摘要
无线传感器网络是一个以数据为中心的网络,在军事、民用领域都有着广泛的应用前景。无线传感器网络的主要任务是对监控区域的信息进行采集,以达到远程监控的目的。由于传感器节点采用电池供电且在恶劣环境中难以更换电源,传感器网络是一种能量受限的网络。鉴于传感器节点传输数据的能耗远大于其计算的能耗,去除冗余和错误的数据就具有重要意义。数据融合就是一种有效手段,本文主要对概率聚类成簇的数据融合算法进行研究。具体包括以下几个方面： (1)传统的成簇算法单纯依靠节点位置或能量来实现,导致系统不确定性和降低融合精度,为解决此问题,提出了基于SPP(State Probability Prediction)状态概率预测模型的算法,利用节点的计算和分析功能,计算任一时刻节点采集的数据的分布概率,将概率作为节点分簇的依据。模型主要包括两个参数＜S,p＞,S是有限状态集合,P是状态转移概率矩阵,对多模数据进行区间组合,然后与状态映射,生成状态概率矩阵,最终求解平衡概率,实现数据的概率预测。 (2)为解决平面网络路由带来的数据融合度不高、路由表复杂、难以集中管理等问题,提出了基于概率聚类的动态成簇机制。通过模糊聚类的算法实现分簇。算法使用微积分计算方法求最优代价函数,通过迭代的方式选取簇头节点,判断簇头节点与普通节点的相似度来实现簇的划分。通过此机制平衡概率相似节点聚合在一起,大大增加簇内节点数据的相关性,有利于提高融合率。 (3)利用簇内节点收集数据的高相关性,实现基于差值向量的簇头数据融合算法。算法通过选取基准值,再处理各传感器数据与基准的差值,达到数据融合的目的。利用基准值与采集数据的比对,实现冗余数据的剔除,减少了网络数据传输量,同时也验证了分簇机制的有效性。最后文章使用OMNeT++进行仿真实验,对算法的性能做出了分析和评估。
NETL