【技术实现步骤摘要】
本专利技术涉及无线传感器网络数据融合处理领域，具体涉及一种用于植物生长监测的WSN数据分层融合方法。
技术介绍
物联网尤其是无线传感技术现已广泛应用于农业生产，工业制造以及物流运输等方面，将无线传感技术应用于农业生产，尤其是农作物生长环境监测领域，可以有效降低人力物力的消耗和对土壤生态环境的影响[1]。在农作物生长环境监测中，无线传感器网络监测面积大、数据传输距离远，且传感器节点大多为电池供电，连续工作寿命受限。同时农作物生长环境变化缓慢、实时性要求低，如果将不经处理的数据直接发送给上位机处理，不仅浪费能量，而且不利于数据利用，甚至造成网络拥塞和瘫痪。无线传感网络数据融合技术可以有效去除冗余信息，提高数据的准确度和精度，节省传感器节点能量，达到延长网络寿命的目的，因此能够有效地解决以上问题。无线传感器网络数据融合技术已经成为是众多科技工作者的研究热点。如为提高多传感器检测系统预警精度，提出在数据层、特征层、决策层分别进行数据融合的多传感器分层数据融合模型。以及提出单个传感器数据融合，再进行传感器间数据加权自适应融合的方法，但去除粗大误差时计算方法较为复杂，且传感器间数据融合全部在同一节点完成，使该节点负担较重。还有研究人员提出采用移动代理进行分层数据融合，在每层采用不同的融合算法。无线传感器节点和路由器的能量有限且处理性能较弱，因而数据融合算法应当尽量简洁，易于实现。自适应加权数据融合算法无需传感器系统的先验知识，依靠传感器采集的测量数据即可实现较高精度的融合估计，且计算方法简便。
技术实现思路
本专利技术要解决的技术问题是：提供一种用于植物生长监测的WSN...
【技术保护点】
一种用于植物生长监测的WSN数据分层融合方法，其特征在于：包括以下步骤：1)单个传感器节点单位时间内采集数据，包括植物生长所需要监测的温度、土壤湿度、光照强度、CO2浓度参数；2)运用格拉布斯准则剔除单个传感器节点在单位时间内采集数据的粗大误差；将剩余数据重复以上过程；3)将单个传感器节点数据去除粗大误差后进行分批估计：设第j组数据可分别表示为计算量与精准性的平衡；第j组平均值为：Xj‾=1njΣi=1njxji,]]>对应的方差为：σj2=1nj-1Σi=1nj(xji-Xj‾)2,]]>单一节点数据同属于一批测量数据，可认为近似服从正态分布，由分批估计理论可得到第i个节点的最优融合方差为：σi2=(Σj=1n1σj2)-1,i=1,2...m,]]>由各组方差和平均值能够计算得知第i个节点融合值为：Xi=(Σj=1n1σj2)-1Σj=1n1σj2Xj‾,i=1,2...m;]]>4)子层节点将单个传感器节点数据估计...
【技术特征摘要】
1.一种用于植物生长监测的WSN数据分层融合方法，其特征在于：包括以下步骤：1)单个传感器节点单位时间内采集数据，包括植物生长所需要监测的温度、土壤湿度、光照强度、CO2浓度参数；2)运用格拉布斯准则剔除单个传感器节点在单位时间内采集数据的粗大误差；将剩余数据重复以上过程；3)将单个传感器节点数据去除粗大误差后进行分批估计：设第j组数据可分别表示为计算量与精准性的平衡；第j组平均值为： X j ‾ = 1 n j Σ i = 1 n j x j i , ]]>对应的方差为： σ j 2 = 1 n j - 1 Σ i = 1 n j ( x j i - X j ‾ ) 2 , ]]>单一节点数据同属于一批测量数据，可认为近似服从正态分布，由分批估计理论可得到第i个节点的最优融合方差为： σ i 2 = ( Σ j = 1 n 1 σ j 2 ) - 1 , i = 1 , 2 ... m , ]]>由各组方差和平均值能够计算得知第i个节点融合值为： X i = ( Σ j = 1 n 1 σ j 2 ) - 1 Σ j = 1 n 1 σ j 2 X j ‾ , i = 1 , 2 ... m ; ]]>4)子层节点将单个传感器节点数据估计值进行加权自适应融合，然后转发给基站；设每个子层有m个节点，单个节点数据融合值记为Xi、方差为对每个子层内节点数据进行层内自适应加权融合；根据权值最优分配原则计算各节点估计值在组内的最优权值Wi，然后对Xi自适应加权融合处理，计算得到子层节点数据融合最优值和对应的方差；5)基站接收各个子层节点数据的融合值和方差，再次融合数据，设每个基站下设p个子层，基站级数据融合过程与子层融合过程基本相同；由上个步骤得到的子层数据方差σq，可计算获知各个子层的自适应加权因子Wq，结合子层数据融合值Yq，最终可求得该时段内测量数据最优值Z。2.根据权利要求1所述的一种用于植物生长监测的WSN数据分层融合方法，其特征在于：所述的运用格拉布斯准则剔除单个传感器节点在单位时间内...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。