CN105472687A - 一种基于感知属性的无线传感器网络节点分类融合方法 - Google Patents

一种基于感知属性的无线传感器网络节点分类融合方法 Download PDF

Info

Publication number
CN105472687A
CN105472687A CN201510910202.4A CN201510910202A CN105472687A CN 105472687 A CN105472687 A CN 105472687A CN 201510910202 A CN201510910202 A CN 201510910202A CN 105472687 A CN105472687 A CN 105472687A
Authority
CN
China
Prior art keywords
node
centroid
data
fusion
nodes
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN201510910202.4A
Other languages
English (en)
Other versions
CN105472687B (zh
Inventor
朱江
刘蕴娴
田淑娟
裴廷睿
李哲涛
崔荣埈
关屋大雄
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Xiangtan University
Original Assignee
Xiangtan University
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Xiangtan University filed Critical Xiangtan University
Priority to CN201510910202.4A priority Critical patent/CN105472687B/zh
Publication of CN105472687A publication Critical patent/CN105472687A/zh
Application granted granted Critical
Publication of CN105472687B publication Critical patent/CN105472687B/zh
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W40/00—Communication routing or communication path finding
    • H04W40/02—Communication route or path selection, e.g. power-based or shortest path routing
    • H04W40/04—Communication route or path selection, e.g. power-based or shortest path routing based on wireless node resources
    • H04W40/10—Communication route or path selection, e.g. power-based or shortest path routing based on wireless node resources based on available power or energy
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W40/00—Communication routing or communication path finding
    • H04W40/02—Communication route or path selection, e.g. power-based or shortest path routing
    • H04W40/20—Communication route or path selection, e.g. power-based or shortest path routing based on geographic position or location
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W84/00—Network topologies
    • H04W84/18—Self-organising networks, e.g. ad-hoc networks or sensor networks
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
    • Y02D30/00—Reducing energy consumption in communication networks
    • Y02D30/70—Reducing energy consumption in communication networks in wireless communication networks

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Mobile Radio Communication Systems (AREA)

Abstract

本发明提出了一种基于感知属性的无线传感器网络节点分类融合方法。本发明的步骤为：首先将节点测得的数据进行无量纲处理，然后将其进行降维得到维数据，确定所有节点的综合感知属性。在此基础上，采用精英策略选择若干中心节点，并确定各个中心节点的从属节点，最后确定融合的节点集合并进行数据融合。本发明能够根据节点实时测量数据的综合感知属性将节点自适应分类，提高了融合效率，将具有同种综合感知属性的节点进行融合，减少了干扰数据，提高了融合精度和信息采集精度，降低了融合误差，规划了数据融合的区域，减少了融合延时，采用精英策略选择中心节点，延长了网络寿命。

