10.19734/j.issn.1001-3695.2018.07.0345
基于异常数据预处理和自适应估计的WSN数据融合算法
针对无线传感器网络(wireless sensor network,WSN)存在节点能量受限、测量精度低、生存期短等问题,提出一种基于异常数据预处理和自适应估计加权融合算法(abnormal data-preprocessing adaptive estimation weighting fusion,ADAEWF).为了提高算法可靠性,提出了基于异常数据检测、简单多数原则和节点综合支持度函数的数据预处理机制;为了减小测量误差对融合精度的影响,基于分批估计和自适应理论对节点测量值进行自适应估计加权数据融合;然后,建立了WSN仿真模型,并分别获得了ADAEWF、自适应预测加权数据融合算法(adaptive forecast weighting data fusion,AFWDF)和算术平均值法下融合结果的均方误差和网络有效生存期.仿真结果显示:ADAEWF算法融合精度和网络有效生存期均优于AFWDF和算术平均值法,表明ADAEWF算法在提高融合数据有效性、网络有效生存期和融合精度方面具有优越性.
无线传感器网络、异常数据预处理、自适应分批估计、数据融合
36
TP393.03(计算技术、计算机技术)
国家自然科学基金资助项目61703146;河南省科技攻关项目172102210043;河南省高等学校重点科研资助项目15A510028;河南农业大学科技创新基金项目KJCX2015A17,KJCX2016A09
2019-12-04(万方平台首次上网日期,不代表论文的发表时间)
共5页
2750-2754