專利名稱：基于核密度估計與非參數(shù)置信傳播的wsn網(wǎng)內(nèi)數(shù)據(jù)融合方法
技術(shù)領(lǐng)域：
本發(fā)明涉及無線傳感器網(wǎng)絡(luò)領(lǐng)域，具體說是一種基于核密度估計與非參數(shù)置信傳 播的WSN網(wǎng)內(nèi)數(shù)據(jù)融合方法。
背景技術(shù)：
無線傳感器網(wǎng)絡(luò)(wireless sensor network, WSN)是由大量隨機(jī)分布的低成本、 低功耗的微型無線傳感器節(jié)點通過自組織的方式形成的一種分布式網(wǎng)絡(luò)，它能實時感知、 采集和監(jiān)測網(wǎng)絡(luò)覆蓋區(qū)域中被監(jiān)測對象的信息，在軍事和民用領(lǐng)域都具有廣闊的應(yīng)用前 景。目標(biāo)定位跟蹤是無線傳感器網(wǎng)絡(luò)(wireless sensor network, WSN)的重要應(yīng)用，準(zhǔn)確 有效的監(jiān)測數(shù)據(jù)是實現(xiàn)目標(biāo)精確定位跟蹤的基礎(chǔ)，數(shù)據(jù)融合是WSN目標(biāo)定位跟蹤的關(guān)鍵技 術(shù)。WSN網(wǎng)內(nèi)檢測級數(shù)據(jù)融合是指在WSN多傳感器分布檢測系統(tǒng)中，每個傳感器節(jié)點對所獲 得觀測先采用一定數(shù)據(jù)處理方法進(jìn)行預(yù)處理，然后將更有代表性的壓縮信息傳送給其它傳 感器，最后在某一中心匯總和融合這些信息產(chǎn)生全局檢測判決。WSN通過多傳感節(jié)點構(gòu)成監(jiān) 測聯(lián)盟協(xié)同監(jiān)測來提高目標(biāo)監(jiān)測數(shù)據(jù)準(zhǔn)確性，但用于監(jiān)測的傳感節(jié)點越多，網(wǎng)絡(luò)數(shù)據(jù)傳輸 量越大，消耗能量越大；并且WSN通過密集分布的傳感器節(jié)點采集大量相關(guān)原始數(shù)據(jù)包含 大量冗余、無效和可信度較差的信息，若不對這些數(shù)據(jù)預(yù)處理直接傳至匯聚節(jié)點，不但網(wǎng)絡(luò) 數(shù)據(jù)傳輸量大，消耗能量多，而且影響收集數(shù)據(jù)的準(zhǔn)確性。為了提高數(shù)據(jù)傳輸效率、節(jié)省網(wǎng) 絡(luò)能量、增強(qiáng)收集數(shù)據(jù)準(zhǔn)確性，必須采取有效措施對網(wǎng)內(nèi)數(shù)據(jù)進(jìn)行融合。通過改善監(jiān)測數(shù)據(jù) 質(zhì)量，合理表征監(jiān)測數(shù)據(jù)，充分利用多傳感器監(jiān)測信息，對監(jiān)測聯(lián)盟各節(jié)點監(jiān)測數(shù)據(jù)進(jìn)行適 當(dāng)數(shù)據(jù)融合，可使監(jiān)測數(shù)據(jù)更準(zhǔn)確有效。從數(shù)據(jù)流通形式、網(wǎng)絡(luò)節(jié)點處理方式看，WSN網(wǎng)內(nèi)數(shù)據(jù)融合主要有集中式、分布式 融合兩種方式。集中式數(shù)據(jù)融合方式是由匯聚(Sink)節(jié)點發(fā)出數(shù)據(jù)查詢，相關(guān)的多個源 (Sources)節(jié)點將數(shù)據(jù)發(fā)送給Sink節(jié)點，再由Sink節(jié)點進(jìn)行數(shù)據(jù)融合，在WSN節(jié)點分布較 為密集的情況下，多個Sources節(jié)點對同一事件的數(shù)據(jù)表征存在近似的冗余信息，傳輸冗 余信息將消耗更多能量；分布式數(shù)據(jù)融合方式是Sources節(jié)點發(fā)送的數(shù)據(jù)經(jīng)中間節(jié)點轉(zhuǎn)發(fā) 時，中間節(jié)點查看數(shù)據(jù)包內(nèi)容，進(jìn)行數(shù)據(jù)融合后再傳送到Sink節(jié)點，一定程度上提高網(wǎng)絡(luò) 數(shù)據(jù)收集的整體效率，減少傳輸數(shù)據(jù)量，降低能耗，分布式數(shù)據(jù)處理方式是WSN數(shù)據(jù)處理的 主要方式。