【技术实现步骤摘要】
分布式无线传感器网络数据漂移盲校准方法
本专利技术属于通信
，涉及无线传感器网络数据漂移盲校准，具体是一种分布式无线传感器网络数据漂移盲校准方法，用于无线传感器网络下分布式数据漂移的盲校准。
技术介绍
无线传感器网络(wirelesssensornetworks,WSN)由一组具有无线通讯能力的传感器节点组成，结合了无线通信技术、嵌入式计算技术、传感器技术、分布式信息处理技术等多种技术手段，能够实现数据的采集、处理、传输三种功能，其根据数据处理方式可分为集中式和分布式。研究表明，WSN集中式信息处理方式能量消耗较大，网络扩展性较差。而分布式方式可以将信息处理任务分布到传感器节点端完成，减少了网络中数据传输的能量消耗，缓解了集中式处理的系统压力，同时，采用分布式机制处理的无线传感器网络，使网络具备了网络抗毁、易拓展、伸缩性强等特点，不会因为单个节点的增加或失效影响网络中其他节点的运行状态，能够更好的应对各种场景。随着WSN规模的增大，采集数据的准确性要求也愈发增高，然而传感器采集数据时会因自身硬件原因，导致实际信号与测量...
【技术保护点】
1.一种分布式无线传感器网络数据漂移盲校准方法，其特征在于，包括有如下步骤：/n步骤1 确定一个分布式无线传感器网络：建立一个具有N个传感器的分布式无线传感器网络，单个传感器就是无线传感器网络中的一个节点，网络中任一传感器i在t时刻的测量信号表示为y
【技术特征摘要】
1.一种分布式无线传感器网络数据漂移盲校准方法，其特征在于，包括有如下步骤：
步骤1确定一个分布式无线传感器网络：建立一个具有N个传感器的分布式无线传感器网络，单个传感器就是无线传感器网络中的一个节点，网络中任一传感器i在t时刻的测量信号表示为yi,t，实际信号表示为xi,t；测量信号yi,t中普遍存在漂移量di,t和加性噪声vi,t，假设漂移量di,t和加性噪声vi,t符合高斯模型；分布式无线传感器网络测量信号模型表示为：
yi,t＝xi,t+di,t+vi,t；
步骤2收集校准网络模型参数训练数据：假设在分布式无线传感器网络刚确定后并开始测量的T个时刻内，所采集的数据中不含有漂移和噪声值，则T个时刻内采集的数据就是实际信号xi,t；在实际信号xi,t的基础上，结合符合高斯模型的漂移量di,t和加性噪声vi,t，根据测量信号模型得到测量信号yi,t，收集这些实际信号和测量信号作为训练分布式数据漂移盲校准网络模型参数的训练数据；
步骤3建立分布式数据漂移盲校准模型并训练模型参数：分布式数据漂移盲校准模型的结构主要包括依次串行的投影层和恢复层，恢复层的输出为分布式数据漂移盲校准模型的输出；投影层和恢复层的基本结构都采用基于卷积神经网络中卷积层的结构，均独立存在于分布式无线传感器网络的各个节点中；使用训练数据对分布式数据漂移盲校准模型的参数进行训练时，首先训练投影层参数：投影层将实际信号和测量信号同时输入到投影层中进行训练，各节点训练过程相互独立；接着同时训练投影层和恢复层的参数：实际信号和测量信号同时输入到投影层中，投影层输出调整数据维度以满足恢复层的数据输入维度，作为恢复层的输入，各节点训练过程相互独立；当满足训练条件后，完成对数据漂移盲校准模型参数的训练；
步骤4实时采集数据：分布式无线传感器网络各节点独立对T时刻之后的数据实时采集，作为测量数据，即未校准数据；
步骤5各节点进行数据校准：分布式无线传感器网络中各节点获取Tp个实时采集的测量数据作为分布式数据漂移盲校准模型的输入数据，输入到训练好的数据漂移盲校准模型中，对未校准数据校准，分布式数据漂移盲校准模型的输出数据即为各节点采集的Tp个测量数据的校准数据，完成当前采集的Tp个测量数据的数据漂移盲校准；
步骤6循环校准过程：各节点反复循环执行步骤4和步骤5，不断将未校准数据通过校准模型，得到校准后的数据，直至节点能量耗尽，完成分布式无线传感器网络节点数据漂移盲校准方法。
2.根据权利要求1所述的一种分布式无线传感器网络数据漂移盲校准方法，其特征在于，步骤1和步骤2中所述的假设漂移量di,t和加性噪声vi,t符合高斯模型，具体是：噪声高斯模型如下：...
【专利技术属性】
技术研发人员：黄庆东，郭民鹏，李丽，
申请(专利权)人：西安邮电大学，
类型：发明
国别省市：陕西;61
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。