[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

本申請公開了一種智能低功耗的WSN數據融合方法、裝置及介質，涉及數據處理領域。該方法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，使種群的初始位置分布更加均勻；根據訓練樣本、初始權重矩陣和初始閾值矩陣計算訓練誤差；判斷訓練誤差是否合格；若是，則將初始權重矩陣和初始閾值矩陣作為簇頭中BP神經網絡的當前權重矩陣和當前閾值矩陣進行數據融合；若否，則利用FWA更新權重矩陣的煙花和閾值矩陣的煙花，進入根據訓練樣本、初始權重矩陣和初始閾值矩陣計算訓練誤差的步驟?？梢?，該方法使用FWA更新權重矩陣和閾值矩陣的煙花，豐富種群多樣性，因此，能夠解決當前易陷入局部最優、速度慢的缺點。

技術領域

本申請涉及數據處理領域，特別是涉及一種智能低功耗的WSN數據融合方法、裝置及介質。

背景技術

無線傳感器網絡(Wireless Sensor Network，WSN)是由大量低功耗、多功能、低成本的傳感器節點布置在監控區域內組成的智能專用網絡系統。節點之間采用多跳自組織無線通信進行信息傳輸，協同完成特定功能，實時采集監測區域內的各種信息并傳輸給觀察者。WSN通常采用高密度部署方式，相鄰節點采集的數據有很大的冗余，如果單個節點單獨向匯聚節點發送數據，會浪費網絡帶寬，消耗更多能量，降低消息收集效率，因此，WSN需要部分節點具備數據融合功能，才能充分利用節點自身的存儲和計算能力。

當前的WSN數據融合方法使用近似融合算法進行數據融合，容易陷入局部最優，精度較低。

由此可見，如何解決WSN數據融合容易陷入局部最優的問題是本領域技術人員亟待解決的問題。

發明內容

本申請的目的是提供一種智能低功耗的WSN數據融合方法、裝置及介質，用于解決WSN數據融合容易陷入局部最優的問題，提高數據融合的精度。

為解決上述技術問題，本申請提供一種智能低功耗的WSN數據融合方法，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，并根據訓練樣本、初始權重矩陣和初始閾值矩陣計算訓練誤差；

判斷訓練誤差是否合格；

若是，則將初始權重矩陣和初始閾值矩陣作為簇頭中BP神經網絡的當前權重矩陣和當前閾值矩陣進行數據融合；

若否，則利用FWA更新權重矩陣的煙花和閾值矩陣的煙花，根據權重矩陣的煙花和閾值矩陣的煙花更新初始權重矩陣和初始閾值矩陣，并進入根據訓練樣本、初始權重矩陣和初始閾值矩陣計算訓練誤差的步驟。

優選地，若訓練誤差不合格，則還包括：

將迭代次數加一，并判斷迭代次數是否達到迭代閾值；

若達到，則進入將初始權重矩陣和初始閾值矩陣作為簇頭中BP神經網絡的當前權重矩陣和當前閾值矩陣進行數據融合的步驟；

若未達到，則進入利用FWA更新權重矩陣的煙花和閾值矩陣的煙花的步驟。

優選地，利用FWA更新權重矩陣的煙花和閾值矩陣的煙花包括：

通過FWA得到權重矩陣的爆炸火花和閾值矩陣的爆炸火花；

使用權重矩陣的初始煙花和權重矩陣的爆炸火花更新權重矩陣的煙花，并使用閾值矩陣的初始煙花和閾值矩陣的爆炸火花更新閾值矩陣的煙花。

優選地，在通過FWA得到權重矩陣的爆炸火花和閾值矩陣的爆炸火花之后，且在使用權重矩陣的初始煙花和權重矩陣的爆炸火花更新權重矩陣的煙花之前，還包括：

對權重矩陣的爆炸火花和閾值矩陣的爆炸火花進行位移。