根據(jù)數(shù)據(jù)融合原理和作用的不同，WSN-MTT檢測級數(shù)據(jù)融合算法除了傳統(tǒng)方法 (如野值剔除法、門限設(shè)定法、加權(quán)平均法、自適應(yīng)加權(quán)法、最小二乘法、最小方差法、極大似 然法)外，還有卡爾曼濾波、神經(jīng)網(wǎng)絡(luò)、模糊聚類(FCM)、概率密度函數(shù)估計點樣本分析等 新興智能數(shù)據(jù)處理方法。傳統(tǒng)數(shù)據(jù)處理方法原理簡單，計算量較小，但融合精度較低；而新 興智能數(shù)據(jù)處理算法原理相對復(fù)雜，但融合精度高，采取智能數(shù)據(jù)處理方法可能會增加計 算復(fù)雜性；WSN網(wǎng)內(nèi)數(shù)據(jù)處理利用的是節(jié)點計算和存儲資源，隨著處理器計算速度和處理 能力不斷提高，在一定程度上進(jìn)行網(wǎng)內(nèi)數(shù)據(jù)融合處理，以低能耗的計算資源換取高能耗的通信開銷是一個可行方案。因此，新興智能數(shù)據(jù)處理算法在WSN數(shù)據(jù)融合領(lǐng)域應(yīng)用越來越 多。世界各國學(xué)者對新興智能數(shù)據(jù)處理方法開展大量研究，其中Abdel-Aziz A. M(2007)利 用FCM，通過在不同傳感器所對應(yīng)觀測空間上建立多目標(biāo)運動狀態(tài)投影，將單傳感器數(shù)據(jù)關(guān) 聯(lián)算法推廣到多傳感器信息融合系統(tǒng)中，實現(xiàn)在密集雜波環(huán)境下多目標(biāo)的數(shù)據(jù)關(guān)聯(lián)與精確 跟蹤?？追蔡霴006)利用分布式K-平均聚類算法實現(xiàn)無線傳感器網(wǎng)絡(luò)節(jié)點傳感數(shù)據(jù)的快 速合理分組，結(jié)合基于自適應(yīng)加權(quán)的網(wǎng)內(nèi)數(shù)據(jù)融合方法，將分組后的節(jié)點感知數(shù)據(jù)根據(jù)其 對應(yīng)權(quán)重值的大小進(jìn)行融合處理，降低網(wǎng)絡(luò)數(shù)據(jù)冗余度，節(jié)省存儲資源和網(wǎng)絡(luò)帶寬。而概率 密度函數(shù)估計方法KDE具有僅從采樣數(shù)據(jù)本身出發(fā)、不依賴于特征提取及環(huán)境制約、能逼 近任意形式密度分布的特性，能對節(jié)點采樣數(shù)據(jù)進(jìn)行較精確魯棒表示，美國麻省理工學(xué)院 Alexander Τ. IhleH20(^)把核密度估計KDE應(yīng)用于WSN節(jié)點自定位，取得較好效果。另 外，非參數(shù)置信傳播(Nonparametric Belief Propagation,NBP)具有適合處理分布計算環(huán) 境信息的特點，它們在計算機(jī)視覺跟蹤、過程故障檢測診斷、醫(yī)學(xué)檢測診斷、WSN節(jié)點自定位 等方面取得成功的應(yīng)用。對于WSN-MTT系統(tǒng)，由于存在隨機(jī)噪聲干擾、特定物理環(huán)境偏差、 傳感器節(jié)點感知脆弱性、測量不準(zhǔn)確性、網(wǎng)絡(luò)傳輸影響等各種難以避免因素，系統(tǒng)收集信息 具有許多不確定性。若利用KDE表征WSN網(wǎng)內(nèi)檢測數(shù)據(jù)、NBP處理WSN多節(jié)點監(jiān)測聯(lián)盟信 息，可能會減少測量干擾和噪聲影響，提高監(jiān)測數(shù)據(jù)準(zhǔn)確性，為WSN網(wǎng)內(nèi)數(shù)據(jù)融合帶來良好 效果。

發(fā)明內(nèi)容
本發(fā)明的目的是提供一種在噪聲和不確定環(huán)境下可提高監(jiān)測數(shù)據(jù)準(zhǔn)確性的基于 核密度估計與非參數(shù)置信傳播的WSN網(wǎng)內(nèi)數(shù)據(jù)融合方法。