【摘要】：溫室具有空間大、無(wú)線傳感器節(jié)點(diǎn)易受到干擾等特點(diǎn),節(jié)點(diǎn)采集的數(shù)據(jù)波動(dòng)性較大且易出現(xiàn)丟失現(xiàn)象。為了提高溫室監(jiān)測(cè)無(wú)線傳感網(wǎng)的可靠性和數(shù)據(jù)融合的精度,提出了一種基于數(shù)據(jù)預(yù)處理和卡爾曼濾波的無(wú)線傳感器網(wǎng)絡(luò)數(shù)據(jù)融合算法。經(jīng)過(guò)對(duì)各傳感器數(shù)據(jù)進(jìn)行預(yù)處理和卡爾曼濾波估計(jì),再將數(shù)據(jù)發(fā)送到簇頭節(jié)點(diǎn)進(jìn)行基于狀態(tài)補(bǔ)償策略的加權(quán)數(shù)據(jù)融合。通過(guò)對(duì)溫室濕度數(shù)據(jù)進(jìn)行仿真,結(jié)果表明:數(shù)據(jù)預(yù)處理能明顯減小數(shù)據(jù)波動(dòng),大幅減少網(wǎng)絡(luò)數(shù)據(jù)傳輸量和能耗,提高抗干擾能力。另外,針對(duì)溫室無(wú)線傳感器網(wǎng)絡(luò)容易出現(xiàn)丟包的現(xiàn)象,基于狀態(tài)補(bǔ)償策略的加權(quán)數(shù)據(jù)融合算法可以明顯提高在數(shù)據(jù)丟包情況下的融合精度。
[Abstract]:The greenhouse has the characteristics of large space, the wireless sensor nodes are easily disturbed, the data collected by the nodes are volatile and easy to be lost. In order to improve the reliability of greenhouse monitoring wireless sensor network and the precision of data fusion, a data fusion algorithm based on data preprocessing and Kalman filter is proposed. After preprocessing the sensor data and estimating the Kalman filter, the data is sent to the cluster head node for weighted data fusion based on the state compensation strategy. Through the simulation of greenhouse humidity data, the results show that the data preprocessing can obviously reduce the data fluctuation, greatly reduce the amount of network data transmission and energy consumption, and improve the anti-jamming ability. In addition, the weighted data fusion algorithm based on state compensation strategy can obviously improve the fusion accuracy in the case of packet loss in greenhouse wireless sensor networks.
【作者單位】： 山東科技大學(xué)電氣與自動(dòng)化工程學(xué)院;
【基金】：中國(guó)博士后基金項(xiàng)目(2014M551934) 山東省中青年科學(xué)家獎(jiǎng)勵(lì)基金項(xiàng)目(BS2013DX012) 山東省博士后基金項(xiàng)目(201303068)
【分類(lèi)號(hào)】：TN929.5;TP202;TP212.9

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 閆磊;李永紅;杜力力;;小波分析技術(shù)在數(shù)據(jù)預(yù)處理中的應(yīng)用[J];科技信息;2012年29期

2 伏玉筍,田作華,施頌椒,任思聰,滕玉琨;灰色系統(tǒng)理論、數(shù)據(jù)預(yù)處理及其應(yīng)用[J];上海交通大學(xué)學(xué)報(bào);2001年02期

3 王成江,聶德鑫;放電聲發(fā)射波檢測(cè)中數(shù)據(jù)預(yù)處理的小波分析實(shí)現(xiàn)[J];繼電器;2003年11期

4 羅艷霞;;基于數(shù)據(jù)倉(cāng)庫(kù)的無(wú)線網(wǎng)絡(luò)優(yōu)化數(shù)據(jù)預(yù)處理[J];電腦編程技巧與維護(hù);2010年24期

5 雷雨;趙丹寧;;數(shù)據(jù)預(yù)處理對(duì)最小二乘支持向量機(jī)預(yù)報(bào)鐘差的影響[J];導(dǎo)航定位學(xué)報(bào);2014年01期

