基于BP神经网络的多传感器数据融合方法

2018-09-11邱春荣

长沙民政职业技术学院学报 2018年2期

邱春荣

（长沙民政职业技术学院，湖南长沙 410004）

1.引言

在无线传感器网络（Wireless Sensor Network，WSN）中，各传感器采集了海量的数据。由于各传感器节点能量和网络带宽都非常有限，因此如何在不降低数据应用有效性的前提下，尽可能地降低数据的冗余性，减少无效数据的传输，就成为一个必需解决的问题。本文提出利用BP神经网络模型，通过选取适当的神经网络节点及其数量，并选取相应的模型参数，实现多传感器节点之间的数据融合，从而提高WSN的数据传输效率，提高传感器节点的生存周期。

2.相关工作

许多研究者在应用神经网络技术开展无线传感器网络数据融合方面，开展了大量的研究工作，主要集中在以下两个领域。一是应用神经网络针对WSN中的能耗和数据传输负载等性能参数的改善开展设计和试验,并在提升WSN生存周期和传输性能等方面取得了预期的效果 [1-3][6]。二是围绕数据处理的精度，通过调整神经网络的神经元节点数量和运行参数，构建整体性能较好的融合模型[4-5]。文献[6]运用BP神经网络对WSN的数据融合技术进行了研究和探索，提出了BP神经网络数据融合技术的工作步骤，并对参数性能进行了对比分析。本文与该文献研究内容的主要区别在于针对多个传感器节点的原始数据，先开展奇异数据剔除和Max-min标准化方法处理，并运用MATLAB平台中的BP神经网络工具开展了仿真实验。