一种基于分布式神经网络的无线传感器网络数据融合方法技术

本发明专利技术公开一种基于分布式神经网络算法的无线传感器网络数据融合方法。首先各节点以小功率广播自己的编号和位置，并接受其他节点广播的数据。各节点启用一个回退定时器，定时器的起始值正比于N-S

【技术实现步骤摘要】
一种基于分布式神经网络的无线传感器网络数据融合方法
本专利技术涉及无线传感器网络的数据融合领域。
技术介绍
在无线传感器网络(WSN)的各项技术中，数据是核心问题之一。无线传感器网络必须依靠大规模传感器节点协作，通过低功耗无线电通信技术连成网络才能够发挥其整体和综合作用。而无线传感器网络一般要求系统生命期必须达到数月，而传感器节点一般能源有限无法补充。在传感器网络中最主要的通信是从传感器节点到用户的感知数据，每一个传感器节点都有可能对环境进行感知或作为对其他节点产生的数据进行转发的中继节点。这些节点产生的数据有可能使网络发生拥塞。然而，传感器网络大规模密集部署的特点导致这些数据中的大部分是无效的，因此可以在传送过程中处理数据，减少无效数据，从而出现了数据融合的概念。数据融合的主要思想是删除冗余、无效和可信度较差的数据，同时将来自不同节点的信息结合起来进行融合处理，达到减少网络数据传输的数据数量的目的，同时要以牺牲延迟和鲁棒性为代价。这与传统的多传感器数据融合技术有所不同。传统的多传感器数据融合是对不同的知识源和传感器采集的数据进行融合，以实现对观测现象更好的理解。而无线传感器网内数据融合主要是为了减少网络内的数据传输量，达到减少能源的消耗，延长网络生命期的目的。WSN数据融合的研究成果有许多，但还存在一些问题。网络中数据传输的方式必须有利于数据的融合，同时网络中采用的数据处理方法也需要能够将传感器采集到的数据如实高效地传递给用户。另外，由于拓扑结构动态变化和数据处理算法更新等特点，数据融合的方法还存在较大的发展空间。
技术实现思路
本专利技术公开一种基于分布式并行神经网络的无线传感器网络数据融合方法。首先各传感器节点以87m为传输半径广播自己的节点编号和位置，并接受其他传感器节点发送过来的数据。而后各节点启用一个回退定时器，定时器的起始值正比于N-S1j，N是传感器节点总数，S1j是各传感器节点本轮竞争中收到的数据包的个数，则最先回退结束即收到最多数据包个数的节点成为主簇头并广播，主簇头收到的节点加入网络。接着被主簇包含的节点进行第二轮竞争成为次级簇头组，回退定时器起始值正比于N-S2j，S2j为节点收到的并异于主簇头收到的数据包个数。依此直至所有节点都被加入网络为止。组网完成后，所有节点采用分布式并行神经网络算法进行数据处理，处理完成后将生成的多项式发送给所属簇头，簇头对多项式进行累加，进而逐级传送至主簇头，再由主簇头完成最终的累加融合，发送给汇聚节点。本算法中，所有的数据发送距离都在87m以内，数据量较直接发送显著降低，总体上降低了传感器网络整体的能量消耗。附图、表说明图1是本专利技术的簇头竞争原理示意图。图2是本专利技术的分布式并行神经网络原理示意图。图3是本专利技术的宏观组网流程图。图4是本专利技术的神经网络工作模式结构图。图5是本专利技术的簇头竞争过程的流程图。图6是本专利技术的网络生存时间Matlab仿真结果图。具体实施方式为了使本专利技术的目的、特征、优点更加明显易懂，下面结合基础基论、公式附图，按照基本原理、宏观流程、具体步骤的顺序对本专利技术做进一步的详细说明。(1)基本原理①流言算法。如图1所示，簇头的选择以节点收到的数据报个数为依据，数据包个数最多的成为主簇头，主簇收到的节点成为主簇；在主簇包含的节点中，收到数据包个数与主簇头相异最多的节点成为第一次级簇头，以此推出所有次级簇头，次级簇头组收到的节点成为次级簇；在次级簇包含的节点中，收到数据包个数与主簇头、次级簇头组相异最多的节点成为第一三级簇头，依次类推出所有级别簇头级分簇。所有节点都将自己的数据发送给所属簇头。②分布式并行计算的神经网络。如图2所示为基于分布式并行计算的神经网络，相对于一般神经网络有以下优势：①速度快。引入了分布式并行计算机制，各个权函数能够独立求解，因此可以通过并行系统采用并行算法计算；②可扩展性好；③泛化能力强；④很容易求得全局最优点，神经网络结构和算法可以精确回想起训练过的样本，这是许多传统算法所不具备的。(2)宏观流程①图3为本专利技术的宏观组网流程图。在节点初始化后，各节点进入竞争组网过程。竞争过程中采用流言算法进行竞争。当所有节点都加入网络后竞争技术，组网完成。②图4为神经网络的工作模式结构图。节点上的传感器在采集到数据后，将数据转换为一个切比雪夫多项式，公式为其中可以表示为将此切比雪夫多项式发送给其所属多级簇头，多级簇头在接受到该多项式后进行累加，并将累加结果发送给上一级簇头，直至所有节点的多项式累加结果在主簇头汇聚，结果即为神经网络的输出结果，主簇头将此结果发送给汇聚节点(用户)。③当有簇头组中有簇头的能量低于本轮工作工程初始能量的30％时，网络进入到轮替过程。轮替过程中，所有节点将自己的剩余电量值通过网络发送给主簇，主簇进行排名后广播，能量排名前50％参与下一轮竞争过程。(3)簇头竞争具体步骤，流程如图5所示①全体节点广播。广播时，所有节点以87m为传输半径进行广播，广播的数据包中包括节点的ID及自身的位置信息。同时所有的节点无条件接受其他节点发送来的广播消息，并存储，。②主簇头竞争。主簇竞争过程中，指定节点(第一轮为所有节点)启用一个回退定时器，定时器的起始值正比于N-S1j，N是传感器节点总数，S1j是各传感器节点本轮竞争中收到的数据包的个数，则最先回退结束即收到最多数据包的节点成为主簇头并广播，广播中消息中包括主簇收到的节点的ID和主簇的位置信息，其他节点接受并对照检查是否有自己的ID，主簇广播中包括的则加入主簇(即距离主簇头87m范围内的节点全部加入网络)。③次级簇头竞争。指定主簇节点(第一轮为所有节点)参与次级簇头竞争，同样启用一个回退定时器，回退定时器起始值正比于N-S2j，S2j为节点收到的且异于主簇头收到的数据包的个数。最先结束的节点成为第一次级簇头并广播，广播中消息中包括其收到的节点的ID和主簇的位置信息，其他节点接受并对照检查是否有自己的ID，主簇广播中包括的则加入次级簇。④依照步骤③的方式选出第二，第三等次级节点，直至所有被主簇节点收到数据包的节点全部加入网络(即距离主簇头174m范围内的节点全部加入网络)。⑤多级簇头竞争。依照③④步骤的方法进行多级簇头的竞争。直至所有节点都加入网络，如图1所示。需要指出的是，具体步骤数目是不固定的，完成组网的判断标志为全部节点均接入网络，若存在节点未接入网络刚增加一级簇头，继续组簇，直至生成一个完整的树、簇结合的网络。(4)神经网络训练具体步骤基于分布式并行计算的神经网络需要在工作前进行训练，用以调整输入层各节点的权值。神经网络的权值训练步骤如下：①主簇头将所有节点的ID和位置信息发送给汇聚节点。②汇聚节点根据ID信息和位置信息生成一个分布式并行神经网络。③汇聚节点查询示例数据库中查找匹配的集群成员的信息，并对分布式并行神经网络进行训练，建立相应的神经网络参数的数据库。④汇聚节点将生成的数据库参数进行广播。网络中的每个节点接收对应ID的神经网络参数，并建立各自的数据处理方法。⑤网络运行稳定。所有簇头将受到的切比雪夫多项式进行累加，，主簇头累加得到最终结果并将结果发送到汇聚节点(用户)。实验结果采用Matlab对本专利技术方法进行仿真实验。实验中，200个节点随机分布在500本文档来自技高网...