6 王延暴;郝小寧;;采用數(shù)據(jù)預(yù)處理技術(shù)提高雷達(dá)測(cè)距精度[J];火控雷達(dá)技術(shù);2006年02期

7 錢(qián)駿;李棟;;多雷達(dá)數(shù)據(jù)融合中的數(shù)據(jù)預(yù)處理[J];火控雷達(dá)技術(shù);2009年03期

8 陳艷,洪岸青,唐志凱;基于軟件雷達(dá)的數(shù)據(jù)融合算法研究[J];淮陰工學(xué)院學(xué)報(bào);2005年05期

9 車(chē)志宇;熊偉;何友;張晶煒;;雷達(dá)—紅外異地配置下的數(shù)據(jù)融合算法[J];彈箭與制導(dǎo)學(xué)報(bào);2005年S2期

10 趙巍,潘泉,戴冠中,張洪才;多尺度數(shù)據(jù)融合算法概述[J];系統(tǒng)工程與電子技術(shù);2001年06期

相關(guān)會(huì)議論文 前3條

1 杜菲;呂建平;;基于最短路由的無(wú)線傳感器數(shù)據(jù)融合算法研究[A];第八屆全國(guó)信息獲取與處理學(xué)術(shù)會(huì)議論文集[C];2010年

2 柴毅;屈劍鋒;郭茂耘;尹宏鵬;;分布式傳感器網(wǎng)絡(luò)在線自適應(yīng)數(shù)據(jù)融合算法研究[A];2007'儀表，，自動(dòng)化及先進(jìn)集成技術(shù)大會(huì)論文集（一）[C];2007年

3 吳振輝;董朝陽(yáng);;主/被動(dòng)雷達(dá)H∞濾波的最小方差數(shù)據(jù)融合算法[A];中國(guó)系統(tǒng)仿真學(xué)會(huì)第五次全國(guó)會(huì)員代表大會(huì)暨2006年全國(guó)學(xué)術(shù)年會(huì)論文集[C];2006年

相關(guān)博士學(xué)位論文 前1條

1 李秋榮;改進(jìn)容積卡爾曼濾波及其導(dǎo)航應(yīng)用研究[D];哈爾濱工程大學(xué);2015年

相關(guān)碩士學(xué)位論文 前10條

1 朱蘇雁;基于FPGA的SVAC編碼數(shù)據(jù)預(yù)處理與碼流存儲(chǔ)模塊設(shè)計(jì)[D];山東大學(xué);2016年

2 楊小漫;基于位置的服務(wù)中數(shù)據(jù)預(yù)處理研究[D];鄭州大學(xué);2013年

3 陳剛;車(chē)聯(lián)網(wǎng)條件下的混合動(dòng)力客車(chē)車(chē)載傳感器實(shí)時(shí)數(shù)據(jù)預(yù)處理研究[D];重慶大學(xué);2014年

4 李曉;面向城市污水監(jiān)測(cè)的WSN數(shù)據(jù)融合算法研究[D];西安工業(yè)大學(xué);2015年

5 陳星杰;無(wú)線傳感網(wǎng)絡(luò)中多傳感器數(shù)據(jù)融合算法研究[D];湘潭大學(xué);2015年

6 丁曉嬌;可保護(hù)數(shù)據(jù)隱私性和完整性的安全數(shù)據(jù)融合算法研究[D];河南大學(xué);2015年

7 李同鋒;一種改進(jìn)的LEACH路由協(xié)議及數(shù)據(jù)融合算法[D];青海師范大學(xué);2015年

8 董為浩;基于目標(biāo)定位的數(shù)據(jù)融合算法研究[D];杭州電子科技大學(xué);2015年

9 李智強(qiáng);基于小波的動(dòng)車(chē)組數(shù)據(jù)預(yù)處理及分析研究[D];西南交通大學(xué);2011年

10 徐仁晶;無(wú)線傳感器網(wǎng)絡(luò)數(shù)據(jù)融合算法研究[D];南京理工大學(xué);2012年

本文編號(hào)：2421312