基于邻里支持和神经网络的WSN数据融合算法研究

梁俊卿; 赵建视; 吕笑琳

Chinese

您当前的位置：

首页 >

文章列表页 >

基于邻里支持和神经网络的WSN数据融合算法研究

更新时间：2026-09-04

- 基于邻里支持和神经网络的WSN数据融合算法研究
- Data aggregation of WSN based on neighborhood support and BP neural network
- 微电子学与计算机 2019年36卷第8期页码：87-91
- 作者机构：
  
  青岛理工大学机构信息与控制工程学院,山东,青岛,266033
- 作者简介：
- 基金信息：
  
  山东省优秀中青年科学家科研奖励基金 ZR2016FB21
- DOI：
  中图分类号：
- 纸质出版：2019
- 稿件说明：
移动端阅览
梁俊卿, 赵建视, 吕笑琳. 基于邻里支持和神经网络的WSN数据融合算法研究[J]. 微电子学与计算机, 2019, 36(8): 87-91.

LIANG Jun-qing, ZHAO Jian-shi, LYU Xiao-lin. Data aggregation of WSN based on neighborhood support and BP neural network[J]. 2019, 36(8): 87-91.
梁俊卿, 赵建视, 吕笑琳. 基于邻里支持和神经网络的WSN数据融合算法研究[J]. 微电子学与计算机, 2019, 36(8): 87-91. DOI：

LIANG Jun-qing, ZHAO Jian-shi, LYU Xiao-lin. Data aggregation of WSN based on neighborhood support and BP neural network[J]. 2019, 36(8): 87-91. DOI：

摘要

为了提高无线传感器网络(wireless sensor network

WSN)的可靠性、稳健性、减少错误及冗余信息的传输

提出了一种基于邻里支持度的动态分簇BP(Back Propagation)神经网络数据融合算法(Neighborhood-SupportBack-Propagation NetworksData Aggregation

NBNDA).其中动态分簇以及簇首的选择基于邻里支持度的大小以及节点的剩余能量等.同时

为了减少WSN中的通信量

在簇首处使用三层神经网络进行监测数据的特征提取

然后将特征值发送至汇聚节点.仿真实验表明

与LEACH协议相比

本文算法不仅能够提高WSN的可靠性和稳健性

又能减少数据冗余

延长网络寿命.

Abstract

To improve wireless sensor network (WSN) reliability、robustness and reduce error and redundant information transmission. A dynamic clustering BP neural network Data Aggregation algorithm based on neighborhood support is proposed. The dynamic clustering and the selection of cluster head are based on the state of the node

the neighborhood support and the residual energy of the node. At the same time

in order to reduce communications in WSN

the cluster head uses three-layer neural network for feature extraction of monitoring data

and then sends the feature value to the sink node. Simulation results show that this algorithm can not only improve the reliability and robustness of WSN

but also reduce data redundancy and extend the network life compared with the classic clustering protocol LEACH.

关键词

Keywords

references

范时平, 何超杰.基于NARX神经网络的分簇数据融合算法[J].计算机工程与设计, 2018, 39(4):938-942. DOI: 938

孙凌逸, 黄先祥, 蔡伟, 等.基于神经网络的无线传感器网络数据融合算法[J].传感技术学报, 2011, 24(1):122-127. DOI: 122

杨永健, 刘帅.基于SOFM神经网络的无线传感器网络数据融合算法[J].传感技术学报, 2013, 26(12):1757-1763. DOI: 1757

谭德坤, 付雪峰, 赵嘉, 等.基于异常数据驱动的WSN簇内数据融合方法[J].传感技术学报.2017, 30(2):306-312. DOI: 306

DING S F, SU C Y, YU J Z.An optimizing BP neuralnetwork algorithm based on genetic algorithm[J].Artificial Intelligence Review, 2011, 36(2):153-162. DOI: 153

余修武, 张枫, 周利兴, 等.WSN中事件驱动与信任分配加权的层次数据融合[J].传感技术学报, 2017, 30(12):1948-1953. DOI: 1948

张浩, 张静静.无线传感器网络数据融合算法综述[J].软件, 2017, 38(12):296-304. DOI: 296

ACHARYA S, TRIPATHY C R. A reliable fault-tolerantANFIS model based data aggregation scheme for Wireless Sensor Networks[J]. Journal of King Saud University - Computer and Information Sciences, 2017, 11(1):1319-1322. DOI: 1319

浏览量

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

SDT安全方案在无线传感器网络的运用研究

低功耗设计的双链电源关断策略的实现与验证

基于改进RT-DETR的航拍小目标检测算法

一种基于特征上下文理解与切片分析的肺结核检测算法

AlN/GaN混合缓冲层双异质结p-GaN HEMT直流特性仿真