本文關(guān)鍵詞：無線傳感器網(wǎng)絡(luò)中基于神經(jīng)網(wǎng)絡(luò)的數(shù)據(jù)融合算法的研究

  更多相關(guān)文章： WSN 數(shù)據(jù)融合 BP神經(jīng)網(wǎng)絡(luò) DS證據(jù)理論 BPNDA

【摘要】：無線傳感器網(wǎng)絡(luò)(Wireless Sensor Networks,WSN)是由大量低成本、低功耗的微型傳感器節(jié)點通過無線或有線的通信方式自組織構(gòu)建而成,可以實時的感知、監(jiān)測以及采集所覆蓋區(qū)域的環(huán)境信息,并將其進(jìn)行處理后傳送于終端用戶。無線傳感器網(wǎng)絡(luò)具有部署靈活、可靠性強(qiáng)、擴(kuò)展方便、經(jīng)濟(jì)性能好等特點,因此通常被布置于人類不易涉足的地域,例如災(zāi)區(qū)、原始森林、地下管道等。其所處環(huán)境因素、人類控制因素以及由于節(jié)點過于密集使網(wǎng)絡(luò)具有的魯棒性導(dǎo)致無線傳感器網(wǎng)絡(luò)收集的信息往往存在錯誤與冗余,這些信息在網(wǎng)絡(luò)通信過程中損耗大量的資源和能量,且傳感器節(jié)點的電量、帶寬、存儲能力和數(shù)據(jù)處理能力有限,因此降低數(shù)據(jù)的冗余程度,提高其精確性,進(jìn)而降低能量消耗,延長生命周期是無線傳感器網(wǎng)絡(luò)中的研究熱點。數(shù)據(jù)融合技術(shù)作為一類新型學(xué)科,在數(shù)據(jù)處理方面具有卓越的效果,可以在很大程度上減少數(shù)據(jù)冗余,提高數(shù)據(jù)精確度。而基于神經(jīng)網(wǎng)絡(luò)的數(shù)據(jù)融合是對人腦神經(jīng)系統(tǒng)的模擬,具有自組織、自學(xué)習(xí)、信息存儲權(quán)值化、并行結(jié)構(gòu)、非線性等特點,是當(dāng)今研究數(shù)據(jù)融合的熱門技術(shù)之一。因此,研究無線傳感器網(wǎng)絡(luò)中基于神經(jīng)網(wǎng)絡(luò)進(jìn)行數(shù)據(jù)融合的技術(shù)就具有十分重要的意義。本文研究了無線傳感器網(wǎng)絡(luò)中基于BP神經(jīng)網(wǎng)絡(luò)(Back Propagation Neural Networks,BPNN)的數(shù)據(jù)融合技術(shù)。首先針對BP神經(jīng)網(wǎng)絡(luò)中由于權(quán)值調(diào)整幅度不敏感而出現(xiàn)的神經(jīng)網(wǎng)絡(luò)訓(xùn)練時間過長以及震蕩現(xiàn)象,考慮多次權(quán)值變化率對下一次權(quán)值變化率的影響,對BP神經(jīng)網(wǎng)絡(luò)中的權(quán)值調(diào)整度的計算方法進(jìn)行改進(jìn)。然后,針對BP神經(jīng)網(wǎng)絡(luò)中由于權(quán)值初始賦值隨機(jī)化而導(dǎo)致的神經(jīng)網(wǎng)絡(luò)訓(xùn)練時間過長、權(quán)值不易達(dá)到最優(yōu)化等現(xiàn)象,采取將BP神經(jīng)網(wǎng)絡(luò)與DS證據(jù)理論相結(jié)合的策略,在第一項工作的基礎(chǔ)上提出DS-BP神經(jīng)網(wǎng)絡(luò)算法對權(quán)值初始值精確化賦值,使權(quán)值初始值與目的權(quán)值更加接近,達(dá)到縮短BP神經(jīng)網(wǎng)絡(luò)的訓(xùn)練周期,減少輸出誤差,增強(qiáng)數(shù)據(jù)融合精確度的目的。最后在數(shù)據(jù)融合算法BPNDA(Back-Propagation Networks Data Aggregation)的基礎(chǔ)上,將改進(jìn)后的DS-BP神經(jīng)網(wǎng)絡(luò)應(yīng)用于的無線傳感器網(wǎng)絡(luò)的數(shù)據(jù)融合中,以提高無線傳感器網(wǎng)絡(luò)中的數(shù)據(jù)傳輸效率,均衡網(wǎng)絡(luò)的能量消耗,延長網(wǎng)絡(luò)的生命周期。本文利用MATLAB對所提出的各項改進(jìn)工作進(jìn)行仿真,根據(jù)仿真結(jié)果對比分析其數(shù)據(jù)融合精度、輸出誤差、網(wǎng)絡(luò)訓(xùn)練時間、無線傳感器網(wǎng)絡(luò)的生存周期以及數(shù)據(jù)傳輸率等指標(biāo),結(jié)果表明,DS-BP神經(jīng)網(wǎng)絡(luò)提高了數(shù)據(jù)融合精確度,縮短了網(wǎng)絡(luò)的訓(xùn)練周期,減少了震蕩現(xiàn)象的發(fā)生,將其應(yīng)用到無線傳感器網(wǎng)絡(luò)中,提高了數(shù)據(jù)傳輸率,減少了網(wǎng)絡(luò)能量消耗,延長了網(wǎng)絡(luò)的生存周期。
【關(guān)鍵詞】：WSN 數(shù)據(jù)融合 BP神經(jīng)網(wǎng)絡(luò) DS證據(jù)理論 BPNDA
【學(xué)位授予單位】：吉林大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2016
【分類號】：TN929.5;TP212.9;TP183
【目錄】：