Description

一种基于感知属性的无线传感器网络节点分类融合方法
技术领域
本发明涉及一种基于感知属性的无线传感器网络节点分类融合方法，属于无线通信数据收集领域。
背景技术
无线传感器网络(WirelessSensorsNetwork，WSN)是在监测区域范围内通过部署大量传感器节点，并以无线通信方式形成的单跳或多跳的自组织网络系统，以此协同感知、采集和处理监测区域中的被感知对象信息，在第一时间将其发送给观察者。近年来，随着传感器技术、SoC片上系统、微机电系统、低功耗无线传输技术的日臻完善，使得无线传感器网络也得到了重点研究及飞速发展。
由于传感器节点采用大规模、分布式部署，相邻节点所产生的感知数据往往带有高度的相关性，这就产生一定的冗余数据，因而需要数据融合技术对相邻节点所采集的大量原始数据进行实时处理，而只将处理后的少量有效结果传输给汇聚节点。经过数据融合可以显著降低传输数据量，节省中间节点的能量和带宽，从而减轻网络负荷，并延长网络寿命。相关方面的研究主要有基于生成树的数据融合，如最短路径树(SPT)、贪心增长树(GTI)、E－Span算法等；基于网络性能考虑的数据融合，如AIDA算法；以及基于安全的数据融合等。
无线传感器网络的大面积铺设以及数据融合的需求，促使必须有效地组织网络的拓扑结构，以达到均衡负载、延长网络的生命周期的目的，分簇已被证实是将网络组织成层次相连结构的有效方式。所谓“分簇技术”，就是将节点划分成许多组，称为簇(cluster)，每个簇都有一个簇头和许多簇成员节点。分簇将网络划分为两层结构，簇头节点形成高一层，成员节点形成低一层，成员节点将数据发送给各自的簇头节点，簇头节点将数据融合后通过其他簇头节点发送到基站。分簇技术是一种优化能耗的拓扑控制技术，能减少冗余数据量，延长网络寿命，有效地进行网内数据融合，减少数据报告延迟和增强网络的可扩展性。
目前已有的分簇融合算法，大都只考虑了节点的地理位置、能量、网络生存时间几个方面，却忽视了节点测得的数据本身的特征信息，例如感知属性等信息。在数据融合时不能合理地选择参与融合的节点和融合中心节点，导致融合后仍有较多的冗余数据，数据融合的误差较大，融合效率不高。因此我们可以将不同区域的节点的数据特征和分簇技术相结合，以达到更好的效果。
发明内容
本发明的目的在于克服上述已有技术的缺点，提出了一种基于感知属性的无线传感器网络节点分类融合方法。本发明的步骤为：首先将节点测得的数据进行无量纲处理，然后将其进行降维得到维数据，确定所有节点的综合感知属性。在此基础上，采用精英策略选择若干中心节点，并确定各个中心节点的从属节点，最后确定融合的节点集合并进行数据融合。其具体步骤包括如下：
步骤一、将无线传感器网络中各节点测得的多种属性数据统一为无量纲数据，统一无量纲得到的数值为，计算公式为：，其中第个节点测得的某种数据值为，所有节点中这种数据测得的最小值为，最大值为，无量纲数据的范围为；
步骤二、将统一后的多种属性数据用主成分分析法进行降维，得到维数据，并将维数据统一范围为；
步骤三、对降维后得到的维数据，以为步长将维空间划分为等大小的个子空间，根据节点的维数据，确定节点在维空间中所属的子空间，每个子空间中的节点定义为具有同一种综合感知属性，并将综合感知属性标号为1到，每个节点存储其综合感知属性；
步骤四、将无线传感器网络按照地理位置分为个小区域，在每个小区域内选择每一轮数据融合的中心节点，每个中心节点具有某一种综合感知属性；
步骤五、依据节点综合感知属性、信号强度和剩余能量把无线传感器网络中的节点进行分类，得到每个中心节点以及它的从属节点的集合；
步骤六、以中心节点为圆心，以集合中距离中心节点最远的节点与中心节点的距离为融合半径，对融合半径范围内本集合中所有的节点数据进行数据融合。
本发明具有如下优点：
1、本发明能够根据节点实时测量数据的综合感知属性自适应分类，提高了融合效率；
2、本发明将具有同种综合感知属性的节点进行融合，减少了干扰数据，提高了融合精度和信息采集精度，降低了融合误差；
3、本发明规划了数据融合的区域，减少了融合延时；
4、本发明根据每个节点到汇聚节点的距离和每个节点的剩余能量进行精英节点的选择，再在其中选择中心节点，延长了网络寿命。
附图说明
图1基于感知属性的无线传感器网络节点分类融合方法流程图；
图2综合感知属性二维划分图；
图3节点分类融合图。
具体实施方式
本发明通过得到节点测量数据的综合感知属性，对节点进行分类，进行数据融合，为了更清楚地说明本发明，通过监测某区域的天气情况，这一实例来进行具体描述，通过在某区域内部署多个传感器节点，对天气情况进行监测。
结合附图和实例，本发明的具体实施方式如下：
步骤一、将无线传感器网络中各节点测得的多种属性数据，如温度、湿度、风力、气压和光强等，统一为无量纲数据，统一无量纲得到的数值为，计算公式为：，其中第个节点测得的某种数据值为，所有节点中这种数据测得的最小值为，最大值为，无量纲数据的范围为。
步骤二、将统一后的多种属性数据用主成分分析法进行降维，得到二维数据，并将二维数据统一范围为，具体步骤如下：
1）设个节点采集的种感知属性的数据为，则，其中 表示第个节点测得的第种感知属性的数据， 表示所有节点测得的第种感知属性的无量纲数据构成的向量；
2）将的每一列（代表一个属性字段）进行零均值化，即减去这一列的均值；
3）计算协方差矩阵，不同维度的协方差计算公式为，其中，；
4）对协方差矩阵进行特征值分解，获得其特征值和特征向量；
5）将特征值从大到小依次排列，再把对应的特征向量按列排列成矩阵，取前两列组成矩阵；
6）即为降维到二维后的数据；
7）设降维得到的某一维度第个节点的数据值为，所有节点中这种数据的最小值为，最大值为，统一范围得到的数值为，计算公式为：。
步骤三、对降维后的二维数据建立平面坐标系，并以10为步长将该平面划分为等大小的100个网格，根据节点的二维数据，确定节点在平面坐标系中所属的网格，参考图2所示，每个网格中的节点定义为具有同一种综合感知属性并将综合感知属性标号为1到100，每个节点存储其综合感知属性。
步骤四、将无线传感器网络按照地理位置分为个小区域，在每个小区域内选择每一轮数据融合的中心节点，每个中心节点具有某一种综合感知属性，具体步骤如下：
1）根据每个节点到汇聚节点的距离和每个节点的剩余能量计算每个节点传送数据的能力，第个节点传送数据的能力的计算公式为：，其中区域内节点个数为，第个节点到汇聚节点的距离为，第个节点的剩余能量为，将所有能力大于阈值的节点构成精英节点集合；
2）每个精英节点产生0到1之间的一个随机数，如果这个数小于阈值，则向区域内所有节点广播该节点成为当前轮的中心节点和该节点的综合感知属性，设是中心节点的概率，即中心节点在所有精英节点中所占的百分比，是选举过的轮次，为过去的轮次中精英节点集合中没有当选过中心节点的节点集合，则阈值计算方法为：；
3）经过若干轮次，当精英节点集合中所有节点都当选过中心节点之后，重复步骤1）和2）重新选择新的中心节点。
步骤五、依据节点综合感知属性、信号强度和剩余能量把无线传感器网络中的节点进行分类，得到每个中心节点以及它的从属节点的集合，参考图3所示，具体步骤如下：
1）各节点根据本身的综合感知属性，以及收到的各个中心节点的广播信息，判断节点本身和哪个中心节点的综合感知属性相同，选择从属于综合感知属性与本身相同的中心节点，如果节点和多个中心节点的综合感知属性相同，则执行步骤2）；
2）根据不同中心节点的信号强度判断，节点选择从属于信号强度更强的中心节点，如果在这些中心节点中信号强度最强的中心节点多于一个，则执行步骤3）；
3）根据不同中心节点的剩余能量判断，在其中选择剩余能量最多的节点作为其中心节点。
步骤六、以中心节点为圆心，以集合中距离中心节点最远的节点与中心节点的距离为融合半径，对融合半径范围内本集合中所有的节点数据进行数据融合。

