基于蚁群算法和BP神经网络的WSN数据融合算法研究

《基于蚁群算法和BP神经网络的WSN数据融合算法研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、扉页：独创性声明本人声明所呈交的论文是我个人在导师指导下进行的研究工作及取得的研硗成果。除了文中特别加以标注和致谢的地方外，论文中不包含其他人或集体己经发表或撰写过的研究成果，对本文的研究做出贡献的集体和个人均已在论文中作了明确的说明并表示了谢意。研究生签名：垒小墨刎日研究生签名：垒尘丝型日论文使用和授权说明妒f≥j(、≯犷本人完全了解云南大学有关保留、使用学位论文的规定，即：学校有权保留并向国家有关部门或机构送交学位论文和论文电子版；允许论文被查阅或借阅；学校可以公布论文的全部或部分内容，可以采用影印、缩印或其他复

2、制手段保存论文。(保密的论文在解密后应遵循此规定)研究生签名：杰：查墨羔导师签名：二企竺日期：么哆．r-2召、本人及导师同意将学位论文提交至清华大学“中国学术期刊(光盘版)电子杂志社”进行电子和网络出版，并编入CNKI系列数据库，传播本学位论文的全部或部分内容，同意按《中国优秀博硕士学位论文全文数据库出版章程》规定享受相关权益。研究生签名：乏兰垩乏茎j导师签名：二≥二坠．日期：垄!!：￡!邛一摘要IMIIIIlUlIIIIIllUlIIlUlIIlUJY2378773无线传感器网络对嵌入式计算技术、传感器技术、分布式

3、信息处理技术以及无线通信技术进行了综合，属于一种新型传感网络模型，其成本较低、监测范围广泛，因此获得了广泛的应用。近年来，伴随着这一技术应用的深入，能耗问题已经成为对其发展造成限制的一个重要因素，如何在满足无线传感器工作性能的前提下，降低其能耗也成为了当前的一个重要课题。在降低无线传感器网络能耗的过程中，引入蚁群算法具有很强的可行性，利用蚁群算法能够实现对于BP神经网络的优化。本文以实现最小化网络能耗为目标，对基于蚁群算法(ACO)和BP神经网络算法(BPNN)的数据融合ACOBP算法问题进行了研究，将数据融合和路由

4、问题抽象成一个NPC问题，并利用ACO及BPNN的互补来实现WSN簇内节点的能耗均衡。论文的主要研究内容可以分为以下几个方面：1．主要分析了WGN的体系结构、系统构成以及节点的组成，还阐述了WSN的关键技术以及它的特点、应用。随后详细分析了数据融合的定义和模型、数据融合的主要分类等。2．在对WSN及数据融合概念进行了分析的基础上，详尽分析了ACO的基本原理，核心问题、实现方法、优缺点以及在WSN中数据融合中的应用，研究了一个基于ACO数据融合的典型模型，此模型之中运用ACO算法选择簇头，能提升数据融合的效率。3．详尽

5、分析了BPNN的基本原理，重点问题、优劣以及在WSN中数据融合中的应用。将BP神经网络和数据融合进行结合，得出基于BPNN的数据融合模型。把蚁群算法应用到BP神经网络，进行其结构以及参数的优化，基于蚁群优化的神经网络的收敛速度比较快，还可以克服BP算法容易陷入局部最优解的缺点。随后运用优化之后的BP神经网络，有效地提取无线传感器网络数据融合原始数据之中的少量特征数据，再把特征数据发送到汇聚节点，进而提升数据收集效率，延长网络生存周期。也就是利用ACO和BPNN两种算法的互补，引入ACOBP数据融合算法模型，并详细描述

6、其实现过程。最后通过MATLAB仿真，和LEACH、BP以及GABP算法进行了性能对比分析，对网络能耗的降低情况进行了验证，还将摘要该算法和GABP算法进行了进化代数优化对比，发现该算法的收敛性得以改善，网络能耗明显降低，网络生存周期得到了有效的延长。关键词：蚁群算法；BP神经网络；ACOBP：无线传感器网络；数据融合IIAbstractWirelesssensornetworksconvergesembeddedcomputingtechnology,sensortechnology,distributedinfo

7、rmationprocessingtechnologyandwirelesscommunicationtechnology．Itisanewtypeofsensornetworkmodel，haslowercostandawiderangeofmonitoring．Inrecentyears，alongwiththetechnologydevelopment，energyproblemhasbecomeoneofthemostimportantfactorswhichlimitthedevelopmentofthep

8、remise，howtomeettheperformanceofwirelesssensorwork，reducetheenergyconsumptionhasbecomeanimportantsubjectofcurrent．Intheprocessofreducingenergyconsumptioninwirelesssensornetw