無線傳感器網絡智能分簇及數據融合算法研究.pdf

1、無線傳感器網絡（Wireless Sensor Networks,WSN）是一種新興的網絡技術，被列為被列為21世紀最有影響的技術和改變世界的十大技術之一。WSN綜合了很多的領域：嵌入式技術、網絡信息處理技術和無線通信技術等，隨著這些技術的發(fā)展，WSN也有了廣闊的應用空間，例如應用在國防軍事、交通運輸、環(huán)境監(jiān)測和智能家居等。WSN是由大量分布在檢測區(qū)的傳感器節(jié)點組成，這些節(jié)點把從監(jiān)測區(qū)采集的數據傳送到匯聚節(jié)點，匯聚節(jié)點然后對數據進行處理

2、，并對檢測區(qū)進行評估。
　　自從2004年，Candés、Romberg和Tao等人提出壓縮感知理論（Compress Sensing,CS），并正式成為獨立的理論。短短十年間壓縮感知理論給信號處理帶來巨大的變化，此理論最早運用在研究核磁共振成像問題上，后來被運用到無線傳感器網絡、工程數學以及圖像處理等多個學科，目前CS發(fā)展很迅猛，以美國為首，各國的著名大學都開始CS理論相關應用的研究。信號可以壓縮的前提是信號是可以稀疏的，對稀疏

3、的信號采樣和壓縮可以同時進行處理，通過測量矩陣把高維信號投影到低維信號，這樣減少了信號傳輸的量，減少了網絡能量和解決了信號傳輸的擁擠，最終從低維的信號通過重構算法重構高維的源信號。本文針對節(jié)點的能量有限問題，提出一種基于分布式壓縮感知的層次型數據融合算法：結合分簇協議和節(jié)點信息相關性，使用聯合稀疏（Joint Sparsity Model,JSM）和重構算法，對節(jié)點信息精確重構，實驗證明這種算法可以節(jié)省節(jié)點能耗并且提高信號重構精度。本文

4、主要做的工作：
　?。?）在傳統(tǒng)CS理論中，無線傳感器網絡內每個傳感器節(jié)點都直接將信息發(fā)送給匯聚節(jié)點，在重構時也僅僅考慮了節(jié)點信息的內部相關性，這就可能導致節(jié)點信息的丟失和網絡過多能量的消耗。本文著重調節(jié)無線傳感器網絡節(jié)點處理性能和節(jié)省節(jié)點能量角度出發(fā)，延長網絡壽命、提高網絡數據的傳輸和運算速率。利用LEACH分簇協議對網絡節(jié)點進行分簇，結合無線傳感器網絡內節(jié)點間的空間相關性與JSM1聯合稀疏模型，根據基于邊信息的分布式壓縮感知算

5、法對傳感器節(jié)點信息進行壓縮重構。
　?。?）本文針對LEACH算法對無線傳感器網絡分簇存在的缺點：分簇不均勻，容易使一個節(jié)點重復作為簇頭能量過早的消耗完成為死點，采集數據出現盲點。傳統(tǒng)的人工魚群用在傳感器網絡中收斂速度慢，計算量大。在LEACH和傳統(tǒng)人工魚群算法的基礎上對網絡分簇的每次迭代的時候動態(tài)改變擁擠度、人工魚前進步長和視野范圍，可是使網絡從全局搜索后到局部搜索，加快了收斂的速度，比LEACH和傳統(tǒng)人工魚群算法平均降低了計算

6、量11％以上，節(jié)省網絡能量21%以上，從而延長了網絡壽命。
　?。?）針對網絡節(jié)點符合JSM2稀疏模型的情況，本文提出另一種基于分布式壓縮感知的層次型數據融合算法：該算法基于動態(tài)人工魚群優(yōu)化的無線傳感器網絡的分簇算法，對網絡分好簇后，節(jié)點數據傳給各自的簇頭，在簇頭對節(jié)點數據進行獨立編碼，把測量值傳送到SINK節(jié)點，在SINK節(jié)點對全網節(jié)點數據用SOMP重構算法進行恢復。仿真分析表明動態(tài)人工魚群分簇算法比傳統(tǒng)人工魚群算法或LEACH