简介:无线传感器网络部署的成功取决于是否能够在其诸如数据的精确性、数据聚类程度以及网络生命周期最大化等问题上,提供一个高质量可靠的性能服务。其中,数据融合机制就特别具有挑战性。如果将一小部分低质量的数据作为数据融合输入,那么极可能对整个数据融合结果产生负面影响。该文提出了改进型分批估计和BP神经网络相结合的多传感器数据融合方法,旨在提高网络的服务质量并减少整个网络的能量消耗。该方法能够辨别和剔除低质量的终端数据,提高数据的精确性;同时,它还能够融合冗余的数据,以减少各站点之间的数据通信消耗,使网络生命周期最大化。通过MATLAB实验仿真,表明该文提出的方法具有良好的数据融合性能;相比于LEACH,有效减少转发数据包量,提高了网络生命期。
简介:通过建立无线传感器网络环境中的能耗模型,研究了高效能耗以及由路径损耗模型不同带来的数据干扰问题.采用二维网格分簇机制,其中簇头选举算法基于节点的剩余能量和随机退避时间,以一种高效且分散的方式使簇头在所有传感器节点中均匀轮换.节点除了在传输和接收数据过程中消耗能量,在干扰重传时也需要消耗额外的能量.根据平面几何学,通过分析和数学推导,得出网络的总能耗与分簇机制中的网格结构直接相关的结论,其中簇的大小决定传输范围,节点距离决定路径损耗指数,网络结构决定同时传输数据的节点产生的干扰总数.通过分析和仿真实验,提出了在无线传感器网络中优化的网格结构和对应的网格大小,从而在最大化降低能耗和最小化总体冲突之间达成平衡.