傳感網(wǎng)目標(biāo)檢測指的是,借助傳感網(wǎng)絡(luò),對監(jiān)測區(qū)域內(nèi)某一目標(biāo)對象存在與否進(jìn)行檢測判決。目前,基于傳感網(wǎng)的目標(biāo)檢測得到了廣泛研究,并被實際應(yīng)用于軍事、農(nóng)業(yè)、海洋資源探測等多個領(lǐng)域中。在實際應(yīng)用中,傳感網(wǎng)絡(luò)中大部分傳感器節(jié)點(diǎn)通常都是通過電池供電,當(dāng)檢測區(qū)域環(huán)境越復(fù)雜的時候,為電量耗盡的傳感器節(jié)點(diǎn)更換電池也變成了一件復(fù)雜且低效的事情。另外,對于一個目標(biāo)檢測系統(tǒng)而言,其檢測性能主要表現(xiàn)在系統(tǒng)檢測概率的大小。因此,如何減小檢測系統(tǒng)能耗、提高系統(tǒng)生命周期,同時提高系統(tǒng)檢測概率是本文的主要關(guān)注及研究點(diǎn)。基于此,本文建立了非理想信道下傳感網(wǎng)目標(biāo)檢測模型,從系統(tǒng)能耗和系統(tǒng)檢測性能這兩個角度出發(fā),進(jìn)行了傳感網(wǎng)目標(biāo)檢測算法研究。本文首先介紹了傳感網(wǎng)的基本網(wǎng)絡(luò)結(jié)構(gòu)和特點(diǎn)、數(shù)據(jù)融合的三種方式及對應(yīng)系統(tǒng)結(jié)構(gòu)、常用的數(shù)據(jù)融合方法,以及目標(biāo)檢測的基礎(chǔ)理論,說明了非理想信道下,傳感網(wǎng)目標(biāo)檢測現(xiàn)存的難點(diǎn)與所面臨的挑戰(zhàn)。接著,本文基于非理想信道下分布式檢測融合系統(tǒng)模型,提出了兩種檢測融合算法來有效平衡系統(tǒng)能耗和系統(tǒng)檢測性能。軟決策融合和硬決策融合是兩種常用的分布式?jīng)Q策融合方法。相比于軟決策融合,硬決策融合檢測性能差但能耗更小。... 

【文章來源】：電子科技大學(xué)四川省 211工程院校 985工程院校 教育部直屬院校

【文章頁數(shù)】：74 頁

【學(xué)位級別】：碩士

【部分圖文】：

圖２－１傳感網(wǎng)的基本網(wǎng)絡(luò)結(jié)構(gòu)??

?電子科技大學(xué)碩士學(xué)位論文???可以看出，剩余能量越多的傳感器節(jié)點(diǎn)越有可能被選為ＣＨ節(jié)點(diǎn)；距離ＦＣ越近??的傳感器節(jié)點(diǎn)，越有可能被選為ＣＨ節(jié)點(diǎn)。??最后一步，去模糊。對于每個傳感器節(jié)點(diǎn)的每個輸入（ｘｐｘ２；），輸出可以通過??式（３－４）計算，其中ｃ值由人為給定。??９??，、各？⑷＂啡／??Ｙｙｘｖ?ｘ２Ｊ?＝?—?（３－４）??備？Ｗ？卜２）??表３＿１?ＦＬＳ的規(guī)則庫??Ｒ’?先決條件１?（ｘｉ）?先決條件２ｆｅ）?結(jié)果Ｇ１???Ｒ１?ｌｏｗ?ｎｅａｒ?ｍｅｄｉｕｍ??Ｒ２?ｌｏｗ?ｍｏｄｅｒａｔｅ?ｓｍａｌｌ??Ｒ３?ｌｏｗ?ｆａｒ?ｖｅｒｙ?ｓｍａｌｌ??Ｒ４?ｍｏｄｅｒａｔｅ?ｎｅａｒ?ｌａｒｇｅ??Ｒ５?ｍｏｄｅｒａｔｅ?ｍｏｄｅｒａｔｅ?ｍｅｄｉｕｍ??Ｒ６?ｍｏｄｅｒａｔｅ?ｆａｒ?ｓｍａｌｌ??Ｒ７?ｈｉｇｈ?ｎｅａｒ?ｖｅｒｙ?ｌａｒｇｅ??Ｒ８?ｈｉｇｈ?ｍｏｄｅｒａｔｅ?ｌａｒｇｅ??Ｒ９?ｈｉｇｈ?ｆａｒ?ｍｅｄｉｕｍ??ｌｏｗ，ｎｅａｒ?ｍｏｄｅｒａｔｅ?ｈｉｇｈ，ｆａｒ??０?２?４?６?８?１０??Ｎｏｒｍａｌｉｚｅｄ?ａｎｔｅｃｅｄｅｎｔｓ??圖３－２輸入條件對應(yīng)隸屬函數(shù)圖??２２??

