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:摘要大规模,分布式的智能感知组件及其传感感知数据流的实时,双向,可靠流动已经成为智能电网的重要特征之一。本文提出了一种应用于电网环境的无线传感器改进AODV路由协议优化设计,以提高海量传感组件之间的数据传输性能与能量利用效率。具体的,通过改进路由请求消息,引入节点电量等级,负荷状态,代价因子函数等手段,在路由选择的过程中充分考虑节点能量和负荷状况,避免在处于拥塞状态和剩余能量不足的节点上建立路由。改进的路由优化设计更符合无线传感网络的应用需求,选择剩余能量多、负载小及跳数短的链路作为路由,提高了数据传输的可靠性、均衡网络的能量消耗,提高了网络的数据传输性能。仿真实验验证了上述机制的有效性。
简介:由于南水北调中线干线工程规模巨大、输水线路超长、战略地位重要,环境复杂,利用先进的传感器网络技术对南水北调中线干线工程进行立体全天候实时安全防护至关重要。南水北调工程安全传感器网络的服务包括:分析、决策与控制,为了实现这些服务,实现人与物、物与物的智慧对话,在数据层面,必须对数据进行智能处理和分析。因此,针对南水北调中线干线工程应用的多类型传感器开展压缩感知、数据预处理技术等研究以减少系统数据冗余,通过目标检测、协同融合等关键技术研究对异常情况进行识别与分类,并基于已有数据基础建立入侵异常模式数据库。
简介:针对单一特征步态识别率低的问题,提出一种将步态能量图(GaitEnergyImage,GEI)中动态部分和Gabor小波特征融合的步态识别算法.首先,通过运动目标检测及二值化和形态学处理等预处理操作得到步态轮廓图,再进一步从步态轮廓图计算得到步态能量图,并从中分割出动态部分.然后,利用Gabor小波从步态能量图的动态部分中提取不同角度的信息,将两步态特征融合在一起,对融合后得到的特征向量用改进的KPCA方法进行降维.最后,将降维后的融合特征向量输入到基于多分类的支持向量机(SupportVectorMachine,SVM)中,从而完成步态的分类和识别.经过在中国科学院自动化研究所CASIA步态数据库上进行实验,取得了很好的识别效果,实验结果表明,与单一特征的步态识别方法相比,融合后算法的识别率提高了约10%.
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.