本發(fā)明提供的一種基于核密度估計與非參數(shù)置信傳播的WSN網(wǎng)內(nèi)數(shù)據(jù)融合方法， 該方法包括數(shù)據(jù)采集及數(shù)據(jù)融合；其中數(shù)據(jù)采集是在監(jiān)測區(qū)域內(nèi)構(gòu)建由不少于3個用作采集監(jiān)測數(shù)據(jù)的傳感器節(jié)點組 成的監(jiān)測聯(lián)盟，每個監(jiān)測聯(lián)盟對應(yīng)有一個用來匯集監(jiān)測數(shù)據(jù)、作為聯(lián)盟盟主的盟主節(jié)點，每 一個監(jiān)測聯(lián)盟內(nèi)的傳感器節(jié)點分別對進(jìn)入監(jiān)測區(qū)域的目標(biāo)采集監(jiān)測數(shù)據(jù)；數(shù)據(jù)融合是監(jiān)測聯(lián)盟內(nèi)的傳感器節(jié)點分別對采集的監(jiān)測數(shù)據(jù)進(jìn)行KDE處理，處理 后的數(shù)據(jù)通過NBP傳送匯集到聯(lián)盟盟主的盟主節(jié)點，由盟主節(jié)點對匯集數(shù)據(jù)進(jìn)行高斯混 合、再將高斯混合后的數(shù)據(jù)進(jìn)行Gibbs采樣融合，融合的結(jié)果作為監(jiān)測數(shù)據(jù)的表征。在數(shù)據(jù)融合步驟中a、KDE處理監(jiān)測數(shù)據(jù)的算法是
權(quán)利要求
1.一種基于核密度估計與非參數(shù)置信傳播的WSN網(wǎng)內(nèi)數(shù)據(jù)融合方法，該方法包括數(shù)據(jù) 采集及數(shù)據(jù)融合，其特征在于數(shù)據(jù)采集是在監(jiān)測區(qū)域內(nèi)構(gòu)建由不少于3個用作采集監(jiān)測數(shù)據(jù)的傳感器節(jié)點組成的 監(jiān)測聯(lián)盟，每個監(jiān)測聯(lián)盟對應(yīng)有一個用來匯集監(jiān)測數(shù)據(jù)、作為聯(lián)盟盟主的盟主節(jié)點，每一個 監(jiān)測聯(lián)盟內(nèi)的傳感器節(jié)點分別對進(jìn)入監(jiān)測區(qū)域的目標(biāo)采集監(jiān)測數(shù)據(jù)；數(shù)據(jù)融合是監(jiān)測聯(lián)盟內(nèi)的傳感器節(jié)點分別對采集的監(jiān)測數(shù)據(jù)進(jìn)行KDE處理，處理后 的數(shù)據(jù)通過NBP處理傳送匯集到聯(lián)盟盟主的盟主節(jié)點，由盟主節(jié)點對匯集數(shù)據(jù)進(jìn)行高斯混 合、再將高斯混合后的數(shù)據(jù)進(jìn)行Gibbs采樣融合，融合的結(jié)果作為監(jiān)測數(shù)據(jù)的表征。
2.根據(jù)權(quán)利要求1所述的基于核密度估計與非參數(shù)置信傳播的WSN網(wǎng)內(nèi)數(shù)據(jù)融合方 法，其特征是在數(shù)據(jù)融合步驟中a、KDE處理監(jiān)測數(shù)據(jù)的算法是
全文摘要
一種基于核密度估計與非參數(shù)置信傳播的WSN網(wǎng)內(nèi)數(shù)據(jù)融合方法，該方法包括數(shù)據(jù)采集及數(shù)據(jù)融合，數(shù)據(jù)采集是在監(jiān)測區(qū)域內(nèi)構(gòu)建由不少于3個用作采集監(jiān)測數(shù)據(jù)的傳感器節(jié)點組成的監(jiān)測聯(lián)盟，每個監(jiān)測聯(lián)盟對應(yīng)有一個用來匯集監(jiān)測數(shù)據(jù)、作為聯(lián)盟盟主的盟主節(jié)點，每一個監(jiān)測聯(lián)盟內(nèi)的傳感器節(jié)點分別對進(jìn)入監(jiān)測區(qū)域的目標(biāo)采集監(jiān)測數(shù)據(jù)；數(shù)據(jù)融合是監(jiān)測聯(lián)盟內(nèi)的傳感器節(jié)點分別對采集的監(jiān)測數(shù)據(jù)進(jìn)行KDE處理，處理后的數(shù)據(jù)通過NBP處理傳送匯集到聯(lián)盟盟主的盟主節(jié)點，由盟主節(jié)點對匯集數(shù)據(jù)進(jìn)行高斯混合、再將高斯混合后的數(shù)據(jù)進(jìn)行Gibbs采樣融合，融合的結(jié)果作為監(jiān)測數(shù)據(jù)的表征。在噪聲和不確定環(huán)境下可提高監(jiān)測數(shù)據(jù)準(zhǔn)確性，實現(xiàn)多節(jié)點聯(lián)盟監(jiān)測數(shù)據(jù)的精確融合表征。
文檔編號H04W84/18GK102056192SQ20101053590
公開日2011年5月11日 申請日期2010年11月9日 優(yōu)先權(quán)日2010年11月9日
發(fā)明者劉美, 徐小玲, 賀婷 申請人:廣東石油化工學(xué)院