基于深度学习模型的无线传感器网络数据融合算法.pdf

《基于深度学习模型的无线传感器网络数据融合算法.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27卷第12期传感技术学报Vo1．27No．122014年12月CHINESEJOURNALOFSENSORSANDACTUATORSDec．2014DataAggregationinWirelessSensorNetworkBasedonDeepLearningModelaQIULida，LIUTianjian，LINNan，HUANGZhangchao(1．DepartmentofPhysicsandElectronicInformationEngineering，MinfiangUniversity，F

2、uzhou350108，China；2．SchoolofOmo-ElectronicandCommunicationEngineering，XiaraenUniversityofTechnology，XiamenFufian361024，China)Abstract：Inordertoimprovetheperformanceofdatafusioninwirelesssensornetwork，adataaggregationalgorithmSAEMDA(stackedautoencodermodeldat

3、afusionalgorithm)basedondeeplearningmodelwasproposed，whichcombinedstackedautoencoder(SAE)andwirelesssensornetworkclusteringroutingprotoco1．Featureextractionandclassificationmodel(SAEM)isdesignedbySAEMDAtoextractandclassifythedatafeaturesofnodesineachclus—ter

4、，andthenSAEMDAsendsthefeaturesfusedinthesameclasstoSinknode．Eitherofflinesupervisedlearningal—gorithmoronlineunsupervisedlearningalgorithmcanbeusedtotraintheSAEM．Simulationresultsshowthatcon—paredwithBPFDAandSOFMDA，SAEMDAcanimprovethedatafusionaccuracyby7．5p

5、ercentagepointsatmostinsimilarsituationsofenergyconsumption．Keywords：wirelesssensornetwork；dataaggregation；deeplearning；autoencoderEEACC：6150Pdoi：10．3969／j．issn．1004—1699．2014．12．022基于深度学习模型的无线传感器网络数据融合算法水邱立达，刘天键，林南，黄章超(1．闽江学院物理学与电子信息工程系，福州350108；2．厦门理工学院光电与

6、通信工程学院，福建厦门361024)摘要：为了在无线传感器网络中提高数据融合性能，基于深度学习模型，提出一种将层叠自动编码器(SAE)和分簇协议相结合的数据融合算法SAEMDA，该算法在各个簇内构建特征提取分类模型SAEM，通过SAEM对节点数据进行特征提取和分类，之后将同类特征融合并发送给汇聚节点。SAEM的训练既可以采用离线有监督学习也可以采用在线无监督学习。仿真实验表明：和BPFDA，SOFMDA算法相比，SAEMDA在网络能耗大致相当的情况下能将数据融合正确率提高最多7．5％。关键词：无线传感器网络；数

7、据融合；深度学习；自动编码器中图分类号：TP393文献标识码：A文章编号：1004—1699(2014)12—1704—06能力不佳。文献[3]提出中介真值度度量的动态多1相关工作节点数据加权融合，算法简单，实时性好，但是未考无线传感器网络(WSN)数据融合技术能有效虑不同类型数据间的差异性。去除数据冗余性，减少通信开销从而降低能耗，延长近年来，鉴于神经网络和WSN的相似性使其成网络寿命，因此成为WSN中的重要研究课题之一。为数据融合算法的研究重点_4j，该类方法通过神目前已提出了多种WSN数据融合方法，如文献

8、[1]经网络对节点数据进行特征提取分类并融合同类特使用遗传算法寻找传感器数据融合节点序列的最优征，在降低数据通信量的同时能够保留原始数据的路径，有效减少了网络能耗和传输延时，但未解决数关键信息。文献[5]提出的BPNDA是该类算法的据本身的冗余性问题。文献[2]通过在分簇结构的典型代表，BPNDA将BP神经网络与分簇协议结簇首中对节点数据进行PCA降维达到数据融合的合，先在汇聚节点训练