马占飞，巩传胜，李克见，林继祥，刘雨忻

（1.内蒙古科技大学包头师范学院，内蒙古 包头 014010；2.内蒙古科技大学信息工程学院，内蒙古 包头 014010）

0 引 言

针对无线传感器网络（wireless sensor networks，WSNs）因传输大量冗余数据导致高能耗的问题［1］，大量学者将基于神经网络的数据融合技术引进到WSNs 中，对监测数据进行融合处理，以提高数据的采集精度和节约网络能量。文献［2］设计了一种基于反向传播（back propagation，BP）神经网络的WSNs［3］数据融合算法，实验表明，该算法能显著减少数据冗余，降低数据通信量。文献［4 ～6］分别使用遗传算法（genetic algorithm，GA）、萤火虫算法（firefly algorithm，FA）和蚁群优化（ant colony optimization，ACO）算法对BP神经网络的初始网络参数进行优化，以提高BP 神经网络的稳定性和收敛速度，实验表明，优化后的BP神经网络能有效去除冗余数据且提高数据融合精度。文献［7］提出使用粒子群优化（particle swarm optimization，PSO）算法优化BP神经网络的数据融合算法--PSO-BP算法，通过PSO算法优化BP神经网络的初值，并与分簇路由协议结合，能有效提升数据采集效率，延长网络生命周期。但PSO 算法存在易陷入局部最优、早熟收敛等问题。文献［8］提出用天牛须搜索（beetle antennae search，BAS）算法改进PSO 优化BP的WSNs数据融合算法--BSO-BP算法，实验结果表明：该算法能有效提高数据融合精度和网络收敛速度。但该算法没有综合考虑局部寻优与全局搜索之间的平衡问题，也没有解决粒子群易陷入局部最优的缺陷。

针对上述问题，本文从优化粒子群寻优性能和提高BP神经网络数据融合精度的角度出发，在传统PSO算法中引入细菌觅食优化（bacterial foraging optimization，BFO）算法的趋化、迁徙算子进行改进，提出一种基于改进PSO（improved PSO，IPSO）-BP神经网络的WSNs数据融合算法。……