基于神经网络的无线传感器网络数据融合算法

124
传 感 技 术 学 报 www. chinatransducers . com
第 24卷
在网络初始布置的时 候, 通过一 次运行 LEACH 或 LEACH F 分簇算法, 得到一个拥有稳定簇结构的网 络, 直到有大量新的节点加入或失效的节点退出之 前, 都不需要再运行此算法。算法的运行和数据的 存储都可以在 S ink汇聚节点中解决 , 这样可以大大 减少传感器节点的运算和存储负担。 由于 簇首的负 担较重 , BPNDA 算 法在构 造簇
关键词 : 无线传感器网络; 数据融合; 神经网络; 分簇 中图分类号 : TP393 文献标识码: A 文章编号 : 1004- 1699( 2011) 01- 0122- 06 可能缩小。因此, 在无线传感器网络的应用中必须 配置相当数量的冗余节点, 用以克服节点失效和量 测的不准确性。而传感器节点的能量、 存储空间与 计算能力有限 , 冗余数据的传送在一定程度将消耗 过多的能量, 缩短整个网络的生存期。 再者, 无线传感器网 络连接多类传 感器 , 如 机 械、 热、 化学、 光学以及磁传感器等 , 用以完成对 目 标的监测或对周 围环境的感知。但单个传感器 节 点只能完成 局部环 境的 监测或 感知 , 而无 线传 感 器网络关注的则 是整个网络感知结果的 综合。因 此 , 从应用层面上来讲 , 数据融合在无线传感器 网 络中也是 必需的。在 某种意 义上 , 对 多源 信息 进
1. The S econd Artillery Eng ineering Institu te , X i an 710025 , China; 2. C hina A cad e my of Spa ce T echnology (X i an ' ), X i an 710100 , Ch ina 1 1* 1 2
传 感器 网络 的 信号 变 化, 判 断异 常 事件 的发 生。 [ 5] W ilb ert等 将遗传算法和神经网络算法相结合 , 在 监测系统的多任务进程管理中取得了较好的表现。 模式分类可以在节点中独立判断, 簇首节点搜集其 它节点的分类信息, 进一步融合数据 , 节省了通讯能 量 , 实验显示该算法具有很强的数据鲁棒性。 Ju lio Barbancho 等
[ 6]
将自 组织 映射 网络 ( Self O rgan izing
[ 7]
M ap , SOM ) 引入无线传感器 网络的路由决策中, 并 对引入神经网络的效率进 行分析。陈 斌等 结合 神经网络和证据理论, 建立基于无线传感器网络的 管道泄漏诊断模型。俞 黎阳等
[ 8]
将 无线传感器网
络的分簇层次结构与神经网络的层次结构相结合 , 构造一个三层感知器神经网络对无线传感器网络进
*
Abstract : T o reduce comm un ication traffic and save energy for w ire le ss senso r netw orks( W SN s) , BPNDA, a data aggregat ion algorithm based on back propagatio n netw orks , w as proposed , w hich in tegrates a three layer BP neura l netw ork w ith clu stering routin g protoco. l T he input layer neuron is lo cated in clu sterm em bers , w hile the h id den lay er neuron and th e ou tp ut layer neuron are located in cluster head . Only the processed data represented the features of the raw co lle cted data w ill be transm itted to the sink , so the eff ic iency of data gathering is i m proved and th e life ti m e of the netw ork is pro longed . Si m u lation results show tha t com pared w ith LEACH, the BPNDA algor ithm effec t iv e ly reduced th e data tra ff ic and decreased the energy d issipated of nodes . K ey w ord s : w ire le ss sensor netw orks ; data aggregat ion; artificia l neural netw orks ; c lu ster EEACC: 6150P; 6210C do: i 10. 3969 / j . issn. 1004- 1699 . 2011 . 01 . 025