• 摘要4-6
• Abstract6-11
• 第1章 緒論11-17
• 1.1 課題研究背景與意義11-12
• 1.2 國內(nèi)外研究現(xiàn)狀12-14
• 1.3 本文的研究內(nèi)容與組織結(jié)構(gòu)14-15
• 1.4 本章小結(jié)15-17
• 第2章 無線傳感器網(wǎng)絡(luò)及其數(shù)據(jù)融合和神經(jīng)網(wǎng)絡(luò)技術(shù)17-29
• 2.1 無線傳感器網(wǎng)絡(luò)17-19
• 2.1.1 無線傳感器網(wǎng)絡(luò)體系17
• 2.1.2 無線傳感器網(wǎng)絡(luò)的特點17-18
• 2.1.3 無線傳感器網(wǎng)絡(luò)中的關(guān)鍵技術(shù)18-19
• 2.2 無線傳感器網(wǎng)絡(luò)中的數(shù)據(jù)融合19-21
• 2.2.1 應(yīng)用層中的數(shù)據(jù)融合19
• 2.2.2 網(wǎng)絡(luò)層中的數(shù)據(jù)融合19-20
• 2.2.3 具有數(shù)據(jù)融合的路由協(xié)議20-21
• 2.3 神經(jīng)網(wǎng)絡(luò)技術(shù)21-28
• 2.3.1 神經(jīng)元與神經(jīng)網(wǎng)絡(luò)模型21-23
• 2.3.2 神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)方式及規(guī)則23-24
• 2.3.3 BP神經(jīng)網(wǎng)絡(luò)技術(shù)24-28
• 2.4 本章小結(jié)28-29
• 第3章 基于BP神經(jīng)網(wǎng)絡(luò)的數(shù)據(jù)融合算法的改進(jìn)29-45
• 3.1 BP神經(jīng)網(wǎng)絡(luò)在權(quán)值調(diào)整過程中的改進(jìn)29-31
• 3.1.1 權(quán)值調(diào)整度分析29-30
• 3.1.2 權(quán)值調(diào)整度改進(jìn)30-31
• 3.2 實驗仿真及性能分析31-36
• 3.2.1 網(wǎng)絡(luò)結(jié)構(gòu)及參數(shù)設(shè)置31-32
• 3.2.2 實驗對比分析32-36
• 3.3 BP神經(jīng)網(wǎng)絡(luò)與DS證據(jù)理論結(jié)合的數(shù)據(jù)融合36-41
• 3.3.1 DS證據(jù)理論36-38
• 3.3.2 DS證據(jù)理論與BP神經(jīng)網(wǎng)絡(luò)結(jié)合理論38-39
• 3.3.3 基本概率函數(shù)的確定39-40
• 3.3.4 權(quán)值初值的獲取40-41
• 3.4 仿真結(jié)果及對比分析41-44
• 3.5 本章小結(jié)44-45
• 第4章 無線傳感器網(wǎng)絡(luò)中基于DS-BP神經(jīng)網(wǎng)絡(luò)的數(shù)據(jù)融合45-53
• 4.1 無線傳感器網(wǎng)絡(luò)的數(shù)據(jù)融合模型BPNDA45-46
• 4.2 BPNDA數(shù)據(jù)融合算法實現(xiàn)過程46-47
• 4.3 基于DS-BP神經(jīng)網(wǎng)絡(luò)的數(shù)據(jù)融合方法47-48
• 4.4 仿真及對比分析48-52
• 4.4.1 仿真環(huán)境48
• 4.4.2 仿真結(jié)果及對比分析48-52
• 4.5 本章小結(jié)52-53
• 第5章 總結(jié)與展望53-55
• 5.1 工作總結(jié)53-54
• 5.2 工作展望54-55
• 參考文獻(xiàn)55-61
• 附錄61-63
• 作者簡介及科研成果63-64
• 致謝64

