WSN中基于BP神经网络的数据融合算法优化

doi:10.3969/j.issn.2095-2198.2022.05.010

摘要
参考文献
相关文章
推荐阅读
Metrics

下载:

PDF (1146KB)
输出: BibTeX | EndNote (RIS)

摘要

为了减少无线传感器网络中的冗余数据量，降低传输能耗，提出一种基于BP神经网络的数据融合算法(adaptive learning rate back-propagation data fusion algorithm，ALR-BPDFA).该算法首先设置簇首选取机制，并引入BP神经网络模型；其次在网络中设置特征变量和特征值，对收集到的信息做过滤和优化处理；最后在神经元学习率上引入自适应学习因子，提高收敛速度和环境稳定性.仿真实验表明：新算法能有效地减少冗余数据通信量，降低网络能耗，延长网络寿命.

	服务
	把本文推荐给朋友
	加入引用管理器
	E-mail Alert
	RSS
	（）
	作者相关文章

关键词: 无线传感器网络')" href="#">

无线传感器网络神经网络数据融合自适应学习率

Abstract:

In order to reduce the amount of redundant data in the wireless sensor network and reduce the transmission energy consumption,an adaptive learning rate back propagation data fusion algorithm data fusion algorithm (ALR-BPDFA) based on BP neural network is proposed.The algorithm first sets up the cluster head selection mechanism and introduces a BP neural network model.Ssecondly,feature variables and feature values are set in the network to filter and optimize the collected information.Finally an adaptive learning factor is introduced into the learning rate of the neurons to improve the convergence speed and environmental stability.Simulation experiments show that the new algorithm can effectively reduce redundant data traffic,reduce network energy consumption,and extend network life.

Key words: wireless sensor network')" href="#">

wireless sensor network neural network data fusion adaptive learning rate

出版日期: 2022-10-30 发布日期: 2024-03-24 整期出版日期: 2022-10-30

ZTFLH:

TP393

基金资助:

辽宁省“百千万人才工程”资助项目(辽人社〔2019〕45号)；辽宁省自然基金项目(2022-MS-291)；辽宁省教育厅科研项目(LJ2020024,LJ2022-WJ)

作者简介: 王军(1978—) ，男，辽宁大连人，教授，博士，主要从事工业物联网、网络空间安全及网络软件进化等的研究.

引用本文:

王军, 张志驰.

WSN中基于BP神经网络的数据融合算法优化 [J]. 沈阳化工大学学报, 2022, 36(5): 453-460.
WANG Jun, ZHANG Zhi-chi.

Optimization of Data Fusion Algorithm Based on BP Neural Network in WSN . Journal of Shenyang University of Chemical Technology, 2022, 36(5): 453-460.

链接本文:

https://xuebao.syuct.edu.cn/CN/10.3969/j.issn.2095-2198.2022.05.010 或 https://xuebao.syuct.edu.cn/CN/Y2022/V36/I5/453

［1］吴瑞睿，刘洁琳.无线传感器网络综述［J］.科技创新与应用，2018（14）:65-66.

［2］魏秀蓉.无线传感器网络数据融合研究综述［J］.无线互联科技，2015（14）:22，24.

［3］MANSHAHIA M S.Wireless Sensor Networks:a Survey［J］.International Journal of Scientific & Engineering Research，2016，7(4):710-716.

［4］VAN NORDEN W，DE JONG J，BOLDERHEIJ F，et al.Intelligent Task Scheduling in Sensor Networks［C］//2005 7th International Conference on Information Fusion.Philadelphia：IEEE，2005：1351-1358.

［5］YANG W J，WANG B W，LIU Z，et al.Back Propagation Neural Network Based Lifetime Analysis of Wireless Sensor Network［C］//Advances in Neural Networks-ISNN 2009.Berlin：Springer，2009:956-962.

［6］何拥军，曾文权，曾文英.基于 BP 神经网络的多传感器数据融合技术优化［J］.微型机与应用，2011，30(22):52-54，58.

［7］王华东，王大羽.蝙蝠算法优化神经网络的无线传感器网络数据融合［J］.激光杂志，2015，36(4):164-168.

［8］黄廷辉，伊凯，王玉良，等.萤火虫算法优化神经网络的无线传感器网络数据融合［J］.仪表技术与传感器，2016(7):103-107.

［9］余修武，刘琴，李向阳，等.基于改进蚁群的BP神经网络WSN数据融合算法［J］.北京邮电大学学报，2018，41(4):91-96.

［10］何学文，郑乐平，孙汗.无线传感器网络簇内多传感器数据融合算法［J］.传感器与微系统，2014，33(1):147-149,160.

［11］OMIDVAR O，DAYHOFF J.Neural Networks and Pattern Recognition［M］.San Diego:Academic Press，1998:55-59.

［12］YE Z M，MOHAMADIAN H.Adaptive Clustering Based Dynamic Routing of Wireless Sensor Networks Via Generalized Ant Colony Optimization［J］.IERI Procedia，2014，10:2-10.

［13］杨甲沛.基于自适应学习速率的改进型BP算法研究［D］.天津：天津大学，2008：1-58.

［14］孔玉静，侯鑫，华尔天，等.基于 BP 神经网络的无线传感器网络路由协议的研究［J］.传感技术学报，2013，26(2):246-251.

［15］王军，孙健程.基于LEACH的WSN路由协议的研究与改进［J］.沈阳化工大学学报，2015，29(4):363-367.

［16］周观民，李荣会.基于神经网络的传感器网络数据融合技术研究［J］.计算机仿真，2011，28(10):118-120,160.

［17］孙凌逸，黄先祥，蔡伟，等.基于神经网络的无线传感器网络数据融合算法［J］.传感技术学报，2011，24(1):122-127.

[1]	高巍, 张奥南, 李大舟, 王淮中. 基于淘宝广告数据的点击概率预估模型研究 [J]. 沈阳化工大学学报, 2022, 36(5): 461-467.
[2]	高云峰, 张金萍. 基于LMD-PSO-ELM的轴承故障诊断与识别 [J]. 沈阳化工大学学报, 2022, 36(5): 428-437.
[3]	诗雨桐, 袁德成. 基于深度学习的面部微表情识别 [J]. 沈阳化工大学学报, 2021, 35(4): 380-384.
[4]	李元, 杨东昇, 李大舟. 基于二维卷积神经网络高层数据特征学习的过程故障检测[J]. 沈阳化工大学学报, 2021, 35(3): 256-264.

No Suggested Reading articles found!

Viewed

Full text

Abstract

Cited

Shared

Discussed