Claims (3)

1.一种基于感知属性的无线传感器网络节点分类融合方法，所述方法至少包括以下步骤：
步骤一、将无线传感器网络中各节点测得的多种属性数据统一为无量纲数据，统一无量纲得到的数值为，计算公式为：，其中第个节点测得的某种数据值为，所有节点中这种数据测得的最小值为，最大值为，无量纲数据的范围为；
步骤二、将统一后的多种属性数据用主成分分析法进行降维，得到维数据，并将维数据统一范围为；
步骤三、对降维后得到的维数据，以为步长将维空间划分为等大小的个子空间，根据节点的维数据，确定节点在维空间中所属的子空间，每个子空间中的节点定义为具有同一种综合感知属性，并将综合感知属性标号为1到，每个节点存储其综合感知属性；
步骤四、将无线传感器网络按照地理位置分为个小区域，在每个小区域内选择每一轮数据融合的中心节点，每个中心节点具有某一种综合感知属性；
步骤五、依据节点综合感知属性、信号强度和剩余能量把无线传感器网络中的节点进行分类，得到每个中心节点以及它的从属节点的集合；
步骤六、以中心节点为圆心，以集合中距离中心节点最远的节点与中心节点的距离为融合半径，对融合半径范围内本集合中所有的节点数据进行数据融合。
2.根据权利要求1所述的一种基于感知属性的无线传感器网络节点分类融合方法，其特征在于步骤四中选择中心节点的过程，至少包括以下步骤：
1）根据每个节点到汇聚节点的距离和每个节点的剩余能量计算每个节点传送数据的能力，第个节点传送数据的能力的计算公式为：，其中区域内节点个数为，第个节点到汇聚节点的距离为，第个节点的剩余能量为，将所有能力大于阈值的节点构成精英节点集合；
2）每个精英节点产生0到1之间的一个随机数，如果这个数小于阈值，则向区域内所有节点广播该节点成为当前轮的中心节点和该节点的综合感知属性，设是中心节点的概率，即中心节点在所有精英节点中所占的百分比，是选举过的轮次，为过去的轮次中精英节点集合中没有当选过中心节点的节点集合，则阈值计算方法为：；
3）经过若干轮次，当精英节点集合中所有节点都当选过中心节点之后，重复步骤1）和2）重新选择新的中心节点。
3.根据权利要求1所述的一种基于感知属性的无线传感器网络节点分类融合方法，其特征在于步骤五中确定从属于各个中心节点的节点集合，至少包括以下步骤：
1）各节点根据本身的综合感知属性，以及收到的各个中心节点的广播信息，判断节点本身和哪个中心节点的综合感知属性相同，选择从属于综合感知属性与本身相同的中心节点，如果节点和多个中心节点的综合感知属性相同，则执行步骤2）；
2）根据不同中心节点的信号强度判断，节点选择从属于信号强度更强的中心节点，如果在这些中心节点中信号强度最强的中心节点多于一个，则执行步骤3）；
3）根据不同中心节点的剩余能量判断，在其中选择剩余能量最多的节点作为其中心节点。
CN201510910202.4A 2015-12-10 2015-12-10 一种基于感知属性的无线传感器网络节点分类融合方法 Expired - Fee Related CN105472687B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201510910202.4A CN105472687B (zh) 2015-12-10 2015-12-10 一种基于感知属性的无线传感器网络节点分类融合方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201510910202.4A CN105472687B (zh) 2015-12-10 2015-12-10 一种基于感知属性的无线传感器网络节点分类融合方法

