基于自适应加权与LZW的WSNs层次式数据融合算法.pdf

《基于自适应加权与LZW的WSNs层次式数据融合算法.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、第24卷第8期传感技术学报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、适应加权与LZW的WSNs层次式数据融合算法球张志伟，王新才，吉爱国，谢磊，1．青岛理工大学理学院，山东青岛266033、＼2．青岛理工大学通信学院，山东青岛266033／摘要：为了兼顾提高数据采集精度与效率的同时有效降低传感器节点能耗，提出了一种基于白适应加权与LZw的层次式数据融合算法。传感器簇头节点对传感器节点发送的数据进行自适应加权处理，估计出均方误差最小时的值，簇头节点将处理后的数据采用Lzw算法以一定的信息量压缩后再进行数据的传输。仿真表明，该层次式融合算法提高了数据采集的精度并有效降低了网络的能耗，延长了无线传感器网络的生命周期。关键词：无线传感器网络；层次式

6、数据融合；自适应加权；LZW(Lemple．Ziv—Welch)算法中图分类号：TP393文献标识码：A文章编号：1004-1699(2011)08-1193-04无线传感器网络(WirelessSensorNetworks，损的，基于词典的压缩算法，由Lemple-Ziv—Welch三人WSNs)中，传感器节点具有的能量、处理能力、存储共同创造。数据压缩(DataCompression)是另一类减少能力和通信能力等都十分有限，需要整个网络具有传感器节点采集数据传输量的技术。【Zw压缩算法较高覆盖密度来保证鲁棒性和信息的准确收集¨J。在Pc中得到广泛的应用，但是在无线传感器

7、网络中应相邻节点间收集的数据存在一定的冗余，浪费了通用很少。根据无线传感器网络数据多跳逐层上传的特信带宽和整个网络的能量，降低了信息收集的效率。点，本文在前人工作基础上提出了一种层次式数据为了降低整个网络的能耗，提高数据收集的准确性融合算法，从不同的角度对数据进行融合处理。和效率，传感器节点需要在网络内部协同地处理所1基本理论收集的数据。数据融合技术(DataAggregation)很好的解决了上述问题。1．1自适应加权算法自适应加权算法具有实现简单、精度高的特点，被从含有噪声的大量测量数据中估计一个非随机用于各种