• 纸尿裤等纸制品新国标发布 2019-07-13
  • 世界杯期间在家撸串的正确姿势-热门标签-华商网数码 2019-07-10
  • 人工+智能新闻舆情大数据服务 2019-07-08
  • 最后的骑兵:解放军高原骑兵腰挎马刀热血冬训 2019-06-29
  • “一带一路”大学双创教育“和声正美” 2019-06-29
  • 落实河长制必须持之以恒 2019-06-22
  • 跟青岛人逛海边,聊上合 2019-06-18
  • 望远镜的眼睛有多大?这个参数很关键 2019-06-18
  • 人民日报召开创刊70周年读者座谈会 2019-06-09
  • 【改革印记——看中国发展】变迁印记,留下的是韵味现实 2019-05-31
  • [大笑]阿Q都是这么说的。。。。。。 2019-05-31
  • 曾祖红:天津欢乐谷二期将于6月30日对外开放 2019-05-28
  • 新发现:墨西哥发现恐龙新物种 2019-05-21
  • 为吸引中国游客 世界各国纷纷喊话:“我最懂你” 2019-05-21
  • 任天堂Switch九月开始收连线费 详细方案公开 2019-05-20
  • 无线传感器数据融合与时钟同步研究论文 - 下载本文

    青海11选五怎么中奖 www.skw3.com 从把多个传感器的观测数据组成特征说明来看,熵理论法是在概念上最简单的方法,但是由于要对传感器输入加权以及应用了阈值和其他判定逻辑,从而增加了算法的复杂性。尽管如此,对于实时性要求很强的系统,当准确的先验统计不可利用,或者从整个成本效益观点来看,熵理论法仍具有较大的应用空间。 2.4.4人工智能方法

    模糊逻辑是多值逻辑,用一个0-1之间的实数来表示真实度,相当于隐含算子的前提,允许将多个传感器信息融合过程中的不确定性直接表示在推理过程中。与概率统计方法相比,模糊逻辑推理对信息的表示和处理更接近人类的思维方式,适合在高层次上的应用(如决策)。但由于模糊推理对信息的描述存在较大的主观因素,所以信息的表示和处理缺乏客观性。

    产生式规则采用符号表示目标特征和相应传感器信息之间的联系,与每一个规则相联系的置信因子表示它的不确定性程度。当在同一个逻辑推理过程中,两个或多个规则形成一个联合规则时,可以产生融合。问题是每个规则的置信因子的定义与系统中其他规则的置信因子相关,如果系统中引入新的传感器,需要加入相应的附加规则。

    神经网络具有很强的容错性以及自学习、自组织及自适应能力,能够模拟复杂的非线性映射。在多传感器系统中,各信息源所提供的环境信息都具有一定程度的不确定性,对这些不确定信息的融合过程实际上是一个不确定性推理过程。神经网络根据当前系统所接受的样本相似性确定分类标准,主要表现在网络的权值分布上,同时,可以采用神经网络特定的学习算法来获取知识,得到不确定性推理机制。利用神经网络的信号处理能力和自动推理功能来实现多传感器数据融合,缺点是计算量大。

    遗传算法是一种基于自然选择和自然遗传的全局优化算法。特点是采用群体方式对目标函数空间进行多线索的并行搜索,不会陷入局部极小点;只需可行解目标函数的值,而不需其他信息,对目标函数的连续性、可微性没有要求,使用方便;解的选择和产生用概率方式,因此,具有强的适应能力和鲁棒性。缺点在于收敛速度慢、易陷入局部最优。

    模糊积分的实质就是求得在客观证据对决策假设的实际估计与其期望值间的最大一致性。模糊积分是定义在模糊测度基础上的一种非线性函数,它具有融合多元信息的能力,常用的模糊积分有Sugeno积分和Choquet积分,主要用于决策支持、自动控制等。Sugeno的模糊积分是定义在模糊测度上的非线性函数,特点是直接排除了次要因素的影响,与加权平均相比,强化了主要因素的作用,但却忽视次要因素的影响。Choquet模糊积分考虑了各种影响因素,以避免Sugeno模糊积分的缺陷,而广义Choquet模糊积分及其在信息融合中的应用近年来得到了较广泛的关注。

    综上所述,单一的数据融合算法具有一定的局限性,将多种算法进行优势集成已逐渐成为数据融合算法的研究热点。 2.4.5遗传算法和模糊聚合相结合

    遗传算法是一种并行化算法,可较好地解决多参数优化问题,且其算子能更好的模拟模糊关系,从而达到较高精度。将其与模糊理论相结合可在信息源的可靠性、信息的冗余、互补性以及进行融合的分级结构不确定情况下,以近似最优方式对传感器数据进行融合。 2.4.6模糊系统与神经网络相结合

