简介:
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:利用传感网络对公共安全进行实时监测与风险预警,已成为公安信息化重要的一环.围绕公共交通网络中的诸多传感器,收集了海量的监测数据,并将其上传到服务器端进行监测及公共安全风险预测.但其传感数据庞大且密度低,对传输网络带宽及服务器端造成了不小的压力.本文在传感网络的节点端及中继处分别利用加权局部融合和约简融合,消除数据噪声,提高数据密度,剔除冗余属性;在服务器端利用基于遗传算法的BP神经网络进行分析预测,加速收敛速度,降低预测误差6%以上.
简介:目前国内城市道路交通运行指数的计算数据普遍依赖单一的浮动车车速数据,为了进一步探讨多源交通传感器条件下如何有效提高用于指数计算数据的准确性和可靠性,本文以深圳市某快速路的地磁检测器和浮动车两种交通传感器作为实验对象,在基于云模型云相似度数据修复预处理基础上,提出一种基于最小二乘回归支持向量机(LSSVM)的地磁检测器和浮动车的多源数据融合方法.通过采集该路段的地磁车辆检测器、自动车牌识别系统和浮动车数据,以自动车牌识别系统的采集数据作为交通运行状态的真值,对地磁检测器数据和浮动车数据的融合结果进行校核.实验结果表明,与地磁检测器和浮动车的单源数据得到的特征参数相比,LSSVM多源数据融合方法得到的交通运行特征参数更接近真实值.另外,本文还将该方法与传统的多传感器加权数据融合方法、BP神经网络融合方法进行了对比,结果表明LSSVM多源数据融合方法具有更好的数据融合精度和可靠性.