论文部分内容阅读
无线传感器网络是新兴的智能信息实时监测网络系统,集成了传感器技术、网络技术、嵌入式控制技术、分布式计算与存储技术及无线通信技术等,成为当前计算机网络领域研究的重点内容之一。无线传感器网络中传感器节点分布密集,相邻节点采集数据具有较高相似性,使网络中传输的数据存在一定的冗余,消耗过多通信能量。相关研究证明,无线传感器网络中能量主要消耗在数据传输过程中,数据融合技术可以减少网络中的冗余信息,提高数据传输效率,从而降低通信能耗。目前,很多学者在无线传感器网络的网络层和应用层中对数据融合进行研究。本文在前人研究的基础上,将BP神经网络与层次路由协议相结合,提出基于神经网络的无线传感器网络数据融合算法(Back-Propagation Data Fusion Algorithm,简称BPDFA)。首先,对无线传感器网络层次路由协议LEACH进行研究,分析了它的网络模型及工作流程；根据无线传感器网络能量消耗的情况,提出最优簇头个数的选择方法；分析了LEACH协议中存在的优缺点。其次,针对LEACH协议存在的簇头分布不均、簇头选举没有考虑节点剩余能量等问题,提出改进路由协议LEACH-E。在分簇时,LEACH-E考虑了相邻节点的个数,使簇头比较均匀地分布在网络中；在选举簇头时,LEACH-E考虑了簇内节点剩余能量,从而均衡整个网络负载。再次,将改进路由协议LEACH-E的分簇结构与BP神经网络模型结合,提出新的数据融合算法BPDFA。该算法在每个分簇结构中设计一个三层的BP神经网络模型,把采集到的原始数据通过相应神经网络模型进行处理,得到能够反映原始数据特征的少量数据信息。只需要将处理好的特征数据传输给汇聚节点,减少数据信息传送量,降低通信能耗,从而延长网络生存时间。最后,本文利用NS-2仿真软件进行了仿真实验,仿真结果表明：数据融合算法BPDFA较LEACH协议在降低节点平均能耗和延长网络寿命方面具有更优越的性能。