?第三章基于軟硬決策信息融合的目標(biāo)檢測算法研究???０?２?４?６?８?１０??Ｎｏｒｍａｌｉｚｅｄ?ａｎｔｅｃｅｄｅｎｔｓ??圖３－３?ｃｏｎｓｅｑｕｅｎｔ對應(yīng)隸屬函數(shù)圖??式（３－４）的輸出結(jié)果可以作為選擇某一傳感器節(jié)點(diǎn)作為ＣＨ節(jié)點(diǎn)的概率依據(jù)。??在本章中，７Ｖ個傳感器節(jié)點(diǎn)都將通過式（３－４）得到一個對應(yīng)的概率值。另外Ｍ代??表傳感網(wǎng)網(wǎng)絡(luò)中ＣＨ節(jié)點(diǎn)的數(shù)目，同時也是網(wǎng)絡(luò)中簇的個數(shù)。Ｍ可以使用式（３－５）??獲得，其中，Ｐ是一個人為指定的常量值，范圍是ｉＶ是分布式檢測系統(tǒng)中??本地傳感器節(jié)點(diǎn)的總個數(shù)。我們將根據(jù)式（３－４）得到的值選擇Ｍ個傳感器作為網(wǎng)??絡(luò)的ＣＨ節(jié)點(diǎn)。??Ｍ?＝?ｆｌｏｏｒ?（３－５）??３．２．２模糊Ｃ均值分簇??通過ＦＬＳ確定了?Ｍ個ＣＨ節(jié)點(diǎn)之后，模糊Ｃ均值分簇（ＦＣＭ）算法將被用來??完成網(wǎng)絡(luò)最終的分簇。通常，聚類又可以分為硬聚類和軟聚類。硬聚類一般是指，??每個非簇頭節(jié)點(diǎn)屬于并且僅屬于一個簇。硬聚類的代表方法包括ｋ－ｍｅａｎｓ聚類算法，??凝聚型層次聚類算法等。然而，在現(xiàn)實情況中，每個節(jié)點(diǎn)并不能被準(zhǔn)確劃分到某??個簇以形成明顯分離的簇群。而相比于硬聚類，隸屬于軟聚類的ＦＣＭ算法囊括了??模糊理論的精髓，可以獲得更為靈活的聚類分簇結(jié)果。它的原理是給每個傳感器??節(jié)點(diǎn)和每個簇賦予一個權(quán)重，用以表示該傳感器節(jié)點(diǎn)隸屬于該簇的概率，這個權(quán)??重可以稱之為隸屬度。當(dāng)然，基于普通概率的方法也可以給出這樣的權(quán)值，但是??有時候我們很難確定一個合適的統(tǒng)計模型，因此使用具有自然地、非概率特性的??ＦＣＭ就是一個比較好的選擇。??２３??

【參考文獻(xiàn)】：
期刊論文
[1]一種異構(gòu)傳感器網(wǎng)絡(luò)的能量有效路由算法[J]. 李小亞,黃道平,孫宗海.  計算機(jī)科學(xué). 2008(05)



本文編號：3507115