无线传感器网络中基于神经网络的数据融合算法的研究

《无线传感器网络中基于神经网络的数据融合算法的研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、分类号：ＴＰ３拍单位代码；ｉＯｌ於研究生学号：２０１３５２４拍９密级：公开雜曹林大学硕古学位论文专处学位（）无线传感器网络中基于神经网络的数据融怠篡法的研究ＲｅｓｅａｒｃｈｏｎＤａｔａＦｕｓｉｏｎＡｌｇｏｒｉｔｈｍＢａｓｅｄｏｎＮｅｕｒａｌＮｅｔｗｏｒｋＩｎＷｉ巧ｔｅ巧ＳｅｎｓｏｒＮｅｔｗｏｒｋ作者姓名：朱晓男类别：工程硕±领域（方向）：电子与通信工程指导教师；张丽翠副教授培养单位；通信工程学院２Ｍ６年６月未经本论文作者酌书面授权

2、，依法收存和保管本论文书面版本、电子版本的任何单位和个人，均不得对本论文的全、出租部或部分内容进行任何形式的复制、修改、发行、改编等有碍作者著作权的商业性使用（但纯学术性使用不在此限）。。否则，应承担侵权的法律责任吉林大学硕±学位论文原创性声明，是本人在指导教师的指导下，本人郑重声明：所呈交学位论文独立进行研究王作所取得的成果。除文中已经注明引用的内容外，本论文不包含任何其他个人或集体已经发表或撰写过的作品成果。对本文的研究做出重要贡献的个人和集体。，均己在文中Ｗ明确方式标明本人

3、完全意识到本声明的法律结果由本人承担。学位论文作者签名：。謂妹斯曰期：王ｏＡ（年月曰］—————————————————————————————————无线传感器网络中基于神经网络的数据融合算法的研究—————————————————————————————————ResearchonDataFusionAlgorithmBasedonNeuralNetworkinWirelessSensorNetworks作者姓名：朱晓男领域（方向）：电子与通信工程指导教师：张丽翠副教授类别：工程硕士答辩日期：2016年

4、6月7日摘要无线传感器网络中基于神经网络的数据融合算法的研究无线传感器网络(WirelessSensorNetworks，WSN)是由大量低成本、低功耗的微型传感器节点通过无线或有线的通信方式自组织构建而成，可以实时的感知、监测以及采集所覆盖区域的环境信息，并将其进行处理后传送于终端用户。无线传感器网络具有部署灵活、可靠性强、扩展方便、经济性能好等特点，因此通常被布置于人类不易涉足的地域，例如灾区、原始森林、地下管道等。其所处环境因素、人类控制因素以及由于节点过于密集使网络具有的鲁棒性导致无线传感器网络收集的信息往往存

5、在错误与冗余，这些信息在网络通信过程中损耗大量的资源和能量，且传感器节点的电量、带宽、存储能力和数据处理能力有限，因此降低数据的冗余程度，提高其精确性，进而降低能量消耗，延长生命周期是无线传感器网络中的研究热点。数据融合技术作为一类新型学科，在数据处理方面具有卓越的效果，可以在很大程度上减少数据冗余，提高数据精确度。而基于神经网络的数据融合是对人脑神经系统的模拟，具有自组织、自学习、信息存储权值化、并行结构、非线性等特点，是当今研究数据融合的热门技术之一。因此，研究无线传感器网络中基于神经网络进行数据融合的技术就具有十

6、分重要的意义。本文研究了无线传感器网络中基于BP神经网络(BackPropagationNeuralNetworks，BPNN)的数据融合技术。首先针对BP神经网络中由于权值调整幅度不敏感而出现的神经网络训练时间过长以及震荡现象，考虑多次权值变化率对下一次权值变化率的影响，对BP神经网络中的权值调整度的计算方法进行改进。然后，针对BP神经网络中由于权值初始赋值随机化而导致的神经网络训练时间过长、权值不易达到最优化等现象，采取将BP神经网络与DS证据理论相结合的策略，在第一项工作的基础上提出DS-BP神经网络算法对权值初

7、始值精确化赋值，使权值初始值与目的权值更加接近，达到缩短BP神经网络的训练周期，减少输出误差，增强数据融合精确度的目的。最后在数据融合算法BPNDA(Back-PropagationNetworksDataAggregation)的基础上，将改进后的DS-BP神经网络应用于的无线传感器网络的数据融合中，以提高无线传感器网络中的数据传输效率，均衡网络的能量消耗，延长网络的生命周期。本文利用MATLAB对所提出的各项改进工作进行仿真，根据仿真结果对比分析其数据融合精度、输出误差、网络训练时间、无线传感器网络的生存周期以及数

8、据传输率等指标，结果表明，DS-BP神经网络提高了数据融合精确度，缩短了网络的训练周期，减少了震荡现象的发生，将其应用到无线传感器网络中，提高I了数据传输率，减少了网络能量消耗，延长了网络的生存周期。关键词：WSN，数据融合，BP神经网络，DS证据理论，BPNDAIIAbstractResearchonDataFusionAlgo