    神经网络对环境的变化具有较强的自适应能力和自学习能力,但从系统建模的角度而言,它采用的是典型的黑箱学习模式。当学习完成后,神经网络所获得的输入/输出关系难以用通俗的方式表示。而模糊系统则采用简单的“如果?则?”规则,但自动生成和调整隶属度函数和模糊规则是个难题。若将两者结合取长补短,则可提高整个系统的学习能力和表达能力。

    无线传感器网络感兴趣的是具有特定属性的感知数据,信息的传送是以数据为中心的。由于传感器节点数量大且随机分布,相邻的传感器对同一事件进行监测所获得的数据具有相似性,冗余数据的传送在一定程度将消耗过多的能量,缩短整个网络的生存期。数据融合能有效解决此问题。本章研究和阐述了无线传感器网络数据融合的定义、结构、模型以及现有的数据融合方法并讨论了无线传感器网络层中路由与数据融合的关系问题。通过综合数据融合的现有研究成果,展示了一个简单清晰的数据融合一般构架,这个架构包括数据融合的概念、模型、形式化框架、以及方法;通过比较无线传感器网络层两种路由AC和DC。得出DC比AC方式在能耗上更占优势。

    第三章无线传感器网络时钟同步理论研究

    在无线传感器网络中,单个节点的能力非常有限,整个系统所要实现的功能需要网络内所有节点相互配合共同完成。时间同步在无线传感器网络系统中起着非常重要的作用。在分布式系统中,时间可以分为“逻辑时间”和“物理时间”。逻辑时间的概念是建立在Lamport提出的超前关系上,体现了系统内事件发生的逻辑顺序。物理时间是用来描述在分布式系统中所传递的一定意义上的人类时间。对于直接观测物理世界现象的无线传感器网络系统来说,物理时间的地位更为重要,因为现象发生的时间本身就是一个非常重要的信息。此外,因为数据的相关性,必须保证动态检测时相关节点以统一的时钟采集数据,保证原始数据的正确性。这里的时钟同步是指一个节点保存它跟其他节点之间的相对时钟漂移,以便需要时进行转换。

    3.1无线传感器网络时钟同步基本原理

    传感器网络中节点的物理时钟依靠对自身晶振中断计数实现。晶振的频率误差和初始计时时刻不同,使得节点之间物理时钟不同步。如果能估算出物理时钟与物理时钟的关系或物理时钟之间的关系,就可以构造对应的逻辑时钟以达成同步。目前的逻辑时钟同步算法,如下文提到的FTSP算法同步精度已达到1us,可以满足传感器网络中绝大部分应用的需求。如果需要纳秒级精度,则需要采用锁相环等硬件实现物理时钟同步,但此类应用很少。 3.1.1节点物理时钟

    同步可以通过硬件实现,也可以通过软件来实现。一般时钟同步都由三个主要部件组成:同步事件检测部件、远程时钟估计部件和时钟校准部件。同步事件检测表示节点在某个时刻必须重新同步它们的时钟,它由两种方式实现。一种是采用初始化的同步时钟数,它以一个固定的速率KR进行同步,R表示单轮时钟同步周期,K是大于1的实数,以避免两轮同步过程出现重叠。第二种方式是当过了KR时间之后,用一个特殊的节点发送一个初始化消息给系统中其它的每一个节点,一旦节点收到该消息,就启动自己的同步过程,同步的精度取决于消息的时延。

    远程时钟估计部件用于决定网络中另外一个节点的物理时钟。它有两种实现方法,一是远程节点的时钟在一个消息中进行“时间传输”,另一种是在未知延迟上界时的“远程时钟读取”。时钟校准是指重新同步事件产生后估计出远程节点时钟的信息并更新物理时钟。

    任意节点i在物理时刻t的物理时钟读数可以表示为:

    1Ci(t)?f0?t0fi(t)dt

    其中f0为节点晶振的标称频率,fi(t)为晶振的实际频率,t0代表开始计时的物理时刻;Ci(t0)代表节点在t0时刻的时钟读数。因存在制造误差,通常情况下f0和关fi(t)不相等。晶振频率在短时间内相对稳定,节点时钟又可表示为:

    Ci(t)?ai(t?t0)?bi

    其中bi?Ci(t0)为计时初始时刻的时钟读数,简称初相位;ai?fif0为相对频率,1???ai?1??,?为绝对频差上界,由晶振生产厂家标定。一般?多在1-100PPM左右,即一秒钟内会偏移1-100us

    3.1.2节点的逻辑时钟。

    任意节点i在物理时刻t的逻辑时钟读数可以表示:

    LCi(t)?lai?Ci(t)?lbi,其中Ci(t0)为当前物理时钟读数,lai,lbi,为

    频率修正系数和初相位修正系数。采用逻辑时钟的目的是对物理时钟进行一定的换算以达成同步。为了同步任意两个节点i和j,构造逻辑时钟有两种途径;

    (l)根据物理时钟等全局时间基准的关系进行变换可得:

    bi1t?Ci(t)?(t0?)

