無(wú)線傳感器網(wǎng)絡(luò)中基于相關(guān)性的數(shù)據(jù)融合技術(shù)研究.pdf

1、無(wú)線傳感器網(wǎng)絡(luò)(Wireless Sensor Networks，WSN)受限于節(jié)點(diǎn)硬件，尤其是能量的供應(yīng)是有限的且難以更換的，因此能源問(wèn)題成為WSN發(fā)展的最大阻礙。數(shù)據(jù)融合技術(shù)由此涌現(xiàn)出來(lái)，從最初最簡(jiǎn)單的數(shù)據(jù)包合并發(fā)展到囊括路由協(xié)議、數(shù)據(jù)預(yù)測(cè)、MAC協(xié)議等等方面，其研究目的也發(fā)展為節(jié)省節(jié)點(diǎn)資源、延長(zhǎng)網(wǎng)絡(luò)生命期、降低數(shù)據(jù)通信延時(shí)、提高數(shù)據(jù)質(zhì)量等目標(biāo)。在WSN中，節(jié)點(diǎn)所采集的數(shù)據(jù)存在相關(guān)性，包括時(shí)間相關(guān)性、空間相關(guān)性和近幾年開(kāi)始出現(xiàn)部分研

2、究成果的數(shù)據(jù)屬性相關(guān)性(Attribute Correlation)，相關(guān)性的研究能夠進(jìn)一步推動(dòng)WSN數(shù)據(jù)融合技術(shù)的深入研究。針對(duì)相關(guān)性的研究主要集中在相關(guān)性的挖掘及評(píng)估、基于相關(guān)性的數(shù)據(jù)預(yù)測(cè)與數(shù)據(jù)融合等關(guān)鍵技術(shù)。本文的研究?jī)?nèi)容可以分為以下三個(gè)部分:
　　 一、基于相關(guān)性的數(shù)據(jù)融合技術(shù)。相關(guān)性是無(wú)線傳感器網(wǎng)絡(luò)收集數(shù)據(jù)的重要特征，這些相關(guān)性可以用于無(wú)線傳感器網(wǎng)絡(luò)的關(guān)鍵技術(shù)的發(fā)展和改進(jìn)中，本文第二章分析了三種不同性質(zhì)的相關(guān)性，對(duì)這三

3、種相關(guān)性的產(chǎn)生原因和衍生或影響的無(wú)線傳感器網(wǎng)絡(luò)技術(shù)進(jìn)行了詳細(xì)的描述和比對(duì)，包括時(shí)間相關(guān)性衍生的數(shù)據(jù)預(yù)測(cè)技術(shù)、空間相關(guān)性衍生的集群結(jié)構(gòu)數(shù)據(jù)收集技術(shù)和無(wú)線傳感器網(wǎng)絡(luò)多元性導(dǎo)致的屬性相關(guān)性，以及對(duì)屬性相關(guān)性的挖掘和評(píng)估方式。
　　 二、基于周期時(shí)間相關(guān)性的數(shù)據(jù)預(yù)測(cè)算法。通過(guò)分析無(wú)線傳感器網(wǎng)絡(luò)時(shí)間相關(guān)性，本文第二章對(duì)時(shí)間相關(guān)性的研究中創(chuàng)造性地提出將時(shí)間相關(guān)性進(jìn)一步細(xì)分為連續(xù)時(shí)間相關(guān)性和周期時(shí)間相關(guān)性。通過(guò)對(duì)各類(lèi)數(shù)據(jù)預(yù)測(cè)算法的對(duì)比，選擇預(yù)

4、測(cè)成功率高且算法復(fù)雜度低的一階自回歸算法，將周期時(shí)間相關(guān)性中體現(xiàn)的數(shù)據(jù)曲線變化特點(diǎn)融入其中，在原有算法之上增加了一個(gè)預(yù)測(cè)值修正的過(guò)程，提高了自回歸算法的預(yù)測(cè)成功率并通過(guò)仿真進(jìn)行了驗(yàn)證。
　　 三、基于空間相關(guān)性的數(shù)據(jù)收集協(xié)議研究。通過(guò)對(duì)空間相關(guān)性的分析，本文第四章提出一種新的建簇方式。已知的集群結(jié)構(gòu)無(wú)線傳感器網(wǎng)絡(luò)數(shù)據(jù)收集協(xié)議分為簇結(jié)構(gòu)和樹(shù)結(jié)構(gòu)，一般在普通節(jié)點(diǎn)級(jí)別采用簇結(jié)構(gòu)的數(shù)據(jù)收集方式，在簇頭和sink節(jié)點(diǎn)級(jí)別采用樹(shù)結(jié)構(gòu)的數(shù)據(jù)收

5、集方式，本文在簇的建立過(guò)程中根據(jù)節(jié)點(diǎn)與簇頭采集數(shù)據(jù)的相似度來(lái)決定節(jié)點(diǎn)加入的簇，這樣做的優(yōu)點(diǎn)在于簇內(nèi)節(jié)點(diǎn)的相似度更高，結(jié)合預(yù)測(cè)算法的使用可以提高收集數(shù)據(jù)的質(zhì)量。在此基礎(chǔ)上，將第三章中改進(jìn)的數(shù)據(jù)預(yù)測(cè)算法應(yīng)用至具有多個(gè)傳感器的節(jié)點(diǎn)，指出單個(gè)節(jié)點(diǎn)上的多個(gè)傳感器預(yù)測(cè)結(jié)果不一致的問(wèn)題并提出了犧牲較小精度的折中解決辦法，在解決這個(gè)問(wèn)題之后，將數(shù)據(jù)預(yù)測(cè)算法與數(shù)據(jù)收集協(xié)議融為一體，數(shù)據(jù)預(yù)測(cè)成功的節(jié)點(diǎn)不向sink發(fā)送數(shù)據(jù)，二者的結(jié)合使得數(shù)據(jù)收集協(xié)議的節(jié)能效