然后將更有代表性的壓縮信息傳送給其它傳感器，最后在某一中心匯總和融合這些信息產生全局檢測判決。WSN通過多傳感節點構成監測聯盟協同監測來提高目標監測數據準確性，但用于監測的傳感節點越多，網絡數據傳輸量越大，消耗能量越大；并且WSN通過密集分布的傳感器節點采集大量相關原始數據包含大量冗余、無效和可信度較差的信息，若不對這些數據預處理直接傳至匯聚節點，不但網絡數據傳輸量大，消耗能量多，而且影響收集數據的準確性。為了提高數據傳輸效率、節省網絡能量、增強收集數據準確性，必須采取有效措施對網內數據進行融合。通過改善監測數據質量，合理表征監測數據，充分利用多傳感器監測信息，對監測聯盟各節點監測數據進行適當數據融合，可使監測數據更準確有效。

從數據流通形式、網絡節點處理方式看，WSN網內數據融合主要有集中式、分布式融合兩種方式。集中式數據融合方式是由匯聚(Sink)節點發出數據查詢，相關的多個源(Sources)節點將數據發送給Sink節點，再由Sink節點進行數據融合，在WSN節點分布較為密集的情況下，多個Sources節點對同一事件的數據表征存在近似的冗余信息，傳輸冗余信息將消耗更多能量；分布式數據融合方式是Sources節點發送的數據經中間節點轉發時，中間節點查看數據包內容，進行數據融合后再傳送到Sink節點，一定程度上提高網絡數據收集的整體效率，減少傳輸數據量，降低能耗，分布式數據處理方式是WSN數據處理的主要方式。

根據數據融合原理和作用的不同，WSN-MTT檢測級數據融合算法除了傳統方法(如野值剔除法、門限設定法、加權平均法、自適應加權法、最小二乘法、最小方差法、極大似然法)外，還有卡爾曼濾波、神經網絡、模糊聚類(FCM)、概率密度函數估計點樣本分析等新興智能數據處理方法。傳統數據處理方法原理簡單，計算量較小，但融合精度較低；而新興智能數據處理算法原理相對復雜，但融合精度高，采取智能數據處理方法可能會增加計算復雜性；WSN網內數據處理利用的是節點計算和存儲資源，隨著處理器計算速度和處理能力不斷提高，在一定程度上進行網內數據融合處理，以低能耗的計算資源換取高能耗的通信開銷是一個可行方案。因此，新興智能數據處理算法在WSN數據融合領域應用越來越多。世界各國學者對新興智能數據處理方法開展大量研究，其中Abdel-Aziz?A.M(2007)利用FCM，通過在不同傳感器所對應觀測空間上建立多目標運動狀態投影，將單傳感器數據關聯算法推廣到多傳感器信息融合系統中，實現在密集雜波環境下多目標的數據關聯與精確跟蹤?？追蔡?2006)利用分布式K-平均聚類算法實現無線傳感器網絡節點傳感數據的快速合理分組，結合基于自適應加權的網內數據融合方法，將分組后的節點感知數據根據其對應權重值的大小進行融合處理，降低網絡數據冗余度，節省存儲資源和網絡帶寬。而概率密度函數估計方法KDE具有僅從采樣數據本身出發、不依賴于特征提取及環境制約、能逼近任意形式密度分布的特性，能對節點采樣數據進行較精確魯棒表示，美國麻省理工學院Alexander?T.Ihler(2005)把核密度估計KDE應用于WSN節點自定位，取得較好效果。另外，非參數置信傳播(Nonparametric?Belief?Propagation，NBP)具有適合處理分布計算環境信息的特點，它們在計算機視覺跟蹤、過程故障檢測診斷、醫學檢測診斷、WSN節點自定位等方面取得成功的應用。對于WSN-MTT系統，由于存在隨機噪聲干擾、特定物理環境偏差、傳感器節點感知脆弱性、測量不準確性、網絡傳輸影響等各種難以避免因素，系統收集信息具有許多不確定性。若利用KDE表征WSN網內檢測數據、NBP處理WSN多節點監測聯盟信息，可能會減少測量干擾和噪聲影響，提高監測數據準確性，為WSN網內數據融合帶來良好效果。

發明內容