专利名称：基于核密度估计与非参数置信传播的wsn网内数据融合方法
技术领域：
本发明涉及无线传感器网络领域，具体说是一种基于核密度估计与非参数置信传 播的WSN网内数据融合方法。
背景技术：
无线传感器网络(wireless sensor network, WSN)是由大量随机分布的低成本、 低功耗的微型无线传感器节点通过自组织的方式形成的一种分布式网络，它能实时感知、 采集和监测网络覆盖区域中被监测对象的信息，在军事和民用领域都具有广阔的应用前 景。目标定位跟踪是无线传感器网络(wireless sensor network, WSN)的重要应用，准确 有效的监测数据是实现目标精确定位跟踪的基础，数据融合是WSN目标定位跟踪的关键技 术。WSN网内检测级数据融合是指在WSN多传感器分布检测系统中，每个传感器节点对所获 得观测先采用一定数据处理方法进行预处理，然后将更有代表性的压缩信息传送给其它传 感器，最后在某一中心汇总和融合这些信息产生全局检测判决。WSN通过多传感节点构成监 测联盟协同监测来提高目标监测数据准确性，但用于监测的传感节点越多，网络数据传输 量越大，消耗能量越大；并且WSN通过密集分布的传感器节点采集大量相关原始数据包含 大量冗余、无效和可信度较差的信息，若不对这些数据预处理直接传至汇聚节点，不但网络 数据传输量大，消耗能量多，而且影响收集数据的准确性。为了提高数据传输效率、节省网 络能量、增强收集数据准确性，必须采取有效措施对网内数据进行融合。通过改善监测数据 质量，合理表征监测数据，充分利用多传感器监测信息，对监测联盟各节点监测数据进行适 当数据融合，可使监测数据更准确有效。从数据流通形式、网络节点处理方式看，WSN网内数据融合主要有集中式、分布式 融合两种方式。集中式数据融合方式是由汇聚(Sink)节点发出数据查询，相关的多个源 (Sources)节点将数据发送给Sink节点，再由Sink节点进行数据融合，在WSN节点分布较 为密集的情况下，多个Sources节点对同一事件的数据表征存在近似的冗余信息，传输冗 余信息将消耗更多能量；分布式数据融合方式是Sources节点发送的数据经中间节点转发 时，中间节点查看数据包内容，进行数据融合后再传送到Sink节点，一定程度上提高网络 数据收集的整体效率，减少传输数据量，降低能耗，分布式数据处理方式是WSN数据处理的 主要方式。根据数据融合原理和作用的不同，WSN-MTT检测级数据融合算法除了传统方法 (如野值剔除法、门限设定法、加权平均法、自适应加权法、最小二乘法、最小方差法、极大似 然法)外，还有卡尔曼滤波、神经网络、模糊聚类(FCM)、概率密度函数估计点样本分析等 新兴智能数据处理方法。传统数据处理方法原理简单，计算量较小，但融合精度较低；而新 兴智能数据处理算法原理相对复杂，但融合精度高，采取智能数据处理方法可能会增加计 算复杂性；WSN网内数据处理利用的是节点计算和存储资源，随着处理器计算速度和处理 能力不断提高，在一定程度上进行网内数据融合处理，以低能耗的计算资源换取高能耗的通信开销是一个可行方案。因此，新兴智能数据处理算法在WSN数据融合领域应用越来越 多。世界各国学者对新兴智能数据处理方法开展大量研究，其中Abdel-Aziz A. M(2007)利 用FCM，通过在不同传感器所对应观测空间上建立多目标运动状态投影，将单传感器数据关 联算法推广到多传感器信息融合系统中，实现在密集杂波环境下多目标的数据关联与精确 跟踪。孔凡天O006)利用分布式K-平均聚类算法实现无线传感器网络节点传感数据的快 速合理分组，结合基于自适应加权的网内数据融合方法，将分组后的节点感知数据根据其 对应权重值的大小进行融合处理，降低网络数据冗余度，节省存储资源和网络带宽。