【相似文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前10條

1 云中客;新的神經(jīng)網(wǎng)絡(luò)來自于仿生學(xué)[J];物理;2001年10期

2 唐春明,高協(xié)平;進(jìn)化神經(jīng)網(wǎng)絡(luò)的研究進(jìn)展[J];系統(tǒng)工程與電子技術(shù);2001年10期

3 李智;一種基于神經(jīng)網(wǎng)絡(luò)的煤炭調(diào)運優(yōu)化方法[J];長沙鐵道學(xué)院學(xué)報;2003年02期

4 程科,王士同,楊靜宇;新型模糊形態(tài)神經(jīng)網(wǎng)絡(luò)及其應(yīng)用研究[J];計算機(jī)工程與應(yīng)用;2004年21期

5 王凡,孟立凡;關(guān)于使用神經(jīng)網(wǎng)絡(luò)推定操作者疲勞的研究[J];人類工效學(xué);2004年03期

6 周麗暉;從統(tǒng)計角度看神經(jīng)網(wǎng)絡(luò)[J];統(tǒng)計教育;2005年06期

7 趙奇 ,劉開第 ,龐彥軍;灰色補(bǔ)償神經(jīng)網(wǎng)絡(luò)及其應(yīng)用研究[J];微計算機(jī)信息;2005年14期

8 袁婷;;神經(jīng)網(wǎng)絡(luò)在股票市場預(yù)測中的應(yīng)用[J];軟件導(dǎo)刊;2006年05期

9 尚晉;楊有;;從神經(jīng)網(wǎng)絡(luò)的過去談科學(xué)發(fā)展觀[J];重慶三峽學(xué)院學(xué)報;2006年03期

10 楊鐘瑾;;神經(jīng)網(wǎng)絡(luò)的過去、現(xiàn)在和將來[J];青年探索;2006年04期

中國重要會議論文全文數(shù)據(jù)庫 前10條

1 徐春玉;;基于泛集的神經(jīng)網(wǎng)絡(luò)的混沌性[A];1996中國控制與決策學(xué)術(shù)年會論文集[C];1996年

2 周樹德;王巖;孫增圻;孫富春;;量子神經(jīng)網(wǎng)絡(luò)[A];2003年中國智能自動化會議論文集（上冊）[C];2003年

3 羅山;張琳;范文新;;基于神經(jīng)網(wǎng)絡(luò)和簡單規(guī)劃的識別融合算法[A];2009系統(tǒng)仿真技術(shù)及其應(yīng)用學(xué)術(shù)會議論文集[C];2009年

