• 北大核心期刊(《中文核心期刊要目总览》2017版)
  • 中国科技核心期刊(中国科技论文统计源期刊)
  • JST 日本科学技术振兴机构数据库(日)收录期刊

留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

基于分簇无线传感网的高能效数据融合算法

陶洋 张晋铭 杨柳

陶洋, 张晋铭, 杨柳. 基于分簇无线传感网的高能效数据融合算法[J]. 微电子学与计算机, 2021, 38(10): 57-64. doi: 10.19304/J.ISSN1000-7180.2021.0095
引用本文: 陶洋, 张晋铭, 杨柳. 基于分簇无线传感网的高能效数据融合算法[J]. 微电子学与计算机, 2021, 38(10): 57-64. doi: 10.19304/J.ISSN1000-7180.2021.0095
TAO Yang, ZHANG Jinming, YANG Liu. Energy efficient data fusion algorithm base on clustered wireless sensor networks[J]. Microelectronics & Computer, 2021, 38(10): 57-64. doi: 10.19304/J.ISSN1000-7180.2021.0095
Citation: TAO Yang, ZHANG Jinming, YANG Liu. Energy efficient data fusion algorithm base on clustered wireless sensor networks[J]. Microelectronics & Computer, 2021, 38(10): 57-64. doi: 10.19304/J.ISSN1000-7180.2021.0095

基于分簇无线传感网的高能效数据融合算法

doi: 10.19304/J.ISSN1000-7180.2021.0095
基金项目: 

国家自然科学基金项目 61801072

国家重点研发计划项目 2019YFB2102001

重庆市自然科学基金项目 cstc2018jcyjAX0344

重庆市教委科学技术研究项目 KJQN202000641

详细信息
    作者简介:

    陶洋  男,(1964-),博士后,教授,博士生导师.研究方向为传感网、数据融合、物联网、人工智能、网络管理研究及应用等

    杨柳  男,(1987-),博士.研究方向为物联网、传感网、网络安全、数据分析

    通讯作者:

    张晋铭(通讯作者)  男,(1995-),硕士研究生.研究方向为传感网、数据融合、物联网. E-mail: jinmingzhang20@foxmail.com

  • 中图分类号: TP393

Energy efficient data fusion algorithm base on clustered wireless sensor networks

  • 摘要: 无线传感器网络通常能量有限且容易受到环境干扰,为了提高无线传感器网络的能效并保障数据的可靠性,提出一种基于分簇无线传感网的高能效数据融合算法(EEDFA).EEDFA在分簇结构的网络中运行,数据的采集与传输过程分为多个周期,传感器在周期内的多个时隙采集数据形成数据向量.每个周期传感器将采集到的数据向量进行降维以降低传输负载,同时考虑环境干扰利用区间二型模糊系统生成数据可靠性因子以保障数据的可靠性.各簇头接收来自成员节点的数据进行分布式处理,利用相似度函数去除冗余数据,将融合后的数据发送至下一跳簇头或基站.仿真结果表明,与PFF、REDA、SCDRE相比,EEDFA具有较低的带宽占用率和能耗,同时具有较高的数据准确率.
  • 图  1  网络场景图

    图  2  数据的采集与传输过程

    图  3  优化型自适应常数分段近似法(APCA-OP)

    图  4  二型模糊系统框架

    图  5  隶属度函数

    图  6  EEDFA算法流程

    图  7  节点与基站分布情况

    图  8  带宽占用率对比

    图  9  能耗对比

    图  10  数据平均准确率对比

    算法1: APCA-OP优化型自适应常数分段近似法
    输入: 原始数据向量V
    误差阈值Terror
    输出: 降维后的向量V
    begin
    1. left = 1; error_cnt = 0; AVG = 0; sum = 0;
    2. for i = 1 : length(V)
    3.         sum =sum + V(i);
    4.         LEN = i - left + 1;
    5.         AVG = sum / len;
    6.         error_cnt = error_cnt+ |V(i) - AVG|;
    7.         if error_cntTerrorthen
    8.             V ←<AVG, LEN>;
    9.             left = i + 1;
    10.             error_cnt = 0;
    11.             sum = 0;
    12.         endif
    13.     end
    end
    下载: 导出CSV

    表  1  可靠性评估模糊规则库

    No. SNR RDC RF
    1 Low Far 0.1
    2 Low Medium 0.2
    3 Low Close 0.3
    4 Medium Far 0.4
    5 Medium Medium 0.6
    6 Medium Close 0.7
    7 High Far 0.8
    8 High Medium 0.9
    9 High Close 1
    下载: 导出CSV
    算法2: 数据向量扩展
    输入: 降维后的向量V
    输出: 扩展后的向量Ve
    begin
    1.        data_numV;     %得到V中的数据个数
    2.        for m = 1 : data_num
    3.        data = V (m).AVG;
    4.                for j = 1 : V(m).LEN
    5.                    Ve.push(data);     %将数据存入Ve
    6.                end
    7.        end
    end
    下载: 导出CSV