而概率 密度函数估计方法KDE具有仅从采样数据本身出发、不依赖于特征提取及环境制约、能逼 近任意形式密度分布的特性，能对节点采样数据进行较精确鲁棒表示，美国麻省理工学院 Alexander Τ. IhleH20(^)把核密度估计KDE应用于WSN节点自定位，取得较好效果。另 外，非参数置信传播(Nonparametric Belief Propagation,NBP)具有适合处理分布计算环 境信息的特点，它们在计算机视觉跟踪、过程故障检测诊断、医学检测诊断、WSN节点自定位 等方面取得成功的应用。对于WSN-MTT系统，由于存在随机噪声干扰、特定物理环境偏差、 传感器节点感知脆弱性、测量不准确性、网络传输影响等各种难以避免因素，系统收集信息 具有许多不确定性。若利用KDE表征WSN网内检测数据、NBP处理WSN多节点监测联盟信 息，可能会减少测量干扰和噪声影响，提高监测数据准确性，为WSN网内数据融合带来良好 效果。
发明内容
本发明的目的是提供一种在噪声和不确定环境下可提高监测数据准确性的基于 核密度估计与非参数置信传播的WSN网内数据融合方法。本发明提供的一种基于核密度估计与非参数置信传播的WSN网内数据融合方法， 该方法包括数据采集及数据融合；其中数据采集是在监测区域内构建由不少于3个用作采集监测数据的传感器节点组 成的监测联盟，每个监测联盟对应有一个用来汇集监测数据、作为联盟盟主的盟主节点，每 一个监测联盟内的传感器节点分别对进入监测区域的目标采集监测数据；数据融合是监测联盟内的传感器节点分别对采集的监测数据进行KDE处理，处理 后的数据通过NBP传送汇集到联盟盟主的盟主节点，由盟主节点对汇集数据进行高斯混 合、再将高斯混合后的数据进行Gibbs采样融合，融合的结果作为监测数据的表征。在数据融合步骤中a、KDE处理监测数据的算法是
权利要求
1.一种基于核密度估计与非参数置信传播的WSN网内数据融合方法，该方法包括数据 采集及数据融合，其特征在于数据采集是在监测区域内构建由不少于3个用作采集监测数据的传感器节点组成的 监测联盟，每个监测联盟对应有一个用来汇集监测数据、作为联盟盟主的盟主节点，每一个 监测联盟内的传感器节点分别对进入监测区域的目标采集监测数据；数据融合是监测联盟内的传感器节点分别对采集的监测数据进行KDE处理，处理后 的数据通过NBP处理传送汇集到联盟盟主的盟主节点，由盟主节点对汇集数据进行高斯混 合、再将高斯混合后的数据进行Gibbs采样融合，融合的结果作为监测数据的表征。
2.根据权利要求1所述的基于核密度估计与非参数置信传播的WSN网内数据融合方 法，其特征是在数据融合步骤中a、KDE处理监测数据的算法是
全文摘要
一种基于核密度估计与非参数置信传播的WSN网内数据融合方法，该方法包括数据采集及数据融合，数据采集是在监测区域内构建由不少于3个用作采集监测数据的传感器节点组成的监测联盟，每个监测联盟对应有一个用来汇集监测数据、作为联盟盟主的盟主节点，每一个监测联盟内的传感器节点分别对进入监测区域的目标采集监测数据；数据融合是监测联盟内的传感器节点分别对采集的监测数据进行KDE处理，处理后的数据通过NBP处理传送汇集到联盟盟主的盟主节点，由盟主节点对汇集数据进行高斯混合、再将高斯混合后的数据进行Gibbs采样融合，融合的结果作为监测数据的表征。在噪声和不确定环境下可提高监测数据准确性，实现多节点联盟监测数据的精确融合表征。
文档编号H04W84/18GK102056192SQ20101053590
公开日2011年5月11日 申请日期2010年11月9日 优先权日2010年11月9日
发明者刘美, 徐小玲, 贺婷 申请人:广东石油化工学院