基于K-means和SOM的水下传感器数据采集方法

摘要：

随着海洋资源勘探和海洋污染物监控工作的开展,水文数据的监测和采集等已经成为重要的研究方向.其中,水下无线传感器网络在水文数据采集过程中起着举足轻重的作用.本文研究的是水下无线传感器二维监测网络模型中,传感器节点数据采集的问题,其设计方法是通过自组织映射(Self-organizing mapping,SOM)对传感器节点进行路径最优化处理,结合优化的路径图形和K-means算法找到路径内部聚合点,利用聚合点和传感器的节点得到传感器通信半径内的数据采集点,最后通过SOM得到水下机器人(Autonomous underwater vehicle,AUV)到各个数据采集点采集数据的最优路径.经过实验验证,在水下1200 m×1750 m范围内布置52个传感器节点的情景下,数据采集点相比于传感器节点路径规划采用相同的采集顺序得到的路径优化了6.7％;对数据采集点重新进行自组织路径规划得到的路径比传感器结点路径的最优解提高了12.2％.增加传感器节点的数量,其结果也大致相同,因此采用该方法可以提高水下机器人采集数据的效率.

关键词：K-means算法、自组织神经网络、无线传感器网络、路径规划、数据采集

所属期刊栏目：36

分类号：TP317(计算技术、计算机技术)

在线出版日期：2021-04-20（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：280-288