神经网络和传感器网 络分簇路由协议有机结合 , 将每个簇设计成一个神经 网络模型 , 通过神 经网络提取 原始数据中 的少量特 征数据 , 然后将特征数据发送给汇聚节点 , 从而提高数据收集效率 , 延长网 络生存时 间。仿真实验 证明 , 与 LEACH 算法 相比 , 该算法可有效减少网 络通信量 , 降低节点能耗。
无线传感器网络 ( W SN s) 是一种新的信息收集 ( 或事件探测 )的范式 , 它依靠众多传感器节点协作 地感知、 采集和处理网络覆盖区域中的对象信息, 并 发送给观测者。在该网络中 , 部署在远程环境中的 传感器节点在没有任何网络拓扑先验信息的情况下 完成自行配置, 其最终目标是监测传感器区域中感 兴趣的特定事件。由于传感器节点的检测范围往往 重叠, 同样的事件通常是由众多的传感器节点报道 , [ 1] 这就导致了数据冗余 。 同时, 由于无线传感网络部署的环境条件可能 会干扰传感器读数, 甚至破坏传感器节点 , 传感器测 量结果的准确度可能低于预期值, 并且覆盖范围也
项目来源 : 军事单位资助项目 收稿日期 : 2010- 07- 12 修改日期 : 2010- 08- 30
第 1期
孙凌逸 , 黄先祥等 : 基于神经网络的无线传感器网络数据融合算法
123
行数据融 合 也将 产 生一 个 好于 单信 息 源 输出 的 [ 2] 结果 。 针对上述背景, 本文提出了一种基于神经网络 的无线传感器网络数据融合算法 ( Back Propagat io n N etw orks Data A ggregatio n , 简称 BPNDA )。 BPNDA 数据融合模型以无线传感器网络中普遍采用的分簇 路由协议 LEACH
基于神经网络的无线传感器网络数据融合算法
孙凌逸 , 黄先祥 , 蔡
1 * 1 *
*
伟 , 夏梅尼
1
2
1. 第二炮兵工程学院 202 室 , 西安 710025; 2. 中国空间技术研究院西安分院 , 西安 710100
摘
要 : 为减少无线传感器网络的通信量, 降低能量消耗, 设计了一种基于神经 网络的数据融合算法 ( BPNDA ), 该算法 将 BP
[ 3]
行数据融合, 仿真测试的结果显示该模型可以有效 地节省传感器节点的能耗、 延长网络寿命。但该模 型在分析簇首更替与神经网络参数移交时未考虑簇 成员改变和节点死亡 所产生的影响。 W T Sung
[ 9]
利用 BP神经网络对环境监测系统中的多传感器数 据进行融合, 该环境监测系统基于无线传感器网络。 实验结果表明, 引入 BP 神经网络 方法可以大大降 低数据特征 维数, 提高环 境监 测系 统的 数据融 合 效率。 本文将 BP 神经网络引入到无线传感器网络的 数据融合中, 构建一种新的数据融合算法。为方便 讨论 , 文中假设 N 个传感器节点随机分布在感知区 域内 , 用 si 表示第 i个节点 , 相应的节点集合为 S = { s1, s2, , s N } 。并且该传感器网络具有如下性质 : ( 1)节点部署后不再移动, 所 有传感器节点都 被事先编排惟一的 ID 号。 ( 2)节点能量相同且不能补充。 ( 3)汇聚节点 (即基站 ) 唯一且部署在感知区域 以外的固定位置。 ( 4)汇聚节点拥有持续的能量供给 , 能够使用 足够大的功率向所有节点直接发送信息 , 而节点发 射功率有限。 ( 5)节点能够获知其位置信息。 前 4 项假设是无线传感器网络的典型设置。第 5 项假设十分必要, 因为节点通常需要获取它的位 置信息, 尤其当传感器网络簇首更替、 簇成员发生变 化或节点死亡时, 确定节点的位置十分重要。
为基础 , 在簇首节点利用 BP 神
经网络对簇成员节点采集的原始数 据进行特征提 取 , 然后将代表原始数据的少量特征值发送给汇聚 节点, 以达到减少节点数据通信量、 节省能量开销和 提高信息收集准确度的目标。
1 相关工作
神经网络是由大量的、 简单 的处理单元 ( 称为 神经元 ) 广泛地互相连 接而形成的复杂网络系统 , 它反映了人脑功能的许多基本特征, 能够模拟人的 大脑活动, 具有极强的非线性逼近、 分布式存储、 大 规模并行处理、 自训练学习、 自组织和容错能力等优 点 , 特别适合处理需要同时考虑诸多因素和条件的、 不精确和模糊的信息处理问题。 无线传感 器网络和神经网络有特别相似的地 方 : 无线传感器网络的节点就好比神经元 , 具有感受 和处理的功能; 而无线传感器网络节点之间的连接 , 则相当于连接神经元的突触, 完成信号的传递。无 线传感器网络的数据融合与神经网络具有一个共同 的基本特征 , 即通过对大量的数据进行一定的运算 和处理 , 得到能够反映这些数据特征的结论性的结 果。因此, 可以利用神经网络的方法来实现和解决 无线传感器网络中的数据融合问题。神经网络用于 无线传感器网络的数据融合已经被 证明是非常有 效的。 Reznik等