[發明專利]一種智能低功耗的WSN數據融合方法、裝置及介質

在審

• 申請號: 202210576230.7
• 申請日: 2022-05-25
• 公開（公告）號: CN114841286A
• 公開（公告）日: 2022-08-02
• 發明（設計）人: 余修武;李佩;彭國文;雷林;徐守龍;郭倩;秦曉坤;盧灝;商亞東
• 申請（專利權）人: 南華大學
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06N3/04;G06N3/08
• 代理公司: 北京集佳知識產權代理有限公司 11227
• 代理人: 張思淼

1.一種智能低功耗的WSN數據融合方法，其特征在于，包括：

利用混沌映射初始化BP神經網絡的權重矩陣的初始煙花和閾值矩陣的初始煙花得到初始權重矩陣和初始閾值矩陣；

獲取訓練樣本，并根據所述訓練樣本、所述初始權重矩陣和所述初始閾值矩陣計算訓練誤差；

判斷所述訓練誤差是否合格；

若是，則將所述初始權重矩陣和所述初始閾值矩陣作為簇頭中所述BP神經網絡的當前所述權重矩陣和當前所述閾值矩陣進行數據融合；

若否，則利用FWA更新所述權重矩陣的煙花和所述閾值矩陣的煙花，根據所述權重矩陣的煙花和所述閾值矩陣的煙花更新所述初始權重矩陣和所述初始閾值矩陣，并進入所述根據所述訓練樣本、所述初始權重矩陣和所述初始閾值矩陣計算訓練誤差的步驟。

2.根據權利要求1所述的智能低功耗的WSN數據融合方法，其特征在于，若所述訓練誤差不合格，則還包括：

將迭代次數加一，并判斷所述迭代次數是否達到迭代閾值；

若達到，則進入所述將所述初始權重矩陣和所述初始閾值矩陣作為簇頭中所述BP神經網絡的當前所述權重矩陣和當前所述閾值矩陣進行數據融合的步驟；

若未達到，則進入所述利用FWA更新所述權重矩陣的煙花和所述閾值矩陣的煙花的步驟。

3.根據權利要求1所述的智能低功耗的WSN數據融合方法，其特征在于，所述利用FWA更新所述權重矩陣的煙花和所述閾值矩陣的煙花包括：

通過所述FWA得到所述權重矩陣的爆炸火花和所述閾值矩陣的爆炸火花；

使用所述權重矩陣的初始煙花和所述權重矩陣的爆炸火花更新所述權重矩陣的煙花，并使用所述閾值矩陣的初始煙花和所述閾值矩陣的爆炸火花更新所述閾值矩陣的煙花。

4.根據權利要求3所述的智能低功耗的WSN數據融合方法，其特征在于，在所述通過所述FWA得到所述權重矩陣的爆炸火花和所述閾值矩陣的爆炸火花之后，且在所述使用所述權重矩陣的初始煙花和所述權重矩陣的爆炸火花更新所述權重矩陣的煙花之前，還包括：

對所述權重矩陣的爆炸火花和所述閾值矩陣的爆炸火花進行位移。

5.根據權利要求4所述的智能低功耗的WSN數據融合方法，其特征在于，在所述使用所述權重矩陣的初始煙花和所述權重矩陣的爆炸火花更新所述權重矩陣的煙花之前，且在所述對所述權重矩陣的爆炸火花和所述閾值矩陣的爆炸火花進行位移之后，還包括：

通過高斯變異對所述權重矩陣的初始煙花和所述閾值矩陣的初始煙花進行處理，得到所述權重矩陣的高斯變異煙花和所述閾值矩陣的高斯變異煙花；

對應地，所述使用所述權重矩陣的初始煙花和所述權重矩陣的爆炸火花更新所述權重矩陣的煙花，并使用所述閾值矩陣的初始煙花和所述閾值矩陣的爆炸火花更新所述閾值矩陣的煙花包括：

使用所述權重矩陣的初始煙花、所述權重矩陣的爆炸火花和所述權重矩陣的高斯變異煙花更新所述權重矩陣的煙花，并使用所述閾值矩陣的初始煙花、所述閾值矩陣的爆炸火花和所述閾值矩陣的高斯變異煙花更新所述閾值矩陣的煙花。

6.根據權利要求5所述的智能低功耗的WSN數據融合方法，其特征在于，在所述使用所述權重矩陣的初始煙花、所述權重矩陣的爆炸火花和所述權重矩陣的高斯變異煙花更新所述權重矩陣的煙花之前，且在所述得到所述權重矩陣的高斯變異煙花和所述閾值矩陣的高斯變異煙花之后，還包括：

判斷所述權重矩陣的爆炸火花和所述閾值矩陣的爆炸火花中是否存在超出可行域范圍的權重矩陣和閾值矩陣；

若存在，則通過取模運算將超出所述可行域范圍的所述權重矩陣和所述閾值矩陣映射至所述可行域內。