資源描述:
《基于自適應(yīng)加權(quán)與LZW的WSNs層次式數(shù)據(jù)融合算法.pdf》由會(huì)員上傳分享,免費(fèi)在線閱讀,更多相關(guān)內(nèi)容在行業(yè)資料-天天文庫(kù)。
1、第24卷第8期傳感技術(shù)學(xué)報(bào)V01.24No.8CHINESEJOURNALOFSENSORSANDACTUATORS2011年8月Aug.2011HierarchicalDataAggregationAlgorithmofWSNsBasedontheAdaptiveWeightedandLZWaZHANGZhiweihWANGXincai,Aiguo,XIELei,,1.SchoolofScience,QingdaoTechnologicalUniversity,QingdaoShandong266033,China、、2.SchoolofCommunication,Qin
2、gdaoTechnologicalUniversity,QingdaoShandong266033,China}Abstract:AhierarchicaldataaggregationalgorithmisproposedwhichbasedontheadaptiveweightedandLZWtoimprovetheaccuracyofdatacollection,enhancetheefficiencyofdatacollectionandreducetheenergyconsumptionofthesensornodes.Datasentbysensornodesi
3、sprocessedbyclusterheadsensorbyusingtheadaptiveweightedtoestimatethevaluewhenthemeansquareerrorisMinimum.Andthentheclusterheadnodecompressesthe,processeddatausingLZWalgorithmwithacertainamountofinformationbeforedatatransmission.Simulationresultsshowthatthehierarchicalaggregationalgorithmim
4、provestheaccuracyofdatacollection,reducestheenergyconsumptionofnetworkeffectivelyandextendsthelifecycleofwirelesssensornetworks.Keywords:wirelesssensornetworks;hierarchicaldatafusion;theadaptiveweighted;I(Lemple-Ziv—Welch)AlgorithmEEACC:6150P;7230doi:10.3969/i.issn.1004—1699.2011.08.022基于自
5、適應(yīng)加權(quán)與LZW的WSNs層次式數(shù)據(jù)融合算法球張志偉,王新才,吉愛(ài)國(guó),謝磊,1.青島理工大學(xué)理學(xué)院,山東青島266033、\2.青島理工大學(xué)通信學(xué)院,山東青島266033/摘要:為了兼顧提高數(shù)據(jù)采集精度與效率的同時(shí)有效降低傳感器節(jié)點(diǎn)能耗,提出了一種基于白適應(yīng)加權(quán)與LZw的層次式數(shù)據(jù)融合算法。傳感器簇頭節(jié)點(diǎn)對(duì)傳感器節(jié)點(diǎn)發(fā)送的數(shù)據(jù)進(jìn)行自適應(yīng)加權(quán)處理,估計(jì)出均方誤差最小時(shí)的值,簇頭節(jié)點(diǎn)將處理后的數(shù)據(jù)采用Lzw算法以一定的信息量壓縮后再進(jìn)行數(shù)據(jù)的傳輸。仿真表明,該層次式融合算法提高了數(shù)據(jù)采集的精度并有效降低了網(wǎng)絡(luò)的能耗,延長(zhǎng)了無(wú)線傳感器網(wǎng)絡(luò)的生命周期。關(guān)鍵詞:無(wú)線傳感器網(wǎng)絡(luò);層次式
6、數(shù)據(jù)融合;自適應(yīng)加權(quán);LZW(Lemple.Ziv—Welch)算法中圖分類(lèi)號(hào):TP393文獻(xiàn)標(biāo)識(shí)碼:A文章編號(hào):1004-1699(2011)08-1193-04無(wú)線傳感器網(wǎng)絡(luò)(WirelessSensorNetworks,損的,基于詞典的壓縮算法,由Lemple-Ziv—Welch三人WSNs)中,傳感器節(jié)點(diǎn)具有的能量、處理能力、存儲(chǔ)共同創(chuàng)造。數(shù)據(jù)壓縮(DataCompression)是另一類(lèi)減少能力和通信能力等都十分有限,需要整個(gè)網(wǎng)絡(luò)具有傳感器節(jié)點(diǎn)采集數(shù)據(jù)傳輸量的技術(shù)。【Zw壓縮算法較高覆蓋密度來(lái)保證魯棒性和信息的準(zhǔn)確收集¨J。在Pc中得到廣泛的應(yīng)用,但是在無(wú)線傳感器
7、網(wǎng)絡(luò)中應(yīng)相鄰節(jié)點(diǎn)間收集的數(shù)據(jù)存在一定的冗余,浪費(fèi)了通用很少。根據(jù)無(wú)線傳感器網(wǎng)絡(luò)數(shù)據(jù)多跳逐層上傳的特信帶寬和整個(gè)網(wǎng)絡(luò)的能量,降低了信息收集的效率。點(diǎn),本文在前人工作基礎(chǔ)上提出了一種層次式數(shù)據(jù)為了降低整個(gè)網(wǎng)絡(luò)的能耗,提高數(shù)據(jù)收集的準(zhǔn)確性融合算法,從不同的角度對(duì)數(shù)據(jù)進(jìn)行融合處理。和效率,傳感器節(jié)點(diǎn)需要在網(wǎng)絡(luò)內(nèi)部協(xié)同地處理所1基本理論收集的數(shù)據(jù)。數(shù)據(jù)融合技術(shù)(DataAggregation)很好的解決了上述問(wèn)題。1.1自適應(yīng)加權(quán)算法自適應(yīng)加權(quán)算法具有實(shí)現(xiàn)簡(jiǎn)單、精度高的特點(diǎn),被從含有噪聲的大量測(cè)量數(shù)據(jù)中估計(jì)一個(gè)非隨機(jī)用于各種