    aiai将lai,lbi设为对应的系数,即可将逻辑时钟调整到物理时间基准上。 (2)根据两个节点物理时钟的关系进行对应换算,任意两个节点i和j的物理时钟关系可表示如下:

    Cj(t)?aijCi(t)?bij

    ai其中aij?ajaibi。将lai,lbi设为对应的a,b构造出一个,bij?bj?ijijaj逻辑时钟,即可以与节点j的时钟达成同步。

    以上的两种方法都估计了频率修正系数和初相位修正系数,精度较高。对于低精度类应用,还可以简单地根据当前的物理时钟和物理时钟的差值或物理时钟两两之间的差值进行修正。

    3.2时钟同步原理

    下面以经典的TPSN(Time-synchronizationProtocolforSensorNetworks)时钟同步方式为例进行说明。如图8所示,T1,T4,为节点A的本地时间,T2,T3为节点B的本地时间。T1时刻,A发送一个包含不的数据包到B,B在T2时刻收到此数据包,则T2?T1?D?d,其中D和d分别为数据包在A、B间的传输时间和A、B节点间的时钟偏差。同样,T3时刻,B发送一个确认数据包到A,A在

    T4时刻收到此数据包,则有T4?T3?D?d。假设在这段时间里时钟偏移量和传输延迟不变,可以计算出:

    D?[(T2?T1)?(T3?T4)]2 d?[(T2?T1)?(T3?T4)]2

    A可以根据d纠正其时间偏差,从而达到与B同步。

    图8 TPSN算法

    3.3同步分类

    (l)时钟速率同步和时钟偏差同步

    在无线传感器网络中,传感器节点采用本地时间标一记传感数据,随着数据的多跳传送,每次都利用节点之间相对的时间偏置和时间速率,把传感数据的时间戳转换为本地的时间戳。

    时钟速率同步是让传感器节点的时钟速率相等,而不管时钟偏差是否同步,即v1?v2?...?vN

    h1(t0)?h1(t)?h2(t0)?h2(t)?...?hN(t0)?hN(t)

    时钟速率同步能够保证各个传感器节点测量所得的时间间隔相等,即

    时钟偏差同步是让传感器节点在当前时刻t。的时间偏差相等,而不管时钟速率是否同步,即?1??2?...??N

    时钟偏差同步近似地认为在当前时刻t0后的一定时间段[t。,t,]内,各个传感器节点的时间相等,即

    h1(t)?h2(t)?...?hN(t)t?[t0,t1]

    相对而言,时钟偏差同步更容易实现。 (2)连续同步和按需同步

    连续同步是指无线传感器网络中所有传感器节点的时间总是保持同步,因此在这种同步方式下,维护同步的通信量很大。按需同步是指无线传感器网络中所有传感器节点的时间平时并不保持同步,只有在相关事件发生前或发生后才进行同步,因此按需同步方式不需要大量的维护同步的通信量,节省了通信带宽和传感器节点的能量。 (3)时标转换和时间同步

    时间同步就是让无线传感器网络中所用传感器节点的时间同步,总是显示同样的时间。时间同步可以通过执行时间速率同步r和时间偏差同步来实现,或者通过连续时间偏差同步来实现。时标转换是把一个传感器节点的本地时间转换成





  • 纸尿裤等纸制品新国标发布 2019-07-13
  • 世界杯期间在家撸串的正确姿势-热门标签-华商网数码 2019-07-10
  • 人工+智能新闻舆情大数据服务 2019-07-08
  • 最后的骑兵:解放军高原骑兵腰挎马刀热血冬训 2019-06-29
  • “一带一路”大学双创教育“和声正美” 2019-06-29
  • 落实河长制必须持之以恒 2019-06-22
  • 跟青岛人逛海边,聊上合 2019-06-18
  • 望远镜的眼睛有多大?这个参数很关键 2019-06-18
  • 人民日报召开创刊70周年读者座谈会 2019-06-09
  • 【改革印记——看中国发展】变迁印记,留下的是韵味现实 2019-05-31
  • [大笑]阿Q都是这么说的。。。。。。 2019-05-31
  • 曾祖红:天津欢乐谷二期将于6月30日对外开放 2019-05-28
  • 新发现:墨西哥发现恐龙新物种 2019-05-21
  • 为吸引中国游客 世界各国纷纷喊话:“我最懂你” 2019-05-21
  • 任天堂Switch九月开始收连线费 详细方案公开 2019-05-20
  • 反赌推二八杠揭秘 阳光报复连码专家六肖 广西快三同步开奖结果 吉林十一选五推荐号 体彩20选5怎么中奖 福建36选7体彩走势图 湖南快乐十分分析计划 福彩3d之家 体彩p5后两位推荐 北京福彩中心主任 福彩双色球和值走势图 爱彩网2018app下载 甘肃11选5走势图前3走势图 最新足彩6场半全场 北斗星彩票网站怎么找