    表  2  参数设置

    参数 参数
    区域大小 200 m×200 m Crmax 60 m
    节点个数 100 单个数据大小 32 bits
    基站坐标 (100, 250) 每周期时隙数 30
    初始能量 0.5 J SNRmax 30 dB
    Eelec 100 nJ/bits Terror 0.2
    εfs 10 pJ/bit/m2 TR 0.5
    εmp 0.0013 pJ/bit/m4 Tpcc 0.7
    EDA 10 nJ/bit/ Td 0.3
    d0 87m - -
    下载: 导出CSV
  • [1] RAULT T, BOUABDALLAH A, CHALLAL Y. Energy efficiency in wireless sensor networks: a top-down survey[J]. Computer Networks, 2014, 67: 104-122. DOI:  10.1016/j.comnet.2014.03.027.
    [2] ZHOU Y, YANGL H, YANG L X, et al. Novel energy-efficient data gathering scheme exploiting spatial-temporal correlation for wireless sensor networks[J]. Wireless Communications and Mobile Computing, 2019, 2019: 4182563. DOI:  10.1155/2019/4182563.
    [3] IZADI D, ABAWAJY J H, GHANAVATI S, et al. A data fusion method in wireless sensor networks[J]. Sensors, 2015, 15(2): 2964-2979. DOI:  10.3390/s150202964.
    [4] DEHKORDI S A, FARAJZADEH K, REZAZADEH J, et al. A survey on data aggregation techniques in IoT sensor networks[J]. WirelessNetworks, 2020, 26(2): 1243-1263. DOI:  10.1007/s11276-019-02142-z.
    [5] WANG Q P, LIAO H M, WANG K, et al. A variable weight based fuzzy data fusion algorithm for WSN[C]//Proceedings of the 8th International Conference on Ubiquitous Intelligence and Computing. Banff, Canada: Springer, 2011. DOI: 10.1007/978-3-642-23641-9_39.
    [6] 任秀丽, 吉鹏硕. WSN中基于分簇的模糊加权数据融合算法[J]. 计算机工程, 2018, 44(3): 109-113. DOI:  10.3969/j.issn.1000-3428.2018.03.019.

    REN X L, JI P S. Fuzzy-weighted algorithm for data fusion based on clustering in WSN[J]. Computer Engineering, 2018, 44(3): 109-113. DOI:  10.3969/j.issn.1000-3428.2018.03.019.
    [7] BAHI J M, MAKHOUL A, MEDLEJ M. A two tiers data aggregation scheme for periodic sensor networks[J]. Ad Hoc & Sensor Wireless Networks, 2014, 21(1-2): 77-100.
    [8] KHRIJI S, RAVENTOS G V, KAMMOUN I, et al. Redundancy elimination for data aggregation in wireless sensor networks[C]//Proceedings of the 201815th International Multi-Conference on Systems, Signals & Devices. Yasmine Hammamet, Tunisia: IEEE, 2018. DOI: 10.1109/SSD.2018.8570459.
    [9] MAIVIZHI R, YOGESH P. Spatial correlation based data redundancy elimination for data aggregation in wireless sensor networks[C]//Proceedings of 2020 International Conference on Innovative Trends in Information Technology. Kottayam, India: IEEE, 2020. DOI: 10.1109/ICITIIT49094.2020.9071535.
    [10] ZHOU Y, CHANGL L, QIAN B. A belief-rule-based model for information fusion with insufficient multi-sensor data and domain knowledge using evolutionary algorithms with operator recommendations[J]. Soft Computing, 2019, 23(13): 5129-5142. DOI:  10.1007/s00500-018-3179-9.
    [11] HASSANE A, NAJID A. EEA: clustering algorithm for energy-efficient adaptive in wireless sensor networks[J]. International Journal of Communication Systems, 2019, 28(2): 19-37. DOI: 10.4018/IJWNBT.20180701028.
    [12] TAO Y, ZHANG J M, YANG L. An unequal clustering algorithm for wireless sensor networks based on interval type-2 TSK fuzzy logic theory[J]. IEEE Access, 2020, 8: 197173-197183. DOI:  10.1109/ACCESS.2020.3034607.
    [13] HEINZELMAN W R, CHANDRAKASAN A, BALAKRISHNAN H. Energy-efficient communication protocol for wireless microsensor networks[C]//Proceedings of the 33rd Annual Hawaii International Conference on System Sciences. Maui, HI, USA: IEEE, 2000. DOI: 10.1109/HICSS.2000.926982.
    [14] CHAKRABARTI K, KEOGH E, MEHROTRA S, et al. Locally adaptive dimensionality reduction for indexing large time series databases[J]. ACM Transactions on Database Systems, 2002, 27(2): 188-228. DOI:  10.1145/568518.568520.
    [15] SOLA H B, FERNANDEZ J, HAGRAS H, et al. Interval type-2 fuzzy sets are generalization of interval-valued fuzzy sets: toward a wider view on their relationship[J]. IEEE Transactions on Fuzzy Systems, 2015, 23(5): 1876-1882. DOI:  10.1109/TFUZZ.2014.2362149.
    [16] WU D R, MENDEL J M. Recommendations on designing practical interval type-2 fuzzy systems[J]. Engineering Applications of Artificial Intelligence, 2019, 85: 182-193. DOI:  10.1016/j.engappai.2019.06.012.
    [17] KARNIK N N, MENDEL J M. Centroid of a type-2 fuzzy set[J]. Information Sciences, 2001, 132(1-4): 195-220. DOI:  10.1016/S0020-0255(01)00069-X.
    [18] MADDEN S. Intel lab data[EB/OL]. 2004[2020-01-11]. http://db.csail.mit.edu/labdata/labdata.html
  • 加载中
图(10) / 表(4)
计量
  • 文章访问数:  61
  • HTML全文浏览量:  37
  • PDF下载量:  5
  • 被引次数: 0
出版历程
  • 收稿日期:  2021-01-18
  • 修回日期:  2021-01-28
  • 刊出日期:  2021-10-05

目录

    /

    返回文章
    返回