王虹，徐佑宇，谭冲，刘洪，郑敏

(1 中国科学院上海微系统与信息技术研究所， 上海 200050； 2 中国科学院大学, 北京 100049)

无线传感器网络 (wireless sensor network，WSN)是由大量小尺寸、低成本的微传感器节点通过自组织和多跳方式形成的通信网络[1]，将传感器数据发送给汇聚节点以实现对特定区域的环境信息的探测和感知。WSN中传感器节点能量有限，并且节点电池由于环境因素难以替换[2]。WSN中传感器节点在监测区域分布较密，会导致监测区域的重叠，产生的大量冗余数据传输至汇聚节点会造成额外的能量消耗，缩短整个网络的生命周期[3]。对WSN数据进行数据融合处理，能有效地减少冗余数据，降低传感器节点能耗，延长网络生命周期[4]。

针对无线传感网数据传输能耗较高的问题，科研人员提出各种WSN数据融合算法来减少数据传输，以降低传感器节点能耗[5]。文献[3]设计一种基于反向传播(back propagation，BP)神经网络的数据融合算法(back-propagation networks data aggregation，BPNDA), 该算法将BP神经网络和传感器网络分簇路由协议有机结合,将每个簇设计成一个神经网络模型, 通过神经网络提取对原始数据进行特征提取,然后将特征数据发送给汇聚节点, 从而提高数据收集效率, 延长网络生存时间。但是BP神经网络对于初始权值和阈值很敏感，易陷入局部极小值。文献[6]利用遗传算法对BP神经网络的权值和阈值参数进行优化，提出一种基于遗传算法(genetic algorithm，GA)的BP神经网络数据融合算法GABP算法，能有效减少冗余数据，延长网络生命周期。但遗传算法存在搜索能力较差，求解速度较慢的缺陷。……