【技术保护点】
本专利技术公开一种基于分布式并行神经网络算法的无线传感器网络数据融合方法：首先各传感器节点以87m为传输半径广播自己的节点编号和位置，并接受其他传感器节点发送过来的数据；而后各节点启用一个回退定时器，定时器的起始值正比于N‑S

【技术特征摘要】
1.本发明公开一种基于分布式并行神经网络算法的无线传感器网络数据融合方法：首先各传感器节点以87m为传输半径广播自己的节点编号和位置，并接受其他传感器节点发送过来的数据；而后各节点启用一个回退定时器，定时器的起始值正比于N-S1j，N是传感器节点总数，S1j是各传感器节点本轮竞争中收到的数据包的个数，则最先回退结束即收到最多数据包个数的节点成为主簇头并广播，主簇头收到的节点加入网络；接着被主簇包含的节点进行第二轮竞争成为次级簇头组，回退定时器起始值正比于N-S2j，S2j为节点收到的并异于主簇头收到的数据包个数，依此直至所有节点都被加入网络为止；组网完成后，所有节点采用分布式并行神经网络算法进行数据处理，处理完成后将生成的多项式发送给所属簇头，簇头对多项式进行累加，进而逐级传送至主簇头，再由主簇头完成最终的累加融合，发送给汇聚节点；本算法中，所有的数据发送距离都在87m以内，数据量较直接发送显著降低，总体上降低了传感器网络整体的能量消耗。2.根据权利要求1所述的基于分布式并行神经网络算法的无线传感器网络数据融合方法，其特...

【专利技术属性】
技术研发人员：李长庚，周子傲，刘昌童，
申请(专利权)人：中南大学，
类型：发明
国别省市：湖南,43