Publications (2)

Publication Number Publication Date
CN105472687A true CN105472687A (zh) 2016-04-06
CN105472687B CN105472687B (zh) 2019-01-29

Family

ID=55609850

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201510910202.4A Expired - Fee Related CN105472687B (zh) 2015-12-10 2015-12-10 一种基于感知属性的无线传感器网络节点分类融合方法

Country Status (1)

Country Link
CN (1) CN105472687B (zh)

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20080258907A1 (en) * 2006-08-02 2008-10-23 24/8 Llc Wireless detection and alarm system for monitoring human falls and entries into swimming pools by using three dimensional acceleration and wireless link energy data method and apparatus
CN101848529A (zh) * 2010-03-31 2010-09-29 中国地质大学（武汉） 一种无线传感器网络的多重主成分分析数据压缩方法
CN103837889A (zh) * 2013-11-29 2014-06-04 成都理工大学 一种地震属性多源信息融合方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20080258907A1 (en) * 2006-08-02 2008-10-23 24/8 Llc Wireless detection and alarm system for monitoring human falls and entries into swimming pools by using three dimensional acceleration and wireless link energy data method and apparatus
CN101848529A (zh) * 2010-03-31 2010-09-29 中国地质大学（武汉） 一种无线传感器网络的多重主成分分析数据压缩方法
CN103837889A (zh) * 2013-11-29 2014-06-04 成都理工大学 一种地震属性多源信息融合方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
童金武等: "基于主成分分析法的多传感器数据融合算法研究", 《单片机与嵌入式系统应用》 *
陈功: "基于主成分分析技术的无线传感器网络路由算法研究", 《华中师范大学2009年硕士学位论文》 *

Also Published As

Publication number Publication date
CN105472687B (zh) 2019-01-29

Similar Documents

Publication Publication Date Title
Khoufi et al. Survey of deployment algorithms in wireless sensor networks: coverage and connectivity issues and challenges
Afsar et al. Clustering in sensor networks: A literature survey
Kour et al. Hybrid energy efficient distributed protocol for heterogeneous wireless sensor network
Chehri et al. A framework of optimizing the deployment of IoT for precision agriculture industry
CN103906164B (zh) 海上搜救无线传感器网络拓扑及拓扑控制方法
Ma et al. Fairness-aware UAV-assisted data collection in mobile wireless sensor networks
CN104135752B (zh) 一种无线传感器网络簇头节点选择方法及分簇方法
CN109451556B (zh) 基于uav对无线传感网充电的方法
CN102300281B (zh) 一种基于无线传感网络的桥梁状态监测路由方法
CN108235402B (zh) 一种基于改进树型分簇的无线传感器网络路由协议
CN104284386A (zh) 基于点介数的无线传感器网络簇头选择方法
Xiang et al. Reliability evaluation and reliability-based optimal design for wireless sensor networks
Jardosh et al. A survey: Topology control for wireless sensor networks
Albu-Salih et al. ASR-FANET: An adaptive SDN-based routing framework for FANET.
CN104065574A (zh) 一种无线传感器网络层内非均匀分簇路由方法
CN110650512A (zh) 一种基于模糊理论的低功耗广域异构传感网分簇算法
Ala’F et al. Double mobility WSN: exploiting the mobility of sink and cluster head nodes for better WSN energy preservation and lifetime
Poonguzhali Energy efficient realization of clustering patch routing protocol in wireless sensors network
Bharany et al. Energy Efficient Clustering Protocol for FANETS Using Moth Flame Optimization. Sustainability 2022, 14, 6159
SB et al. Sector based multi-hop clustering protocol for wireless sensor networks
Helmy et al. Artificial fish swarm algorithm for energy-efficient routing technique
Oktug et al. 3D coverage analysis under heterogeneous deployment strategies in wireless sensor networks
Abd Ellatief et al. Energy efficient density-based clustering technique for wireless sensor network
CN105472687A (zh) 一种基于感知属性的无线传感器网络节点分类融合方法
Manikandan et al. Energy efficient clustering algorithm for mobile cluster heads to enhance the lifespan of wireless sensor network

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant
CF01 Termination of patent right due to non-payment of annual fee

Granted publication date: 20190129

CF01 Termination of patent right due to non-payment of annual fee