4 郭愛克;馬盡文;丁康;;序言(二)[A];1999年中國神經(jīng)網(wǎng)絡(luò)與信號處理學(xué)術(shù)會議論文集[C];1999年

5 鐘義信;;知識論:神經(jīng)網(wǎng)絡(luò)的新機(jī)遇——紀(jì)念中國神經(jīng)網(wǎng)絡(luò)10周年[A];1999年中國神經(jīng)網(wǎng)絡(luò)與信號處理學(xué)術(shù)會議論文集[C];1999年

6 許進(jìn);保錚;;神經(jīng)網(wǎng)絡(luò)與圖論[A];1999年中國神經(jīng)網(wǎng)絡(luò)與信號處理學(xué)術(shù)會議論文集[C];1999年

7 金龍;朱詩武;趙成志;陳寧;;數(shù)值預(yù)報產(chǎn)品的神經(jīng)網(wǎng)絡(luò)釋用預(yù)報應(yīng)用[A];1999年中國神經(jīng)網(wǎng)絡(luò)與信號處理學(xué)術(shù)會議論文集[C];1999年

8 田金亭;;神經(jīng)網(wǎng)絡(luò)在中學(xué)生創(chuàng)造力評估中的應(yīng)用[A];第十二屆全國心理學(xué)學(xué)術(shù)大會論文摘要集[C];2009年

9 唐墨;王科俊;;自發(fā)展神經(jīng)網(wǎng)絡(luò)的混沌特性研究[A];2009年中國智能自動化會議論文集（第七分冊）[南京理工大學(xué)學(xué)報（增刊）][C];2009年

10 張廣遠(yuǎn);萬強(qiáng);曹海源;田方濤;;基于遺傳算法優(yōu)化神經(jīng)網(wǎng)絡(luò)的故障診斷方法研究[A];第十二屆全國設(shè)備故障診斷學(xué)術(shù)會議論文集[C];2010年

中國重要報紙全文數(shù)據(jù)庫 前10條

1 美國明尼蘇達(dá)大學(xué)社會學(xué)博士 密西西比州立大學(xué)國家戰(zhàn)略規(guī)劃與分析研究中心資深助理研究員 陳心想;維護(hù)好創(chuàng)新的“神經(jīng)網(wǎng)絡(luò)硬件”[N];中國教師報;2014年

2 盧業(yè)忠;腦控電腦 驚世駭俗[N];計算機(jī)世界;2001年

3 葛一鳴 路邊文;人工神經(jīng)網(wǎng)絡(luò)將大顯身手[N];中國紡織報;2003年

4 中國科技大學(xué)計算機(jī)系　邢方亮;神經(jīng)網(wǎng)絡(luò)挑戰(zhàn)人類大腦[N];計算機(jī)世界;2003年

5 記者 孫剛;“神經(jīng)網(wǎng)絡(luò)”：打開復(fù)雜工藝“黑箱”[N];解放日報;2007年

6 本報記者 劉霞;美用DNA制造出首個人造神經(jīng)網(wǎng)絡(luò)[N];科技日報;2011年

7 健康時報特約記者　 張獻(xiàn)懷;干細(xì)胞移植：修復(fù)受損的神經(jīng)網(wǎng)絡(luò)[N];健康時報;2006年

8 劉力;我半導(dǎo)體神經(jīng)網(wǎng)絡(luò)技術(shù)及應(yīng)用研究達(dá)國際先進(jìn)水平[N];中國電子報;2001年

