基于格拉布斯准则的DS证据理论在WSNs中的应用.pdf

《基于格拉布斯准则的DS证据理论在WSNs中的应用.pdf》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、2015年第34卷第6期传感器与微系统(TransducerandMicrosystemTechnologies)153DOI：10．13873／J．1000-9787(2015)06-0153-03基于格拉布斯准则的DS证据理论在WSNs中的应用陈任秋，刘军(武警工程大学，陕西西安710086)摘要：为了延长无线传感器网络(WSNs)的使用寿命，在确保数据的有效性和准确性的前提下，采用一种两层的数据融合算法来对数据进行处理，减小传输的数据量。通过联合使用这两种算法，格拉布斯和DS证据理论的联合来对数据进行加权和压缩处理。实验数据表明：算法的使用有效地减少了数据量传输，提高了数据的

2、传输效率，节省了数据传输过程中耗费的能量。关键词：无线传感器网络；数据融合；格拉布斯准则；DS证据理论中图分类号：TP393文献标识码：B文章编号：1000-9787(2015)06-0153-03ApplicationofDSevidencetheoryinWSNsbasedonGrubbscriterionCHENRen—qiu，LIUJun(EngineeringUniversityofCAPF，Xi’an710086，China)Abstract：Inordertoprolongtheservicelifeofthewirelesssensornetworks(WSNs)，

3、onthepremiseofensurethevalidityandaccuracyofdatas，usingatwo-layerdatafusionalgorithmtoprocessdatas，reducetheamountofdatatransmitting．Throughcombinedutilizationofthetwoalgorithms，GrubbscriteriaandDSevidencetheoryalecombinedforweightingandcompressing．Theexperimentaldatasshowthattheamountofdatatr

4、ansmissionisreducedeffectivelyandefficiencyoftransmissionisimproved．Itsavestheenergycostintheprocessofdatatransmission．Keywords：wirelesssensornetworks(WSNs)；datafusion；Grubbscriteria；Dempster—Sharer(DS)evidencetheory0引言据的前提下减小传输的数据量。无线传感器网络(WSNs)通过布设众多的传感器节点1格拉布斯准则对观测环境或者对象进行观测、感知以及信息的处理，得到对于任

5、何一个测量过程来说，传感器与传感器之间存观测者想要得到的有用信息。但是，由于传感器节点的覆在着一定的差距，同样的环境中测量的同组数据中仍有个盖范围往往重叠，同一个节点的数据可能会由多个传感别偏差较大的数据存在，对于同一组测量数据来说，在测量器同时捕捉到，并进行传输，从而导致了数据的冗余。而在的数据量一定的情况下，数据点基本符合正态分布。而对WSNs中，节点能量、存储空间和计算能力都是有限的，冗于不满足此规律的粗大误差数据应进行剔除，否则，这类异余信息的传输和处理会耗费一部分能量而导致WSNs的使常数据会直接引起DS证据融合过程中出现错误。用寿命缩短。这就需要一种相对简单和有效的数据

6、融合的格拉布斯准则是一种从多次等精度独立测量过程中剔方法。除粗大误差的方法。而这种方法只适用于剔除粗大误差数在WSNs中，通信中的能耗常常比计算机计算的能耗据，对于数据压缩和融合的能力有限。具体过程如下：要高上好几个数量级，所以，在传感器节点能量一定的情况假设在WSNs中对温度进行测量，得。％⋯。下，减少数据传输上不必要的能耗能明显地延长WSNs的将按大小顺序排列成顺序统计量(i)，即(1)≤使用寿命J。在减少通信能耗的同时也要确保所获取的x(2)≤⋯(i)。当(i)服从正态分布时，计算数据具有代表性和准确性的特点，所以，本文采用基于格拉布斯准则的Dempster—Shal'er(

7、DS)证据理论的方法对WSNs}砉(1)所测得的数据进行数据融合，在确保能得到所需的测量数收稿日期：2014-10-27154传感器与微系统第34卷(2)所导致的不确定性。可以通过长期的数据积累而使得证据理论判断越来越准确的能力，并且在使用过程中不需要先验概率和条件概率。但是在数据处理过程中，往往不直接(3)使用DS证据理论的基本模型，而是使用改进后的DS证据其中，为最佳估计值，为残留误差。理论进行数据处理。但是，在处理过程依然存在“一票否同时，计算g(1)：笠或g(