无线传感器网络中基于马尔科夫链的数据预测算法
无线传感器节点持续感知的数据具有高度的时间关联性,所产生的冗余数据会给传感器节点带来不必要的数据传输和能量消耗.数据预测算法通过预测节点的感知数据序列可以有效避免上述问题.提出一种基于马尔科夫链的数据预测算法(MC-DP),该算法首先对传感器节点感知的数据进行弱化处理来提高数据序列的光滑性,然后采用离散灰色预测模型对节点需要向sink传输的数据序列进行预测,当节点预测的数据精度不够时,进一步使用基于马尔科夫链的数据修正过程来对其进行改进.实验结果表明,MC-DP算法预测准确率更高,预测序列的数据误差率更低,使用该预测算法使得传感器节点可以节约更多能量.
无线传感器网络、离散灰色模型、马尔科夫链、数据预测
37
TP301(计算技术、计算机技术)
国家自然科学基金项目61370210;福建省教育厅A类科技项目2013JA12027;福州大学科技发展基金项目2013-XQ-35
2017-04-26(万方平台首次上网日期,不代表论文的发表时间)
共6页
2498-2503