9 ;神經(jīng)網(wǎng)絡(luò)和模糊邏輯[N];世界金屬導(dǎo)報;2002年

10 鄒麗梅 陳耀群;江蘇科大神經(jīng)網(wǎng)絡(luò)應(yīng)用研究通過鑒定[N];中國船舶報;2006年

中國博士學(xué)位論文全文數(shù)據(jù)庫 前10條

1 楊旭華;神經(jīng)網(wǎng)絡(luò)及其在控制中的應(yīng)用研究[D];浙江大學(xué);2004年

2 李素芳;基于神經(jīng)網(wǎng)絡(luò)的無線通信算法研究[D];山東大學(xué);2015年

3 石艷超;憶阻神經(jīng)網(wǎng)絡(luò)的混沌性及幾類時滯神經(jīng)網(wǎng)絡(luò)的同步研究[D];電子科技大學(xué);2014年

4 王新迎;基于隨機(jī)映射神經(jīng)網(wǎng)絡(luò)的多元時間序列預(yù)測方法研究[D];大連理工大學(xué);2015年

5 付愛民;極速學(xué)習(xí)機(jī)的訓(xùn)練殘差、穩(wěn)定性及泛化能力研究[D];中國農(nóng)業(yè)大學(xué);2015年

6 李輝;基于粒計算的神經(jīng)網(wǎng)絡(luò)及集成方法研究[D];中國礦業(yè)大學(xué);2015年

7 王衛(wèi)蘋;復(fù)雜網(wǎng)絡(luò)幾類同步控制策略研究及穩(wěn)定性分析[D];北京郵電大學(xué);2015年

8 張海軍;基于云計算的神經(jīng)網(wǎng)絡(luò)并行實現(xiàn)及其學(xué)習(xí)方法研究[D];華南理工大學(xué);2015年

9 李艷晴;風(fēng)速時間序列預(yù)測算法研究[D];北京科技大學(xué);2016年

10 陳輝;多維超精密定位系統(tǒng)建模與控制關(guān)鍵技術(shù)研究[D];東南大學(xué);2015年

中國碩士學(xué)位論文全文數(shù)據(jù)庫 前10條

1 章穎;混合不確定性模塊化神經(jīng)網(wǎng)絡(luò)與高校效益預(yù)測的研究[D];華南理工大學(xué);2015年

2 賈文靜;基于改進(jìn)型神經(jīng)網(wǎng)絡(luò)的風(fēng)力發(fā)電系統(tǒng)預(yù)測及控制研究[D];燕山大學(xué);2015年

3 李慧芳;基于憶阻器的渦卷混沌系統(tǒng)及其電路仿真[D];西南大學(xué);2015年

4 陳彥至;神經(jīng)網(wǎng)絡(luò)降維算法研究與應(yīng)用[D];華南理工大學(xué);2015年

5 董哲康;基于憶阻器的組合電路及神經(jīng)網(wǎng)絡(luò)研究[D];西南大學(xué);2015年

6 武創(chuàng)舉;基于神經(jīng)網(wǎng)絡(luò)的遙感圖像分類研究[D];昆明理工大學(xué);2015年

7 李志杰;基于神經(jīng)網(wǎng)絡(luò)的上證指數(shù)預(yù)測研究[D];華南理工大學(xué);2015年

8 陳少吉;基于神經(jīng)網(wǎng)絡(luò)血壓預(yù)測研究與系統(tǒng)實現(xiàn)[D];華南理工大學(xué);2015年

9 張韜;幾類時滯神經(jīng)網(wǎng)絡(luò)穩(wěn)定性分析[D];渤海大學(xué);2015年

10 邵雪瑩;幾類時滯不確定神經(jīng)網(wǎng)絡(luò)的穩(wěn)定性分析[D];渤海大學(xué);2015年

，

本文編號：1112749